Para abordar el problema de mantener la precisión en el reconocimiento facial de ovejas a través de diferentes etapas de crecimiento, construimos un conjunto de datos de 31,200 imágenes de 55 ovejas rastreadas mensualmente desde 1 hasta 12 meses de edad. Propusimos el marco LBL-SheepNet, que incluye un módulo de Squeeze-and-Excitation (SE) para mejorar la representación de características, un módulo de desacoplamiento de características no lineales para separar las características relacionadas con la edad de las específicas de identidad, y un módulo de análisis de correlación con aprendizaje adversarial para reducir la interferencia sesgada por la edad. El marco logró una precisión de identificación del 95.5% y una precisión promedio del 95.3%.