随着肉牛养殖业的不断发展,养殖规模越来越大,采用RFID识别技术进行牛个体身份识别面临着识别距离短、标签易损和人力成本较高等问题,而面部识别是解决这一问题的有效途径。因此本文基于内蒙古大量养殖的西门塔尔肉牛养殖环境的特点和牛脸识别技术的发展现状,研究局部遮挡下的西门塔尔肉牛牛脸识别算法,主要完成如下工作:首先,本文针对手工制作数据集精度低耗时长的问题,基于CNNs基础理论以及改进的YOLOv3框架,提出了一种自动捕获和剪切西门塔尔肉牛面部图像的算法。1.改进模型的架构以Mobile Net V1为主干网络,2.以K-means++聚类算法对锚框重聚类,以此提高检测的速度和识别精度,3.在测试过程中嵌入核心的自动剪切和保存模块。本文对可视化结果以及检测速度精度等三个方面进行结果分析。对于可视化结果,算法实现相对人工操作具有更高的分辨率;103头牛的10239张面部图像的检测准确率为99.86%,优于未改进的YOLOv3算法;检测时间为39.24分钟,是手工制作时间的1/27。其次,在自动化方法制作生成的数据集基础上,基于通道注意力机制,提出了一种遮挡场景下提高识别准确率的算法,该算法可以区分遮挡与未遮挡部分,并忽略遮挡部分重点分析未遮挡内容的特征以此确定物体种类。1.模型先利用自动化程序在10239张正面无遮挡牛脸图像的不同位置添加不同比例的遮挡物得到输入数据集。2.以Mobile Net V1为主干网络,插入组成通道注意力的压缩模块和激励模块获得识别增益。实验结果表明,当遮挡物在左上角和右下角时,当遮挡率小于30%,Top＿1的值达到90%以上;如果小于50%,则Top＿1的值大于80%。即使中间部位的很多特征信息被遮挡,40%的遮挡率也有80%以上的准确率。此外,将提出的模型与Mobile Net V1进行比较,参数量和模型体积相同,只有少量增加的计算量作为代价。