使用深度学习早期检测牛群块性皮肤疾病 - - 对预训练模型进行比较分析
Chamirti Senthilkumar1, Sindhu C1, G Vadivu2
1Department of Computing Technologies, School of Computing, SRM Institute of Science and Technology, Kattankulathur 603203, India.
Veterinary sciences
|October 25, 2024
概括
这项研究开发了一种人工智能系统,用于使用深度学习在牛群中检测皮病 (LSD). VGG16和MobileNetV2模型显示出高准确度,有助于在牲畜中早期控制疾病.
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) 严重影响牛群健康和农业经济.
- 早期和准确的LSD检测对于有效的疫情管理至关重要.
- 现有的诊断方法可能缺乏广泛应用所需的速度和准确性.
研究的目的:
- 开发和评估使用深度学习在牛群中检测结块性皮肤病的自动化系统.
- 为了比较各种深度学习模型对LSD识别的性能.
- 评估人工智能驱动的诊断工具在兽医中的临床适用性.
主要方法:
- 利用公开可用的健康和受LSD影响的牛图像数据集,包括其他疾病的图像.
- 采用图像预处理,数据增强和数据集平衡技术.
- 通过使用转移学习和评估性能指标 (准确性,灵敏性,特异性) 评估了十个预训练的深度学习模型 (例如VGG16,MobileNetV2).
主要成果:
- VGG16和MobileNetV2表现出高性能,其准确率分别为96.07%和96.39%.
- 对VGG16的敏感度达到了93.75%,对于MobileNetV2.2,敏感度达到了98.57%.
- VGG16的特异性为97.14%,MobileNetV2的特异性为94.59%,表明其强大的检测能力.
结论:
- 深度学习模型,特别是VGG16和MobileNetV2,显示了在牛群中自动检测LSD的巨大潜力.
- 高精度,灵敏度和特异性对于AI诊断工具的临床实用性至关重要.
- 人工智能驱动的系统可以提高早期检测和控制块性皮肤病,有利于动物健康和农业部门.
