在牛群中诊断块性皮肤病:使用RMSProp和MobileNetV2优化的深度学习方法
Sheikh Muhammad Saqib1, Muhammad Iqbal1, Mohamed Tahar Ben Othman2
1Institute of Computing and Information Technology, Gomal University, Dera Ismail Khan, Pakistan.
PloS one
|August 5, 2024
概括
一种新的深度学习方法可以使用MobileNetV2.2准确地检测牛中的块性皮肤病 (LSD). 这种方法达到95%的准确性,为畜牧健康管理和疾病控制提供了显著的进步.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 型皮肤病 (LSD) 在全球范围内对牛的健康和生产力构成重大威胁.
- 有效的疾病管理对于防止畜牧业的重大经济损失至关重要.
研究的目的:
- 开发和评估一种深度学习模型,用于准确检测牛群中的块性皮肤病.
- 用RMSprop优化器来评估MobileNetV2模型的性能,用于LSD诊断.
主要方法:
- 通过使用MobileNetV2架构实现了深度学习方法.
- 使用RMSprop优化器,在一组牛图像数据集上训练模型.
- 该模型在健康和LSD受影响的牛的图像上进行了测试.
主要成果:
- 拟议的深度学习模型在识别块性皮肤疾病方面达到95%的准确性.
- 与现有基准相比,该系统表现出优越的性能,改善了4-10%.
- 结果表明,在区分健康和患病的牛群方面具有很高的有效性.
结论:
- 基于MobileNetV2的深度学习方法显示了彻底改变牛皮病诊断的巨大潜力.
- 这种方法提供了一个有前途的工具,用于加强牛养殖中的疾病管理策略.
- 该研究强调了人工智能在改善牲畜健康监测和控制方面的价值.
