Con la demanda de una ganadería estandarizada a gran escala y el desarrollo de la tecnología de inteligencia artificial, se ha realizado mucha investigación en el área de detección e identificación de rostros de animales. Sin embargo, no hay estudios especializados sobre la normalización de rostros de ganado, lo que puede reducir significativamente el rendimiento de la identificación facial. La tecnología de detección de puntos clave, que se ha aplicado ampliamente en la normalización de rostros humanos, no es adecuada para la normalización de rostros de animales debido a las direcciones arbitrarias de las imágenes de rostros de animales capturadas de animales no cooperativos. Es necesario desarrollar un método de normalización de rostros de ganado que pueda manejar direcciones faciales arbitrarias. En este estudio, se desarrolló una red neuronal convolucional ligera de detección de ángulos y basada en regiones (LAD-RCNN), que contiene un nuevo método de codificación de ángulo de rotación que puede detectar el ángulo de rotación y la ubicación del rostro del animal en una sola etapa. LAD-RCNN también incluye una serie de métodos de mejora de imágenes para mejorar su rendimiento. LAD-RCNN ha sido evaluada en múltiples conjuntos de datos, incluyendo un conjunto de datos de cabras y imágenes infrarrojas de cabras. Los resultados de la evaluación muestran que la precisión promedio de la detección de rostros fue superior al 97%, y las desviaciones entre el ángulo de rotación detectado y el ángulo de rotación real fueron inferiores a 6.42 grados en todos los conjuntos de datos de prueba. LAD-RCNN funciona muy rápido y solo tarda 13.7 ms en procesar una imagen en una sola GPU RTX 2080Ti. Esto demuestra que LAD-RCNN tiene un rendimiento excelente en el reconocimiento de rostros de ganado y detección de dirección, y por lo tanto es muy adecuado para la detección y normalización de rostros de ganado.