/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
onnxruntime
Опубликована
6 июл 2026

verdant-plant-model

Классификация изображенийИзображение → label3 профессии

Набор ONNX-классификаторов для локального распознавания комнатных растений и оценки состояния их листьев на смартфоне.

18скачиваний за 30 дней0лайковвеса обновлены8 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

Verdant — набор из двух моделей классификации изображений для мобильного приложения-дневника растений. Он объединяет голову MobileViT для распознавания 47 видов комнатных растений и MobileNetV2 для определения 38 состояний листьев, включая 12 здоровых. Модели поставляются в формате ONNX: классификатор видов квантован до int8 и занимает 5,4 МБ, классификатор состояния листьев сохраняет точность fp32 и занимает 9 МБ. Вывод моделей — логиты, которые приложение преобразует в вероятности и сверяет с порогом уверенности.

Модели предназначены для локального запуска на телефоне: фотографии пользователей не отправляются с устройства. Набор рассчитан на подсказки в дневнике растений — определение вида и предварительную оценку состояния листьев. Классификатор видов охватывает начальный список популярных комнатных растений. Модель состояния листьев обучена на лабораторных изображениях PlantVillage, поэтому её результаты на обычных фотографиях с телефона требуют проверки; перед производственным применением её следует перепроверить и дообучить на полевых данных. Головы основаны на публичных чекпойнтах dybdyb/mobilevit-houseplants и linkanjarad/mobilenet_v2_1.0_224-plant-disease-identification. Указанная в метаданных лицензия — Apache-2.0.

Сценарии применения

  • определение вида комнатного растения по фотографии
  • предварительная проверка листа на признаки болезни
  • подсказки для записей в мобильном дневнике растений

Ограничения

Классификатор состояния листьев обучен на лабораторных изображениях PlantVillage и требует повторной проверки и обучения на полевых фотографиях до производственного применения. Классификатор видов охватывает только стартовый набор из 47 комнатных растений.

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

Verdant — on-device plant model bundle

Two ONNX classification heads used by the Verdant mobile plant-diary app. All inference runs locally on the phone; user photos never leave the device. The app downloads this bundle once on first launch and caches it.

HeadArchFilePrecisionSizeClasses
SpeciesMobileViTspecies_mobilevit_int8.onnxint85.4 MB47 houseplants
Leaf conditionMobileNetV2disease_mobilenetv2_fp32.onnxfp329.0 MB38 (12 healthy)

config.json carries the full label maps, preprocessing parameters (resize/crop/channel order/normalization) and per-head confidence thresholds. version.json carries sizes and SHA-256 checksums for resumable, verified downloads.

Quantization notes

  • Species (MobileViT → int8): dynamic int8 quantization is a clean win — 3.6× smaller with top-1 parity vs fp32 (40/40 agreement on random inputs). Transformer matmuls quantize well.
  • Leaf condition (MobileNetV2 → fp32, kept): dynamic int8 quantization of MobileNetV2's depthwise convolutions collapsed accuracy (0/60 top-1 agreement) and ran slower on CPU, so this head ships fp32 — consistent with the project spec (fp32 default, quantization optional).

Preprocessing (from config.json)

Species: shortest-edge resize 288 → center-crop 256 → x/255 → BGR channel order, no mean/std. Leaf: shortest-edge resize 256 → center-crop 224 → x/255 → RGB → normalize mean/std = 0.5.

Output is raw logits; apply softmax. If top-1 probability is below the head's confidence_threshold, show candidate alternatives or an "unsure" state and prompt the user to retake the photo.

Provenance & limitations

MVP heads are derived from public checkpoints: dybdyb/mobilevit-houseplants (species) and linkanjarad/mobilenet_v2_1.0_224-plant-disease-identification (leaf condition, PlantVillage-trained).

The leaf-condition head is trained on lab-style crop images. Per the project spec, it must be revalidated and retrained on field data (PlantDoc + own collection) before production — lab accuracy does not reflect real-world phone photos. Species coverage is a starter set of popular houseplants and grows iteratively.

Как запустить

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

GPU в ailist

Универсальный рантайм · onnxruntime

Нельзя запустить

Модель выложена только в формате ONNX.

Ревизия весов
239d591

0 моделей