Детектор и классификатор листьев растений

Карточка модели для YOLOv8s для обнаружения и классификации листьев

Карточка модели для YOLOv8s для обнаружения и классификации листьев

Обзор модели

Модель YOLOv8s для обнаружения и классификации листьев – это модель обнаружения объектов, основанная на фреймворке YOLO (You Only Look Once). Она предназначена для обнаружения и классификации различных типов листьев на изображениях. Модель достигла точности (

mAP@0.5

) 0.946 в задаче обнаружения объектов.

Детали модели

Описание модели

Модель YOLOv8s для обнаружения и классификации листьев построена на архитектуре YOLOv8, которая известна своими возможностями обнаружения объектов в реальном времени. Эта конкретная модель была обучена распознавать и классифицировать различные типы листьев различных видов растений. Она может обнаруживать несколько экземпляров листьев на изображении и присваивать их соответствующим классам.

['ginger', 'banana', 'tobacco', 'ornamaental', 'rose', 'soyabean', 'papaya', 'garlic', 'raspberry', 'mango', 'cotton', 'corn', 'pomgernate', 'strawberry', 'Blueberry', 'brinjal', 'potato', 'wheat', 'olive', 'rice', 'lemon', 'cabbage', 'gauava', 'chilli', 'capcicum', 'sunflower', 'cherry', 'cassava', 'apple', 'tea', 'sugarcane', 'groundnut', 'weed', 'peach', 'coffee', 'cauliflower', 'tomato', 'onion', 'gram', 'chiku', 'jamun', 'castor', 'pea', 'cucumber', 'grape', 'cardamom']

Разработано:

FODUU AI

Тип модели:

Обнаружение объектов

Язык(и) (NLP):

Английский

Кроме того, модель YOLOv8s для обнаружения и классификации листьев поддерживает сотрудничество с пользователями, позволяя им вносить свои собственные данные о листьях растений. Пользователи могут отправлять изображения новых видов растений и предлагать названия растений для классификации. Наша команда будет усердно работать над включением этих новых классов растений в модель, расширяя ее способность идентифицировать и классифицировать еще большее разнообразие листьев растений.

Пользователям предлагается активно участвовать в расширении возможностей модели YOLOv8s для обнаружения и классификации листьев, делясь названиями своих растений и соответствующими ссылками на наборы данных через нашу платформу сообщества или отправляя информацию по электронной почте на info@foduu.com. Ваш вклад сыграет решающую роль в обогащении знаний модели и распознавании различных видов растений.

Непосредственное использование

Модель YOLOv8s для обнаружения и классификации листьев может использоваться непосредственно для задач обнаружения объектов, связанных с обнаружением и классификацией листьев. Она не требует дообучения или интеграции в более крупную экосистему или приложение.

Последующее использование

Модель также может быть дообучена для конкретных задач обнаружения и классификации листьев или интегрирована в более крупное приложение для исследований, сельского хозяйства или мониторинга окружающей среды, связанных с растениями.

Использование вне области применения

Модель не предназначена для несвязанных задач или сценариев обнаружения объектов, выходящих за рамки обнаружения и классификации листьев.

Предвзятости, риски и ограничения

• Модель YOLOv8s для обнаружения и классификации листьев может иметь некоторые ограничения и предвзятости:

• Производительность модели может варьироваться в зависимости от качества и разнообразия данных обучения.

• Ей может быть трудно обнаруживать листья, которые сильно закрыты или перекрываются с другими объектами.

• На точность модели могут влиять изменения условий освещения, качества изображения и разрешения.

• Она может неточно обнаруживать очень маленькие или удаленные листья на изображениях.

• Точность классификации модели может быть ниже для видов листьев, которые очень похожи друг на друга.

• Предвзятости модели могут проистекать из предвзятостей, присутствующих в данных обучения.

Рекомендации

Пользователи (как прямые, так и последующие) должны быть осведомлены о рисках, предвзятостях и ограничениях модели. Рекомендуются дальнейшие исследования и эксперименты для оценки ее производительности в конкретных случаях использования и областях.

Как начать работу с моделью

• Чтобы начать работу с моделью YOLOv8s для обнаружения и классификации листьев, выполните следующие действия:

• Установите библиотеки

• и

• с помощью pip:

• Загрузите модель и выполните прогнозирование, используя предоставленный фрагмент кода.

Детали обучения

Данные обучения

Модель обучена на сотнях изображений 46 различных растений, включая как зараженные болезнями, так и здоровые листья.

Процедура обучения

Процесс обучения включает в себя использование высокой мощности GPU и выполняется до 50 эпох, где каждая эпоха представляет собой полный проход через весь набор данных обучения, корректируя веса модели, чтобы минимизировать потери классификации и оптимизировать производительность.

Метрики

mAP@0.5 (box): 0.946

Обзор

YOLOv8s — это мощная сверточная нейронная сеть, разработанная для обнаружения и классификации листьев более 46 видов растений. Она использует модифицированную основу CSPDarknet53, механизм самовнимания и сеть пирамиды признаков для точного многомасштабного обнаружения объектов, обеспечивая точную идентификацию и классификацию листьев растений.

Архитектура модели и цель

В архитектуре YOLOv8 в качестве основы используется модифицированный CSPDarknet53 с 53 сверточными слоями и кросс-модульными частичными соединениями для улучшения потока информации. Голова состоит из сверточных и полносвязных слоев для прогнозирования ограничивающих рамок, оценок объектности и вероятностей классов. Она включает в себя механизм самовнимания и сеть пирамиды признаков для многомасштабного обнаружения объектов, что позволяет сосредоточиться на соответствующих характеристиках изображения и обнаруживать объекты разных размеров.

Вычислительная инфраструктура

Аппаратное обеспечение

Видеокарта NVIDIA A100 40GB GPU

Программное обеспечение

Среда Jupyter Notebook для обучения модели.

Контактная информация о карточке модели

• info@foduu.com

• Источник: https://huggingface.co/foduucom/plant-leaf-detection-and-classification