Классификация всходов растений: сорняки и культурные растения

О сервисе

Обзор модели Эта модель, названная , предназначена для классификации всходов растений. Она была обучена на сбалансированном наборе данных, содержащем по 250 изображений на класс. Изображения были разделены на обучающую, валидационную и тестовую выборки в соотношении 0.8 / 0.1 / 0.1 и масштабированы до размера 224x224 пикселей. Используемый набор данных доступен на Kaggle: v2-plant-seedlings-dataset. Модель представляет собой тонко настроенную версию google/vit-base-patch16-224-in21k и достигает высокой точности на оценочном наборе данных. Результаты и характеристики На оценочном наборе данных модель показала следующие результаты: Потери (Loss): 0.3603 Точность (Accuracy): 0.9567 Модель способна различать 12 видов растений: Black-grass (Ежовник) Charlock (Полевая горчица) Small-flowered Cranesbill (Мелкоцветковая герань) Sugar beet (Сахарная свекла) Cleavers (Подмаренник цепкий) Common Chickweed (Звездчатка средняя) Common wheat (Пшеница обыкновенная) Fat Hen (Марь белая) Loose Silky-bent (Овсюг пустой) Maize (Кукуруза) Scentless Mayweed (Ромашка непахучая) Shepherds Purse (Пастушья сумка) Как обучена модель Модель была обучена с использованием следующих гиперпараметров: Скорость обучения: 5e-05 Размер обучающего пакета: 16 Размер оценочного пакета: 16 Начальное число (seed): 42 Шаги накопления градиента: 4 Общий размер обучающего пакета: 64 Оптимизатор: Adam с параметрами betas=(0.9, 0.999) и epsilon=1e-08 Тип планировщика скорости обучения: линейный Коэффициент разогрева планировщика скорости обучения: 0.1 Количество эпох: 10 Результаты обучения Потери при обучении Эпоха Шаг Потери валидации Точность 2.3089 0.99 37 2.0422 0.7133 1.4465 1.99 74 1.2227 0.8767 0.8455 2.99 111 0.8121 0.9067 0.6579 3.99 148 0.6161 0.9267 0.5163 4.99 185 0.5031 0.94 0.4374 5.99 222 0.4078 0.9633 0.3912 6.99 259 0.4134 0.9467 0.358 7.99 296 0.4207 0.9233 0.3509 8.99 333 0.3768 0.95 0.3288 9.99 370 0.3603 0.9567 Применение модели Эта модель может быть использована для автоматической идентификации различных всходов растений на сельскохозяйственных полях, что поможет фермерам в борьбе с сорняками и мониторинге посевов. Она может быть интегрирована в системы точного земледелия для принятия решений о применении гербицидов или для оценки всхожести культур. Ссылки uisikdag/vit-base-patch16-224-in21k-plant-seedling-classification Ссылки https:// https://huggingface.co/uisikdag/vit-base-patch16-224-in21k-plant-seedling-classification Источник: https://qubu.ai/models/klassifikatsiya-vskhodov-rastenii-sornyaki-i-kulturnye-rasteniya License: MIT