El reconocimiento de caras de ovejas basado en visión por computadora ha mejorado la eficiencia y efectividad de la identificación individual de ovejas, proporcionando soporte técnico para el desarrollo de la agricultura inteligente. Sin embargo, los modelos de reconocimiento actuales tienen problemas como tamaños de parámetros grandes, velocidad de reconocimiento lenta y difícil implementación. Por lo tanto, este artículo propone un módulo básico eficiente y rápido llamado Eblock y lo utiliza para construir un modelo ligero de reconocimiento de caras de ovejas llamado SheepFaceNet, que logra el mejor equilibrio entre velocidad y precisión. SheepFaceNet incluye dos módulos: SheepFaceNetDet para detección y SheepFaceNetRec para reconocimiento. SheepFaceNetDet utiliza Eblock para construir la red de backbone y mejorar la capacidad y eficiencia de extracción de características, diseña una capa FPN bidireccional (BiFPN) para mejorar la capacidad de localización geométrica y optimiza la estructura de la red, que afecta la velocidad de inferencia, para lograr una detección rápida y precisa de caras de ovejas. SheepFaceNetRec utiliza Eblock para construir la red de extracción de características, utiliza atención de canal ECA para mejorar la efectividad de la extracción de características y utiliza fusión de características a múltiples escalas para lograr un reconocimiento rápido y preciso de caras de ovejas. En nuestro conjunto de datos de caras de ovejas autoconstruido, SheepFaceNet reconoció 387 imágenes de caras de ovejas por segundo con una tasa de precisión del 97.75%, logrando un equilibrio avanzado entre velocidad y precisión. Se espera que esta investigación promueva aún más la aplicación de métodos de reconocimiento de caras de ovejas basados en aprendizaje profundo en la producción.