/ Модель

Характеристики

Параметры
7,1 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Базовая модель
vit-tiny-patch16-224
Опубликована
28 фев 2026

agriculture-crop-disease-detection

Классификация изображенийИзображение → label3 профессии

ViT-модель с LoRA для классификации болезней и здорового состояния сахарного тростника, кукурузы, картофеля, риса и пшеницы по изображениям.

39скачиваний за 30 дней7лайковвеса обновлены25 мар 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

Модель LishaV01/agriculture-crop-disease-detection разработана Lisha для распознавания болезней сельскохозяйственных культур по изображениям. Это Vision Transformer с адаптером LoRA, дообученный на изображениях сахарного тростника, кукурузы, картофеля, риса и пшеницы. Модель содержит 7,1 млн параметров и решает задачу классификации изображений; веса доступны в формате Safetensors, лицензия — Apache-2.0.

На вход подаются RGB-изображения растений, на выходе модель присваивает класс болезни или здоровья. Среди распознаваемых состояний — ржавчина, бактериальная пятнистость, фитофтороз и другие болезни, предусмотренные для указанных культур. Модель подходит для ранней оценки состояния растений в инструментах точного земледелия, а также для учебных и исследовательских проектов.

Классификация ограничена культурами и категориями, представленными в обучении: для низкокачественных изображений и неизвестных случаев предсказания могут быть неточными. Базовая модель — WinKawaks/vit-tiny-patch16-224.

Сценарии применения

  • распознавание болезней сахарного тростника по фото
  • выявление ржавчины и пятнистости на кукурузе
  • определение раннего и позднего фитофтороза картофеля
  • классификация болезней риса по изображению листьев
  • определение бурой и жёлтой ржавчины пшеницы

Ограничения

Предсказания могут быть неточными для изображений низкого качества и невстречавшихся культур или заболеваний.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OverView of Crop Disease Detection Transformer

This model is a Vision Transformer (ViT) fine-tuned with LoRA to detect plant diseases in crops, aimed at enabling precision farming. It can classify diseases in crops such as corn, potato, rice, and wheat, helping farmers and agronomists identify issues early for better crop management.

Crops

  • Sugarcane
  • Corn
  • Potato
  • Rice
  • Wheat

Model description

This Vision Transformer has been fine-tuned using LoRA adapters on a diverse dataset of plant images, covering multiple disease categories. The model can identify diseases such as rust, blight, leaf spots, and others across major crops including corn, potato, rice, and wheat. It outputs disease classification labels from input crop images.

  • Developed by: Lisha
  • Model type: Vision Transformer (ViT) with LoRA
  • Architecture: Vision Transformer (ViT)
  • Task: Image Classification
  • Format: Safetensors

Diseases Detected by Model

Sugarcane: Bacterial Blight, Red Rot, Healthy
Corn: Common Rust, Gray Leaf Spot, Leaf Blight, Healthy
Potato: Early Blight, Late Blight, Healthy
Rice: Bacterial Blight, Blast, Brown Spot, False Smut Disease, Leaf Blast, Healthy
Wheat: Brown Rust, Yellow Rust, Healthy

Training Data

Images(RGB) of Sugarcane,Corn,Potato,Rice,Wheat

Intended Use

This model is intended for:

  • Agricultural disease detection
  • Research and educational use
  • AI-powered farming tools

Limitations

Predictions may be inaccurate for low-quality or unseen crop images.

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ViTForImageClassification
Ревизия весов
24abe2d

0 моделей