长期的照片个体识别可以让我们对动物种群的人口统计数据、生活史、运动方式和社会结构有更深入细微的了解。中华白海豚在其成长过程中有着独特多样的颜色和斑点，是照片个体识别的理想物种。并且与其他鲸豚类动物相比，中华白海豚在地理上的可及性、生物学特性、生态功能以及文化地位，使得它具有更高的研究和社会关注度。为了提高对中华白海豚这一濒危海洋动物的保育研究的效益，一方面，我们需要提高中华白海豚照片个体识别的效率，让海洋生态学家有更多时间进行户外研究，另一方面，我们需要实现数据处理的标准化，促进不同团队间的合作。
　　针对自动化的中华白海豚照片个体识别这一实际问题，本文首次将基于深度学习的图像处理技术应用于中华白海豚的照片个体识别。首先，我们提出了一个用于中华白海豚的照片个体识别的处理流程，包括四个步骤：背鳍定位、背鳍照片质量识别、背鳍个体识别和背鳍分割。基于该流程，我们整理并公开了首个用于中华白海豚的照片个体识别的大规模图像数据集，该数据集共包括53513张照片，来自广西钦州(140个个体)和广东汕头(20个个体)。在该数据库上，针对每个步骤，我们选择了多个主流的深度卷积神经网络进行测试，并给出了不同网络的结果。由于过去的照片个体识别都是对单个个体的单张图片进行处理，对于低质量照片的识别效果欠佳，我们提出了一种基于群信息的背鳍个体识别方法，通过对一群图片进行处理，并通过异常检测和异常捞回的方式，显著提高了个体识别对于低质量照片的识别准确率(+7.35%)，从而提高了整体识别准确率(+2.63%)。最后，我们设计了一个在Windows系统上运行的基于深度学习的中华白海豚识别软件，包括便捷的操作流程和直观的人工校验界面，从而辅助生态学家完成中华白海豚的照片个体识别。