新闻详情

新闻详情

首页 / 资讯中心 / 详情

猪疾病检测数据集 | 猪疾病检测 疫病防控 智慧畜牧 猪丹毒 口蹄疫 9116期

发布时间:2026/11/12 6:14:12来源:尧图网络
猪疾病检测数据集 | 猪疾病检测 疫病防控 智慧畜牧 猪丹毒 口蹄疫 9116期
猪疾病检测数据集 | 猪疾病检测 疫病防控 智慧畜牧 猪丹毒 口蹄疫 9116期数据集概述本数据集专注于生猪常见疾病的视觉检测与分类服务于智慧畜牧、疫病防控及养殖健康管理。数据涵盖健康猪只及七类常见猪病适配疾病筛查、早期预警及兽医辅助诊断等应用。数据集核心信息数据要素详细说明类别共8类健康、猪丹毒、猪油皮病、日晒伤、真菌性癣、寄生虫性螨病、口蹄疫、猪痘数量5113张图像另有11056张完整版本格式图像为 JPG/PNG标签为 YOLO 格式的 txt 文件水平边界框数据划分训练集4232张验证集591张测试集290张应用价值1.疫病防控支撑猪场常见皮肤及全身性疾病的自动化筛查与早期发现。2.健康管理通过疾病类型与分布统计辅助制定隔离、治疗及免疫计划。3.兽医辅助为远程诊断、养殖户自助初筛提供视觉识别工具。4.算法研发为动物疾病识别、细粒度分类等视觉任务提供真实场景的训练与评测数据。完整类别列表共8类序号英文名称中文释义疾病类型说明1healthy健康正常无病症猪只2infected_bacterial_erysipelas猪丹毒由猪丹毒杆菌引起的细菌性疾病3infected_bacterial_greasy猪油皮病渗出性皮炎多见于仔猪4infected_environmental_sunburn日晒伤环境因素导致的皮肤灼伤5infected_fungal_ringworm真菌性癣真菌感染引起的皮肤病变6infected_parasitic_mange寄生虫性螨病螨虫寄生导致的皮肤病7infected_viral_foot_and_mouth口蹄疫病毒性传染病口腔与蹄部出现水疱8swine_pox猪痘病毒性皮肤病皮肤出现痘疹数据三要素解析类别与疾病覆盖数据集定义8类猪只状态覆盖健康与7类疾病按病原类型分为细菌性猪丹毒、猪油皮病、真菌性癣、寄生虫性螨病、病毒性口蹄疫、猪痘及环境性日晒伤。类别设置覆盖了猪场常见的主要疾病类型具有较强的防疫实用价值。健康类别的纳入有助于模型学习正常状态特征提升疾病判别的准确性。数据规模与版本图像总量5113张按约83:12:6比例划分为训练集4232张、验证集591张与测试集290张划分规范。另有11056张完整版本可满足更大规模训练需求。全部图像已标注即拿即用大幅降低项目启动门槛。格式与配套资源采用通用YOLO 格式txt每张图像对应一个同名标签文件包含类别 ID 与归一化边界框坐标可直接接入 YOLOv5、YOLOv8 等主流检测框架。支持按需转换为其他格式适配不同算法需求。提供完整训练脚本与可视化检测界面支持图片/视频实时检测便于快速演示与部署。知识普及猪疾病视觉检测的技术要点病症相似性部分猪病在皮肤表现上相似如猪痘与螨病、油皮病与癣模型需依赖病斑形态、分布位置、颜色等细节特征进行区分。早期症状微弱疾病初期症状可能不明显需采用高分辨率输入与多尺度特征融合策略提升检测灵敏度。环境干扰猪舍光照、地面反光、猪只姿态等可能影响检测效果建议在训练中加入相关数据增强。类别不平衡不同疾病的样本数量可能存在差异训练时可采用类别加权损失或过采样策略。应用闭环检测结果可结合猪只ID、体温、采食量等数据构建猪群健康监测与疫病预警系统服务于精准养殖与疫病防控。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valtest:./dataset/images/testnc:8names:[healthy,infected_bacterial_erysipelas,infected_bacterial_greasy,infected_environmental_sunburn,infected_fungal_ringworm,infected_parasitic_mange,infected_viral_foot_and_mouth,swine_pox]启动 YOLOv8 训练fromultralyticsimportYOLO modelYOLO(yolov8m.pt)model.train(datadata.yaml,epochs100,imgsz640,batch16,device0)标签猪疾病检测疫病防控智慧畜牧猪丹毒口蹄疫目标检测YOLO格式深度学习数据集计算机视觉
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