适用于实际畜牧业场景的稳健多类结节性皮肤病诊断方法

《Scientific Reports》：Robust multi-class lumpy skin disease diagnosis for practical livestock applications

　　

摘要

结节性皮肤病是一种具有高度传染性的病毒感染，严重危害全球牛只的健康与养殖生产力，因此亟需可靠且自动化的诊断方案。深度学习领域的最新进展表明，基于图像的疾病分类具有巨大潜力；然而，在面对现实世界中的数据变化和类别不平衡问题时，仍需解决诸多挑战。在本研究中，我们提出了ConvNeXtLSD这一基于深度学习的多类分类框架，用于自动化诊断牛只的结节性皮肤病。该模型采用改进后的ConvNeXt架构作为核心，包含一个分块处理模块以及四个由ConvNeXt块和下采样层构成的分层特征提取阶段，从而实现有效的多尺度特征学习。为提升类别区分度，该模型对标准分类头进行了重构，通过特征展平与层归一化处理，增强了特征分布的稳定性及模型的判别能力。在包含8,014张图像的五类牛只结节性皮肤病数据集上的大量实验表明，ConvNeXtLSD具有出色的分类性能，准确率为98.29%，精确率为95.82%，F1值为96.58%，科恩卡帕系数为97.51%。此外，该框架还具有较高的计算效率，运算量为15.372 GFLOPs，实时推理速度可达90.18 FPS，展现了在预测性能与计算成本之间的良好平衡，非常适合用于实际场景中的家畜疾病诊断。