Загрузка моделей...
Модели машинного обучения для сельского хозяйства
Маркетплейс ИИ-моделей — отраслевые решения и ведущие нейросети мира
Готовые решения для реального бизнеса и передовые мировые модели на одной платформе. Используйте в браузере, интегрируйте по API или публикуйте свою модель.
Модели по отраслям
Использование через API
Тестирование в веб-интерфейсе
Портфолио кейсов
Публикация задач
Модели по отраслям
Использование через API
Тестирование в веб-интерфейсе
Портфолио кейсов
Публикация задач
Новичок в мире ML-моделей?
Откройте для себя мир готовых ML-решений!
Узнайте, как модели экономят время, деньги и трансформируют бизнес-процессы.
Найдено моделей: 34
Классификация грибов по изображению
По фотографии определяет вид гриба среди поддерживаемых категорий. Это решение помогает фермерам и любителям активного отдыха быстро ориентироваться в типах грибов, автоматизировать каталогизацию визуальных данных и поддерживать приложения по сбору/продаже грибной продукции. Подходит для интеграции в мобильные гиды по грибам, системы мониторинга лесных ресурсов и образовательные платформы.
Сельское хозяйство
Image Classification
5.0
Детектор овец с дрона
Обнаруживает овец на аэрофотоснимках — для автоматического учёта поголовья с дронов.
Сельское хозяйство
Object Detection
AI SupportBot - model
Модель является частью систему AI SupportBot. -- AI BotSupport — ИИ-бот для техподдержки в любой отрасли. Принимает поток вопросов и сам решает: ответить по ключевым словам, подключить нейросеть или перевести на оператора. ИИ понимает суть вопроса, даже если он задан не по шаблону. Модель работает локально, без видеокарт и облачных API. Все диалоги сохраняются. Настройка — за минуты, без программистов.
Inference
Строительство
Text Generation
+8
15
АгроДетектор: Идентификатор вредителей сельхозкультур
Определяет тип насекомого-вредителя с точностью около 91%. Она позволяет за секунды узнать, кто именно атакует посевы: от колорадского жука до кукурузного мотылька. Решение помогает агрономам и сельхозпроизводителям быстро и точно реагировать на угрозы, минимизируя потери урожая и оптимизируя использование средств защиты растений.
Inference
Сельское хозяйство
Zero-Shot Img Classification
9
Классификация фруктов и овощей по изображениям
Модель компьютерного зрения, которая по фото определяет тип фрукта (например, яблоко, банан, апельсин и др.). Это решение помогает автоматизировать процессы сортировки продукции, ускорить приемку/отгрузку, организовать визуальный контроль качества и интегрировать распознавание фруктов в приложения для фермеров, ритейлеров и логистических сервисов.
Inference
Сельское хозяйство
Image Classification
14
Классификатор состояния пчелиной матки AI-Belha
Анализирует аудиозаписи ульев для определения статуса пчелиной матки.
Inference
Сельское хозяйство
Audio Classification
5
Визуальная классификация болезней огурцов
Классифицирует болезни огурцов и их листьев, а также здоровые растения.
Inference
Сельское хозяйство
Image Classification
4
Качество кофейных зёрен арабики
Классифицирует зерна арабики по 6 градациям качества согласно SNI. Точность до 91.67%.
Inference
Пищевая промышленность
Image Classification
3
Классификатор изображений листьев томатов: обнаружение болезней
Модель классифицирует изображения листьев томатов, определяя наличие бактериальных пятен или их здоровье.
Inference
Сельское хозяйство
Image Classification
7
Классификация болезней листьев риса
Модель для классификации заболеваний листьев риса по изображениям, выявляет 5 типов: бактериальный ожог, бласт, бурое пя
Inference
Сельское хозяйство
Image Classification
5
ConvNext для определения болезней листьев кукурузы
Классифицирует болезни листьев кукурузы: фузариоз, ржавчина, серая пятнистость и здоровые растения.
Inference
Сельское хозяйство
Image Classification
24
Детектор зрелости томатов
Детекция объектов YOLOv8 с оптимизацией Ghost-модулей для ускорения инференса.
Inference
Сельское хозяйство
Object Detection
12
Загружаем…
Модели машинного обучения для сельского хозяйства помогают оптимизировать процессы выращивания, повышать урожайность и снижать затраты. С помощью компьютерного зрения можно автоматически определять болезни растений на ранней стадии, оценивать зрелость плодов и контролировать качество урожая. Прогнозные модели позволяют точно планировать посевные работы с учётом погодных данных, состояния почвы и исторической статистики. Интеграция ML-решений в агропромышленный комплекс — один из наиболее перспективных трендов в цифровизации отрасли.