黄志杰，徐爱俊※，周素茵，叶俊华，翁晓星，项云

（1. 浙江农林大学数学与计算机科学学院，杭州 311300；2. 浙江农林大学环境与资源学院，杭州 311300；3. 浙江省农业机械研究院，金华 321000）

0 引言

随着生猪养殖业的快速发展，基于非侵入式身份智能识别的生猪智能饲喂、体尺测量、体重预估和行为分析等数字化的智慧养殖方式受到广泛关注[1-5]。目前，常见的生猪个体身份识别主要采用侵入式方式，如佩戴耳标、打耳缺、画标记等。这些方法均有一定的局限性，耳标存在易污染、易损坏、射频信号距离有限等问题；耳缺会使生猪产生应激反应，造成伤口感染；背部标记符号容易褪色，且劳动力成本较高。近年来，基于猪脸识别的非侵入式生猪身份智能识别成为研究热点，其中闭集识别方法已经有着广泛深入的研究和探索。然而，在实际应用场景下，面对生猪个体数量增加和数据来源多样化带来的开放性挑战，需要将闭集识别转换为鲁棒性更高的开集识别。在开集识别过程中，必须进行精细、高效的猪脸对齐操作，而在猪脸对齐过程中，猪脸关键点检测是必要的预处理环节。

随着计算机视觉技术与深度学习技术的发展，卷积神经网络在人脸识别和面部关键点检测领域得到较为广泛应用[6-10]，但在生猪面部关键点检测中的应用还较少。李向宇等[11]提出一种通过构建猪脸人脸匹配数据集，训练形变卷积神经网络，使用形变猪脸数据集对人脸特征点检测神经网络模型进行微调，错误率为5.60%，过程较为繁琐。……