Характеристики

Лицензия: MIT
Опубликована: 2 июл 2026

Ссылки

agri-ai-model

Классификация изображенийИзображение → label

Набор моделей MobileNetV2 для распознавания болезней листьев сельскохозяйственных культур и проверки, что изображение содержит лист.

0скачиваний за 30 дней1лайквеса обновлены2 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AgriAI — набор из двух моделей классификации изображений на базе MobileNetV2, разработанный для проекта AgriAI. Основная модель определяет болезни листьев томата, картофеля, перца, риса и горькой тыквы; дополнительная проверяет, является ли загруженное изображение допустимым изображением листа. Модели используют PyTorch и классификационную линейную выходную часть поверх MobileNetV2.

Модель предназначена для распознавания заболеваний сельскохозяйственных культур по фотографиям листьев и предварительной проверки входных изображений. Названия классов болезней в карточке не приведены, поэтому точный перечень распознаваемых заболеваний установить нельзя. В README указано, что MobileNetV2 обучалась с нуля или дообучалась; сведения не позволяют определить точный вариант происхождения весов. Репозиторий распространяется по лицензии MIT.

Сценарии применения

распознавание болезней листьев томата по фотографии
определение болезней листьев картофеля
определение болезней листьев перца
распознавание заболеваний риса по изображению листа
распознавание заболеваний горькой тыквы по изображению листа
проверка, что загруженное изображение содержит лист растения

Ограничения

Точный список классов болезней не приведён в README. Результаты зависят от качества и соответствия входных фотографий листьев данным обучения; подробности обучения и метрики качества не указаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AgriAI - Crop Disease Detection Models

Two MobileNetV2-based models used in the AgriAI project:

model.pth — classifies crop leaf diseases (tomato, potato, pepper, rice, bitter gourd)
leaf_detector.pth — checks whether an uploaded image is actually a valid leaf

Architecture

Backbone: MobileNetV2 (torchvision, weights=None, trained from scratch/fine-tuned)
Final layer: nn.Linear(num_features, len(class_names))
Checkpoint format: dict with class_names and model_state_dict keys

Usage

from huggingface_hub import hf_hub_download
import torch, torch.nn as nn
from torchvision import models, transforms
from PIL import Image

model_path = hf_hub_download("AAYUSHSAVALIYA/agri-ai-model", "model.pth")
checkpoint = torch.load(model_path, map_location="cpu")
class_names = checkpoint["class_names"]

model = models.mobilenet_v2(weights=None)
model.classifier[1] = nn.Linear(model.classifier[1].in_features, len(class_names))
model.load_state_dict(checkpoint["model_state_dict"])
model.eval()

transform = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

img = Image.open("leaf.jpg").convert("RGB")
with torch.no_grad():
    output = model(transform(img).unsqueeze(0))
    pred = output.argmax(dim=1).item()
print(class_names[pred])

Classes

[list your crop/disease class names here — pull from class_names in the checkpoint]

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: 5fef909