Визуальная классификация болезней огурцов
Классифицирует болезни огурцов и их листьев, а также здоровые растения.
О сервисе
Обзор модели Модель представляет собой точно настроенную версию , разработанную для классификации болезней огурцов и состояний листьев. Она способна различать различные заболевания, поражающие огурцы. Что умеет эта модель Эта модель классифицирует изображения огурцов и их листьев по следующим категориям: Anthracnose (Антракноз) Bacterial Wilt (Бактериальное увядание) Belly Rot (Гниль плодов) Downy Mildew (Ложная мучнистая роса) Gummy Stem Blight (Мокрая пятнистость стеблей) Healthy Cucumber (Здоровый огурец) Healthy Leaf (Здоровый лист) Pythium Fruit Rot (Фитофторозная гниль плодов) Модель достигает следующих результатов на оценочном наборе данных: Потери (Loss): 0.0155 Точность (Accuracy): 0.9976 Как обучена Модель была обучена на неизвестном наборе данных, который, судя по названиям классов, содержит изображения огурцов и их листьев, демонстрирующих различные здоровые и больные состояния. В процессе тренировки использовались следующие гиперпараметры: Скорость обучения (learning_rate): 0.0002 Размер тренировочного пакета (train_batch_size): 16 Размер оценочного пакета (eval_batch_size): 8 Зерно (seed): 42 Оптимизатор (optimizer): Adam с параметрами betas=(0.9,0.999) и epsilon=1e-08 Тип планировщика скорости обучения (lr_scheduler_type): linear Количество эпох (num_epochs): 4 Обучение со смешанной точностью (mixed_precision_training): Native AMP Результаты обучения Потери при обучении Эпоха Шаг Потери при валидации Точность 0.16940.35711000.19650.9607 0.14090.71432000.24090.9261 0.10241.07143000.09030.9780 0.03261.42864000.06300.9866 0.03381.78575000.06750.9843 0.00822.14296000.05080.9882 0.00722.57000.06090.9874 0.00562.85718000.01750.9976 0.00443.21439000.01540.9976 0.00423.571410000.01510.9976 0.00453.928611000.01550.9976 Применение Модель идеально подходит для использования в сельском хозяйстве для оперативного обнаружения и классификации болезней огурцов. Это позволяет фермерам и агрономам быстро идентифицировать проблемы и принимать своевременные меры для защиты урожая. Она может быть интегрирована в системы мониторинга полей или мобильные приложения для диагностики на местах. Модель способна определять до трех наиболее вероятных классов для каждого входного изображения, предоставляя исчерпывающую информацию для пользователя. Ссылки YaswanthReddy23/ViT_Cucumber Ссылки https:// https://huggingface.co/YaswanthReddy23/ViT_Cucumber Источник: https://qubu.ai/models/vizualnaya-klassifikatsiya-boleznei-ogurtsov-qu-bu License: MIT
