Классификация болезней листьев риса
Модель для классификации заболеваний листьев риса по изображениям, выявляет 5 типов: бактериальный ожог, бласт, бурое пя
О сервисе
Обзор модели Rice-Leaf-Disease — это модель для классификации изображений, дообученная на основе google/siglip2-base-patch16-224 . Она предназначена для обнаружения и категоризации заболеваний листьев риса. Модель построена на архитектуре SiglipForImageClassification и помогает в раннем выявлении болезней растений для более эффективного управления урожаем. Обучение и производительность Модель была обучена на наборе данных sharmin3/Rice-Leaf-Disease . Отчет о классификации демонстрирует высокую точность по всем категориям: precision recall f1-score support Bacterialblight 0.8853 0.9596 0.9210 1585 Blast 0.9271 0.8472 0.8853 1440 Brownspot 0.9746 0.9369 0.9554 1600 Healthy 1.0000 1.0000 1.0000 1488 Tungro 0.9589 0.9977 0.9779 1308 accuracy 0.9477 7421 macro avg 0.9492 0.9483 0.9479 7421 weighted avg 0.9486 0.9477 0.9474 7421 Категории болезней Класс 0: Бактериальный ожог Класс 1: Бласт Класс 2: Бурое пятно Класс 3: Здоровый Класс 4: Тунгро Применение Модель предназначена для использования в сельском хозяйстве для оперативной диагностики заболеваний рисовых культур. Высокая точность позволяет своевременно принимать меры по защите урожая. Пример использования с библиотекой Transformers import gradio as gr from transformers import AutoImageProcessor, SiglipForImageClassification from PIL import Image import torch model_name = "prithivMLmods/Rice-Leaf-Disease" model = SiglipForImageClassification.from_pretrained(model_name) processor = AutoImageProcessor.from_pretrained(model_name) def classify_leaf_disease(image_input): image = Image.fromarray(image_input).convert("RGB") inputs = processor(images=image, return_tensors="pt") with torch.no_grad(): outputs = model(**inputs) probs = torch.nn.functional.softmax(outputs.logits, dim=1).squeeze().tolist() labels = {"0": "Бактериальный ожог", "1": "Бласт", "2": "Бурое пятно", "3": "Здоровый", "4": "Тунгро"} predictions = {labels[str(i)]: round(probs[i], 3) for i in range(len(probs))} return predictions # Пример использования с Gradio, полный код доступен в оригинальном README. Ссылки prithivMLmods/Rice-Leaf-Disease Источник: https://qubu.ai/models/klassifikatsiya-boleznei-listev-risa License: MIT
