Las enfermedades de la piel son unas de las enfermedades más comunes. Debido a las intrincadas categorías de enfermedades de la piel, sus síntomas siendo muy similares en la etapa inicial, y las muestras de lesiones siendo extremadamente desequilibradas, su clasificación es desafiante. Al mismo tiempo, bajo condiciones de datos limitados, la capacidad de generalización de un único modelo fiable de red neuronal convolucional es débil, la capacidad de extracción de características es insuficiente y la precisión de clasificación es baja. Por lo tanto, en este artículo, se propuso un modelo de red neuronal convolucional para la clasificación de enfermedades de la piel basado en la fusión de modelos. A través de la fusión de modelos, fusión de características profundas y superficiales, y la introducción de un módulo de atención, se fortaleció la capacidad de extracción de características del modelo. Además, se realizaron una serie de trabajos como pre-entrenamiento del modelo, aumento de datos y ajuste fino de parámetros para mejorar el rendimiento de clasificación del modelo. Los resultados experimentales mostraron que al trabajar en nuestro conjunto de datos privado dominado por enfermedades de la piel similares al acné, nuestro modelo propuesto superó a los dos modelos base de DenseNet201 y ConvNeXt_L en un 4.42% y 3.66%, respectivamente. En el conjunto de datos público HAM10000, la precisión y la puntuación f1 del modelo propuesto fueron del 95.29% y 89.99%, respectivamente, lo que también logró buenos resultados en comparación con otros modelos de última generación.