一、项目概述智宠医宠物全科云诊断系统是一款基于深度学习技术的宠物皮肤病智能诊断平台。系统通过上传宠物患处图片利用训练好的卷积神经网络模型进行疾病识别并结合大语言模型Kimi AI提供专业的病症分析和治疗建议帮助宠物主人快速了解宠物健康状况。二、系统功能2.1 图像识别诊断支持上传 PNG、JPG、JPEG、GIF、BMP 格式的宠物患处图片文件大小限制16MB实时返回疾病分类结果和置信度2.2 疾病分类类别系统目前支持识别以下 5 种常见宠物皮肤疾病序号疾病名称样本数量1口腔病101张2湿性皮炎188张3皮肤肿瘤72张4脓包病39张5蜱虫感染85张2.3 AI 智能分析识别完成后系统可调用 Kimi AI 大语言模型提供病症详情成因、症状、发病机制相似病症3-5 种相似疾病及区别治疗方案紧急处理、药物治疗、日常护理、预防措施就医建议是否需要立即就医及检查项目2.3.1 Kimi API配置from openai import OpenAI # Kimi API配置 KIMI_API_KEY 写自己的API KIMI_BASE_URL https://api.moonshot.cn/v1 # 初始化Kimi客户端 kimi_client OpenAI( api_keyKIMI_API_KEY, base_urlKIMI_BASE_URL )三、技术架构3.1模型构建def build_model(num_classes: int) - nn.Module: # 加载预训练的ResNet34 if USE_PRETRAINED: weights models.ResNet34_Weights.IMAGENET1K_V1 model models.resnet34(weightsweights) else: model models.resnet34(weightsNone) # 冻结前2个卷积块迁移学习策略 if USE_PRETRAINED: for name, param in model.named_parameters(): if layer1 in name or conv1 in name or bn1 in name: param.requires_grad False # 替换最后的全连接层 num_features model.fc.in_features model.fc nn.Sequential( nn.Dropout(DROPOUT_RATE), nn.Linear(num_features, num_classes) ) return model3.2 混淆矩阵四、项目目录结构项目根目录/ ├── app.py # Flask Web 服务主程序 ├── train_pet_disease_classifier.py # 模型训练脚本 ├── convert_images.py # 图像格式转换工具 ├── requirements.txt # Python 依赖包列表 ├── templates/ │ └── index.html # 前端页面 ├── data/ # 训练数据集 │ ├── 口腔病/ │ ├── 湿性皮炎/ │ ├── 皮肤肿瘤/ │ ├── 脓疱病/ │ └── 蜱虫感染/ └── 20251120_112941/ # 训练输出目录 ├── best_model.pt # 最佳模型权重 ├── confusion_matrix.png # 混淆矩阵图 ├── loss_curve.png # 损失曲线图 └── training_log.txt # 训练日志五、视频演示宠物病症