Классификация болезней листьев риса

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:

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