적응형 하이브리드 최적화기반의 거식피부병 식별 프레임워크

2026년 02월 04일

읽는 시간: 6 분

...

#paper #AI 요약

📝 원문 정보

- Title: Adaptive Hybrid Optimizer based Framework for Lumpy Skin Disease Identification
- ArXiv ID: 2601.01807
- 발행일: 2026-01-05
- 저자: Ubaidullah, Muhammad Abid Hussain, Mohsin Raza Jafri, Rozi Khan, Moid Sandhu, Abd Ullah Khan, Hyundong Shin

📝 초록

전염성 바이러스 감염인 러미피부병(LSD)은 가축 건강을 크게 저하시켜 글로벌 경제와 식량 안보에 중대한 위협을 제기한다. 그 빠른 확산 특성을 고려할 때, 발병을 방지하고 적시 개입을 보장하기 위해서는 조기에 정확히 인식하는 것이 중요하다. 본 논문에서는 LSD의 조기 검출을 위한 하이브리드 딥러닝 기반 접근법인 LUMPNet을 제안한다. LUMPNet은 이미지 데이터를 이용하여 LSD의 주요 지표인 피부 결절을 감지하고 분류한다. 이를 위해 LUMPNet은 YOLOv11, 복합 스케일링을 갖춘 EfficientNet 기반 CNN 분류기 및 새로운 적응형 하이브리드 옵티마이저를 사용한다. 좀 더 구체적으로는 LUMPNet이 소의 이미지에서 LSD 피부 결절과 흉터를 감지하고 위치 지정하며, EfficientNet을 이용하여 해당 위치 지정된 소의 이미지를 LSD에 영향 받은 것 또는 건강한 것으로 분류한다. YOLOv11 및 EfficientNet 하이브리드 모델의 학습을 안정화시키고 가속화하기 위해 새로운 적응형 하이브리드 옵티마이저가 제안되고 사용된다. 우리는 공개 데이터 세트를 이용하여 LSD의 다양한 단계에서 LUMPNet을 평가한다. 결과는 제안된 방식이 99%의 LSD 감지 학습 정확도를 달성하고, 기존 방식보다 우수함을 나타낸다. 이 모델은 검증 정확도에서도 98%를 달성한다. 또한 추가 평가를 위해 AdamW 옵티마이저로 튜닝된 EfficientNet-B0 모델을 사용한 사례 연구를 수행하고 LUMPNet의 성능과 비교한다. 결과는 LUMPNet이 우수한 성능을 달성함을 보여준다.

💡 논문 해설

1. **키 컨트리뷰션 1: 농장 동물 건강 모니터링 시스템** 딥러닝과 기계 학습이 결합된 새로운 방법론을 통해, 소와 돼지의 질병 감지 및 건강 상태를 실시간으로 모니터링할 수 있게 되었습니다. 이는 마치 의사가 환자의 상태를 지속적으로 체크하며 빠르게 대응하는 것과 같습니다.

키 컨트리뷰션 2: 정확한 질병 감지
다양한 딥러닝 모델을 사용하여 소의 특정 질병인 Lumpy Skin Disease(LSD)를 초기 단계에서 식별할 수 있습니다. 이를 통해 농장주는 방역 조치를 미리 취하고, 동물들의 건강을 보다 효과적으로 관리할 수 있게 됩니다. 이는 마치 바이러스가 대규모로 확산되기 전에 빠르게 진단하여 치료하는 것과 같습니다.
키 컨트리뷰션 3: 데이터 기반 의사결정
다양한 모델의 성능을 평가하고, 이를 바탕으로 최적화된 방역 및 관리 전략을 개발할 수 있습니다. 이는 마치 농장주가 동물들의 건강 상태를 정확하게 파악하여, 필요한 자원을 효율적으로 배분하는 것과 같습니다.

