GPT
הוספת כלי
M

mobilenet_v2_1.0_224-plant-disease-identification

קוד פתוח

linkanjaradother2023-04-04

  • transformers
  • pytorch
  • tensorboard
  • mobilenet_v2
  • image-classification

אימון ייעודי לזיהוי מחלות בעלים שמבוסס על מודל קל במיוחד. הוא שוקל פחות מעשרה מגה בייט ומסוגל לרוץ ישירות על מכשירי קצה בלי צורך בשרת יקר.

  • 9.1 MBמשקל הקבצים
  • 3,547הורדות בחודש
  • 60לייקים

מה זה

מדובר בהתאמה של המודל הסטנדרטי מבית גוגל לטובת סיווג תמונות של גידולים חקלאיים. המטרה שלו ממוקדת מאוד, לקבל תמונה ברזולוציה בסיסית של 224 על 224 פיקסלים ולהכריע אם הצמח בריא או נגוע במחלה מוכרת.

הבסיס ללמידה הוא סט הנתונים של פלאנט וילג', שכולל 38 קטגוריות שונות של מחלות נפוצות ומצבי בריאות תקינים בצמחים. במבחני ההערכה של היוצר נמדד דיוק של 95.41 אחוזים עם מדד שגיאה של 0.15, שזה נתון יפה על הנייר. בפועל, המשמעות היא שבתנאי מעבדה דומים לאלו שבמאגר הוא פוגע ברוב המוחלט של המקרים, אבל צריך לזכור שמדובר בסט נתונים סגור ומוכר עם תמונות רקע נקיות יחסית.

מתאים ל

  • סריקה מקומית בשטח

    המשקל הזעיר מאפשר להריץ אותו בטלפון של מגדל ישירות בחממה ללא חיבור רשת.

  • סינון ראשוני בחממות

    זיהוי מוקדם ומהיר של בעיות נפוצות מתוך 38 המצבים המוכרים לפני קריאה לאגרונום.

  • מיון תוצרת במצלמות קצה

    בדיקת איכות של עלים על סרט נע באמצעות חומרה זולה ופשוטה.

איפה זה נופל

הכרטיס עצמו מדגיש שהתוצאה לא מהווה תחליף לבדיקה של מומחה חקלאי. הבעיה המרכזית נעוצה במאגר האימון, תמונות של עלים מנותקים על רקע אחיד. ברגע שתנסו לצלם עלה בשדה אמיתי עם תאורת שמש משתנה, לכלוך או צללים, הדיוק עלול לצנוח במהירות. בנוסף, הוא מוגבל אך ורק ל־38 המצבים שהוא ראה, וכל מחלה אחרת תיזרק לאחת הקטגוריות הקיימות בטעות.

שאלות
נפוצות

האם אפשר להשתמש בו לאבחון מוחלט של מחלות בשדה?

לא, היוצר מצהיר בפירוש שזה לא תחליף למומחה. המודל מתאים לסינון ראשוני בלבד, ובשדה פתוח התנאים שונים מאוד מתמונות המעבדה שעליהן הוא אומן.

איזה סוגי צמחים הוא מזהה?

האימון נעשה על 38 מחלקות שונות של גידולים מתוך מאגר פלאנט וילג', הכוללות מחלות נפוצות לצד צמחים בריאים. אם הצמח או המחלה שלכם לא ברשימה הזו, הוא ייתן תשובה שגויה.

איך מריצים

המשקל הכולל של הקבצים עומד על 9.1 מגה בייט בלבד, כך שלא צריך שום כרטיס מסך ייעודי כדי להרים אותו. הוא רץ ישירות מתוך ספריית transformers בפייתון על כל מעבד רגיל, טלפון נייד או מחשב לוח מקומי, בלי לגרד את הזיכרון.

אין סיבה אמיתית לשלם על שירותי ענן או API חיצוני בשביל מודל כזה. אם אתם בונים פתרון שצריך לעבוד בחממה או בשטח בלי קליטה סלולרית, אתם פשוט מורידים את המשקלים ומריצים הכל מקומית בתוך האפליקציה שלכם.

from transformers import pipeline

pipe = pipeline("image-classification", model="linkanjarad/mobilenet_v2_1.0_224-plant-disease-identification")
print(pipe("שלום"))

הקבצים

27 קבצים במאגר, 9.1 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון מוגדר כ־other, שזה אומר שהיוצר לא בחר רישיון קוד פתוח סטנדרטי. במצב כזה אין אישור מפורש לשימוש מסחרי, וכל שילוב שלו במוצר למכירה דורש פנייה ישירה ליוצר או בדיקה משפטית לפני שמפיצים אותו ללקוחות.

הרישיון המלא בעמוד המודל ↗