MySQL增删改查入门：从SQL基础到环境搭建与踩坑指南
2026/9/26 20:50:47
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 |
|---|---|---|---|
| 1 | healthy | 健康 | 正常无病症猪只 |
| 2 | infected_bacterial_erysipelas | 猪丹毒 | 由猪丹毒杆菌引起的细菌性疾病 |
| 3 | infected_bacterial_greasy | 猪油皮病 | 渗出性皮炎，多见于仔猪 |
| 4 | infected_environmental_sunburn | 日晒伤 | 环境因素导致的皮肤灼伤 |
| 5 | infected_fungal_ringworm | 真菌性癣 | 真菌感染引起的皮肤病变 |
| 6 | infected_parasitic_mange | 寄生虫性螨病 | 螨虫寄生导致的皮肤病 |
| 7 | infected_viral_foot_and_mouth | 口蹄疫 | 病毒性传染病，口腔与蹄部出现水疱 |
| 8 | swine_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 model=YOLO('yolov8m.pt')model.train(data='data.yaml',epochs=100,imgsz=640,batch=16,device=0)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