21世纪是人工智能时代,随着人工智能技术的发展、智能育种行业的兴起和国家食品安全控制措施的不断加强,准确识别动物已成为该行业的紧迫任务。当前,牲畜识别的主要方法是通过穿孔粘贴无线识别标记,这种烦杂的识别方法容易引起牲畜不适,并且标签经常掉落。人脸识别是一种生物识别技术,在应用于牲畜识别时具有很好的迁移性,其优势包括安全性,便利性和非侵入性。传统的人脸识别方法依赖于人脸图像特征的手动提取,需要长时间的经验积累,并且效果不明显也不稳定。卷积神经网络是人脸识别领域最重要的技术工具,可以自动提取图像更多更复杂的特征,从而大大提高了算法的准确性。基于卷积神经网络的理论,本文对猪脸识别[1]的技术进行了相关研究,关于数据收集,目前在动物识别领域没有猪脸的公开数据集。本文在猪场收集了用于制作猪脸的30只猪的脸部数据,该数据集共包含30000张图像,并且在整个实验过程中会对数据集标记猪脸区域和特征点。针对猪脸检测问题,使用了MTCNN[2]的人脸检测方法（该网络研究设计时的出发点为人脸检测）,将此技术作为迁移技术应用到猪脸检测上,此方法使用多级网络逐步检测图像中的猪脸区域和关键点。过滤脸部重要点之间的位置关系,并将其用于脸部校正。通过训练实验,MTCNN能够准确识别出图像中的猪脸区域和面部关键点,提出了一种基于深度卷积残差神经网络的改进模型,以实现良好的猪脸识别。该模型使用改进的全卷积残差网络来提取更多更复杂的面部特征。实验结果表明,改进后的网络可以很好地提取出更好的猪脸特征。在云平台上对模型进行了部署,并对模型的检测效果和识别性能在数据集上进行了测试。测试结果表明模型可以很好的锁定面部位置,并能够对猪脸进行有效的识别,识别精度达到了92.3%。