El reconocimiento automatizado de vacas individuales es fundamental para implementar la agricultura inteligente. Los métodos tradicionales de reconocimiento de vacas individuales desde una perspectiva aérea se basan principalmente en características de la espalda y tienen un rendimiento deficiente para vacas con distribuciones de orientación diversas y visibilidad parcial del cuerpo en el marco. Este estudio propone un método de conjunto abierto para el reconocimiento de vacas individuales basado en la transformación de características espaciales y el aprendizaje métrico para abordar estos problemas. Inicialmente, se diseñó un módulo de extracción de características profundas de transformación espacial, ResSTN, que incorpora técnicas de preprocesamiento, para abordar de manera efectiva la baja tasa de reconocimiento causada por la diversa distribución de orientación de las vacas individuales. Posteriormente, al construir un marco de reconocimiento de conjunto abierto que integra tres mecanismos de atención, cuatro funciones de pérdida y cuatro métodos de métricas de distancia, y al explorar el impacto de cada componente en el rendimiento del reconocimiento, este estudio logra configuraciones de modelo refinadas y optimizadas. Por último, la introducción de estrategias de recorte moderado y oclusión aleatoria durante la fase de carga de datos mejora la capacidad del modelo para reconocer individuos parcialmente visibles. El método propuesto en este estudio logra una precisión de reconocimiento del 94.58% en escenarios de conjunto abierto para vacas individuales en imágenes aéreas, con una mejora promedio de precisión de 2.98 puntos porcentuales para vacas con distribuciones de orientación diversas, y también demuestra un rendimiento de reconocimiento mejorado para vacas individuales parcialmente visibles y ocluidas aleatoriamente. Esto valida la efectividad del método propuesto en el reconocimiento de conjunto abierto, mostrando un potencial significativo para su aplicación en la gestión de la agricultura de precisión en ganado.