近年来，随着国家和新疆维吾尔自治区对马产业发展的高度重视，为保障新疆马产业的不断发展，急需在新疆推行马品种登记工作。目前，国内马品种登记工作主要依靠传统手工登记方式完成，登记机构将符合标准的马匹体尺外貌等特征资料在纸质版的登记簿上进行登记管理和存放。为了实现马品种登记的电子化和信息共享，需要研究开发一套马品种电子登记系统来对马品种进行登记管理，同时为规范马品种的管理及赛马、评比等活动的开展，需要对马匹发放护照。但目前马品种登记和护照信息中的外貌特征提取方式主要靠手工方式完成，需要对马匹面部的特征进行文字描述和描图标记，存在工作量大、效率低、准确性低、人工成本高等问题。为解决马品种登记系统和护照生成发放中马匹面部外貌特征的提取问题。本文通过对马匹面部特征的提取、分割、保存及护照在马匹登记系统中的输出进行研究，主要内容及成果如下：
　　(1)利用基于卷积神经网络的MaskR-CNN实例分割模型对马匹面部及马匹面部特征进行识别并分割。首先通过网络爬虫和马场实地拍摄获取马脸正视图像，利用Labelme制作数据集标签，通过ResNet-50-FPN的主干网络从特征金字塔的不同级别提取感兴趣区域(Region Of Interest, ROI)特征，最后通过一个全卷积网络对每个ROI单独应用的边界框识别和掩码预测，生成相应的马匹面部及马匹面部特征掩码，实现图像中马匹面部及马匹面部特征与背景的分割。
　　(2)构建了一个具有分割标注信息的马脸与马脸面部特征的数据集，用于训练相应模型。利用COCO数据集目标检测评估指标平均精度(Average Precision, AP)，在测试数据集上对本文模型进行测试评估，其中马脸分割评价指标AP达到86.006%、大星达到44.962%、小星达到22.929%、细长流星鼻端白达到39.475%、长流星鼻端白30.463%、长广流星鼻端白28.446%、白面29.221%。实验结果表明，本文方法具有较好的马脸检测效果，并能在较为准确检测的同时实现像素级的马匹面部及马匹面部特征信息分割。
　　(3)利用DjangoWeb框架完成了马品种登记系统的开发，并将基于卷积神经网络训练后的马匹别征识别分割模型在马品种登记系统进行部署，通过模型对马匹面部图像进行识别，最后将模型识别分割图像的结果保存在马匹品种登记系统中，用于电子版PDF马匹护照的生成。与传统马匹面部特征手工标记方式相比，本文对马匹别征算法进行研究，并结合马匹登记系统进行实际应用，缩短了马匹外貌特征标记工作时间周期。截止目前，根据系统后台数据统计显示马品种登记系统共登记马匹信息4652条，已生成电子版马匹护照135本。