📄 논문 발췌 (ArXiv Source)

심층 학습, 이미지 데이터, 거친 피부 질병, 정밀 축산

서론

정밀 축산업은 자동화된 구조를 활용하여 가축을 모니터링하고 그 생산성, 번식력, 건강, 복지 및 환경적 영향을 향상시킵니다. 이는 동물의 질병과 오염을 조기에 감지하는 데 중요한 역할을 합니다. 특히 피부와 파기형 감염은 축산업에서 주요 재정 부담이 됩니다. 이러한 감염은 불편함을 초래하여 동물의 휴식 및 식사에 영향을 미치고, 피부의 자연 방어 기능을 약화시켜 세균성 감염 위험을 증가시키는 요인입니다. 일부 외부 파리와 특정 종류의 티크 벼룩은 다양한 질병을 전파하여 경제적으로 중요한 역할을 합니다. 이러한 기생충으로 인한 피부 손상은 특히 유해합니다.

질병	피부 종기 설명	치명률	조기 감지 지표	다른 메트릭	종기 감지의 중요성
거친 피부 질병 (LSD)	심각한 종기가 목과 등에 주로 나타남	높음	발열, 부종, 젖 분비량 감소	조기 진단을 통해 전파를 방지해야 함	매우 중요
소 폐결핵 (TB)	피부나 내장기관에 그란룰로마(종기)가 나타날 수 있음	낮음	기침, 체중 감소, 발열	종기가 주로 내부에 있으며 고급 검사가 필요할 수 있음	중간
포자바이러스 감염	종기형 피부 손상, 일반적으로 머리나 생식기에 나타남	낮음 또는 중간	피부 손상, 땀띠, 발열	다른 동물에게 영향을 줄 수 있으며 매우 전염성이 있음	중간
파란 혓바닥	머리, 귀 및 목 주변에 종기가 나타남	중간	부종, 침 분비 증가, 발열, 보행 장애	계절적으로 발생하며 벡터를 통해 전파됨	중요
감염성 가시진드기 (Orf)	입 주위, 유두 및 젖꼭지에 땀띠형 종기가 나타남	낮음	입이나 유두 주변의 손상	매우 전염성이 있으며 사람에게도 감염될 수 있음	중요
곰팡이 피부염	곰팡이 감염으로 인해 종기와 지루가 형성됨	낮음	건조한 피부, 가려움증, 털 빠짐	오염된 환경을 통해 전파될 수 있음	중간
Schmallenberg 바이러스 (SBV)	피부 종기와 발열 및 관절 부종	낮음(일반적으로)	발열, 부종, 식욕 감소	벡터를 통해 전염되며 임신한 소에게 영향을 미침	중요
소 파라포자바이러스	유두, 젖꼭지 및 피부에 종기가 나타남	낮음	유두와 젖꼭지의 손상	사람에게도 감염될 수 있으며 위생 상태가 나쁘면 쉽게 전파됨	중요

농장 동물, 소 및 버퍼로 구성된 가축은 거친 피부 질병(LSD)이라는 바이러스 감염에 취약합니다. 이 질병은 티크, 파리, 모기 등 혈액을 빨아먹는 곤충을 통해 전파됩니다. 이 바이러스는 발열과 피부 종기를 유발하며, 특히 이전에 노출되지 않은 동물에게 치명적일 수 있습니다. 방역 조치에는 백신 접종 및 감염된 동물을 제거하는 것이 포함됩니다. LSD는 소와 물소 등 여러 종류의 동물을 대상으로 하며 큰 재정적인 손실을 초래합니다. 이 질병은 Capripox속에 속한 Poxiviridae 가족의 LSD 바이러스로 인해 발생하며, 바이러스는 종기나 딱지에서 장시간 지속되어 이러한 피부 손상이 주요 전파 원인입니다. 세계 각지의 소 농장에서는 높은 감염률을 경험하고 있으며, 지난 5년 동안 LSD와 관련된 사망자 수가 19만 건 중 약 7,500건이 발생했습니다(1). LSD는 경제 시스템에 큰 영향을 미치며 젖 생산량 감소와 동물의 손실로 이어집니다. 표 [tab_diseases]는 다양한 질병과 그 증상을 요약합니다.

