家蚕身份重识别是家蚕多目标追踪和异常行为识别的重要子任务。然而,由于个体之间的高度相似性、姿态任意以及图像背景干扰,致使现有重识别方法难以实现较高的准确率。为此,本文提出一种名为"提取-纯化-提取-交互"的新策略,并设计出一种用于家蚕重识别的多视角网络,命名为Worm Net。具体来讲,首先提出了一种多阶特征提取模块,利用不同大小的卷积核和并行基数来获取多样化的粒度特征,以解决家蚕个体间的高相似性和不整齐姿势的问题。然后,采用特征掩模模块从空间维度上纯化特征,以缓解背景干扰的问题。为了进一步提高网络的数据表示能力,提出了一种通道交互模块,该模块将高效通道注意力网络ECANet与全局响应归一化GRN并行桥接,以重新校准特征并从局部和全局层面学习更为丰富的信息。此外,还构建出一个家蚕重识别数据集用于网络训练和验证。实验结果表明,提出Worm Net实现了54.8%的mAP和91.4%的rank-1,其性能优于经典卷积神经网络(CNN)、基于Transformer的网络、基于图像注意力的网络和新颖的行人重识别网络。本研究可为后续开展家蚕多目标追踪和异常行为识别提供参考。