Un requisito clave para el establecimiento de granjas ovinas digitalizadas y la ganadería de precisión es la identificación precisa de la identidad de cada oveja. Debido a la incertidumbre en el reconocimiento de las caras de las ovejas, las diferencias en la postura de las ovejas y el ángulo de disparo en el proceso de reconocimiento afectan la precisión del reconocimiento. En este estudio, proponemos un modelo de aprendizaje profundo basado en el algoritmo RepVGG y la extracción y fusión de características bilineales para el reconocimiento de las caras de las ovejas. Los conjuntos de datos de entrenamiento y prueba del modelo consisten en fotos de caras de ovejas a diferentes distancias y ángulos. Primero, diseñamos un canal de extracción de características con un mecanismo de atención y bloques RepVGG. El mecanismo de reparametrización del bloque RepVGG se utiliza para lograr una compresión sin pérdida del modelo, mejorando así su eficiencia de reconocimiento. En segundo lugar, se utilizan dos canales de extracción de características para formar una red de extracción de características bilineales, que extrae características importantes para diferentes posturas y ángulos de la cara de la oveja. Finalmente, se fusionan características a la misma escala de diferentes imágenes para mejorar la información de características, mejorando la capacidad de reconocimiento y la robustez de la red. Los resultados de las pruebas demuestran que el modelo propuesto puede reducir efectivamente el efecto de la postura de la cara de la oveja en la precisión del reconocimiento, con tasas de reconocimiento que alcanzan el 95.95%, 97.64% y 99.43% para los conjuntos de datos de cara lateral, frontal y de cara completa de las ovejas, respectivamente, superando varios modelos de reconocimiento de caras de ovejas de última generación.