단계	증상
잠복기 단계	- 가시적인 증상 없음, 바이러스가 복제됨.
	- 일반적으로 감염 후 2-4주 지속됩니다.
초기 단계	- 발열.
	- 식욕 저하.
	- 우울증.
	- 경미한 호흡 곤란.
	- 종기가 처음 나타남.
중간 단계	- 피부에 큰 종기가 발달함.
	- 종기 크기는 일반적으로 2-5cm입니다.
	- 종기는 목, 머리, 사지에서 시작됩니다.
진전 단계	- 종기가 용종화되고 분비물이 나오는 경우가 많습니다.
	- 체온 상승 지속.
	- 2차 세균 감염 발생 가능.
	- 종기로 인한 보행 장애.

LSD의 단계와 증상

Ref. (Year)	Approach	Model Performance	Dataset	Evaluation Methods	Challenges
Girma et al. (2021)	CNN for feature extraction and SVM for classification in LSD detection.	95.7% accuracy with SVM for LSD classification.	1,740 image dataset for LSD detection.	Evaluated with SVM, Random Forest with SVM achieving 95.7% accuracy.	Noise removal techniques needed for better image quality and region identification.
Neha et al. (2022)	Random Forest for LSD prediction in specific geographic locations.	97% accuracy with Random Forest for LSD prediction.	18,603 instances and 16 features from a dataset.	Performance comparison with Random Forest (97% accuracy).	Image noise and the challenges of accurate segmentation for LSD detection.
Kumar et al. (2024)	Automated LSD detection using deep learning with transfer learning	VGG16 and MobileNetV2 achieved accuracies of 96.07% and 96.39%	Publicly available datasets of healthy and LSD-affected cattle	Performance evaluation using accuracy, sensitivity, specificity, precision	Challenges in dataset balancing and the need for high sensitivity.
Saqib et al. (2024)	Deep learning approach using MobileNetV2 and RMSprop optimizer.	95% accuracy with MobileNetV2 for LSD detection.	464 healthy and 329 LSD-affected cattle images.	95% accuracy on healthy and LSD-affected cattle images dataset.	Partitioning dataset to balance the classes and ensuring diversity in images.
Asad etal. (2025)	ViT classifier with preprocessing (resizing, normalization, augmentation)	98% accuracy	8,000 cattle images	Evaluated using accuracy, precision, recall, and F1 score.	Ensuring generalization to field conditions
Proposed: LUMPNet (2025)	YOLOv11 + EfficientNet + AWDR for LSD early detection and monitoring.	99% accuracy in early detection of LSD.	1,024 image dataset, 324 for LSD detection	Multiple-stage performance assessment with 99% accuracy.	Handling early-stage lesion variability, ensuring precise region localization

LSD는 발열, 부종성 표피 림프절 및 피부와 점막에 2cm에서 5cm까지의 크기로 여러 종기가 나타나는 특징이 있습니다. 감염된 소는 사지의 부종과 보행 장애를 겪을 수 있습니다. 바이러스는 일반적으로 영향을 받은 동물에게 지속적인 피부 손상을 유발합니다. 이 질병은 성장 저하, 불임, 낙태, 만성 약화, 젖 생산량 감소 및 사망으로 이어질 수 있습니다. 발열은 바이러스 감염 후 대략 일주일 후에 발생하며 초기 발열은 41°C를 초과할 수 있으며 최대 일주일 동안 지속될 수 있습니다. 이 기간 동안 모든 표피 림프절이 부풀어 오릅니다. 종기는 일반적으로 감염 후 7-19일 후에 나타나며 코와 눈에서 점액성 분비물이 나올 수 있습니다. 이러한 종기은 피부의 깊은 층, 즉 하층 피부 및 심지어 근육까지 영향을 미치며 표피와 진피 모두를 포함합니다. 이 손상은 잘 정의된 상태일 수도 있고 서로 합쳐질 수 있으며 몸 전체에 나타날 수 있지만 가장 흔하게 머리, 목, 유두, 양성, 음성 및 회음부에서 발견됩니다.