面向烂猫症识别的自适应混合优化器框架
计算机视觉与模式识别
2026-01-06 v1 人工智能
摘要
烂猫症 (LSD) 是一种传染性病毒感染，严重损害畜牧业健康，对全球经济和粮食安全构成严重威胁。鉴于其快速蔓延特性，早期精准识别对于防止疫情扩散和确保及时干预至关重要。本文提出一种基于混合深度学习的方法，称为 LUMPNet，用于 LSD 的早期检测。LUMPNet 利用图像数据检测并分类皮肤丘疹——LSD 的主要指标。为此，LUMPNet 使用 YOLOv11、基于复合扩张的 EfficientNet CNN 分类器，以及一种新颖的自适应混合优化器。具体而言，LUMPNet 检测并定位牛只图像中的 LSD 皮肤丘疹和病灶。它利用 EfficientNet 将定位后的牛只图像分类为 LSD 感染或健康。为稳定和加速 YOLOv11 和 EfficientNet 混合模型的训练，提出并采用一种新颖的自适应混合优化器。我们在公开数据集上评估了 LUMPNet 在 LSD 各阶段的表现。结果表明，所提出方案实现了 99% 的 LSD 检测训练准确率，优于现有方法。模型还实现了 98% 的验证准确率。此外，为进一步评估，我们对使用 AdamW 优化器训练的优化版 EfficientNet-B0 模型进行了案例研究，并与 LUMPNet 进行了比较。结果显示，LUMPNet 取得了优异的性能。
关键词
引用
@article{arxiv.2601.01807,
title = {Adaptive Hybrid Optimizer based Framework for Lumpy Skin Disease Identification},
author = {Ubaidullah and Muhammad Abid Hussain and Mohsin Raza Jafri and Rozi Khan and Moid Sandhu and Abd Ullah Khan and Hyundong Shin},
journal= {arXiv preprint arXiv:2601.01807},
year = {2026}
}