A medida que la tecnología de visión por computadora ha avanzado, el reconocimiento facial de cerdos ha ganado amplia atención como un método de identificación individual de cerdos. Este estudio establece una red ResNAM mejorada como red de base para la extracción de características de imágenes faciales de cerdos al combinar un mecanismo de atención NAM (módulo de atención basado en normalización) y un modelo ResNet para investigar el reconocimiento facial de cerdos de conjunto abierto sin contacto. Luego, se diseña un marco de reconocimiento facial de cerdos de conjunto abierto integrando tres funciones de pérdida y dos métricas para completar la tarea sin cruzar individuos en los conjuntos de entrenamiento y prueba. La función de pérdida SphereFace con la distancia coseno como métrica y ResNAM se combinan en el marco para obtener el modelo óptimo de reconocimiento facial de cerdos de conjunto abierto. Para entrenar nuestro modelo, se seleccionaron aleatoriamente 37 cerdos con un total de 12,993 imágenes de las imágenes faciales de cerdos recopiladas, y 9 cerdos con un total de 3431 imágenes se establecieron como conjunto de prueba. Se obtuvieron 900 pares de muestras positivas y 900 pares de muestras negativas de las imágenes en el conjunto de prueba. Una serie de resultados experimentales muestran que nuestra precisión alcanzó el 95.28%, que fue 2.61% más alta que la de un modelo de reconocimiento facial humano. El NAM fue más efectivo en mejorar el rendimiento del modelo de reconocimiento facial de cerdos que los módulos de atención BAM (módulo de atención de cuello de botella) y CBAM (módulo de atención de bloque convolucional). Los resultados de la investigación pueden proporcionar soporte tecnológico para el reconocimiento individual de conjunto abierto sin contacto en los procesos de agricultura inteligente.