Дообученная Swin Transformer Tiny для классификации изображений растений и оценки их состояния.

Подходит для: классификация изображений растений · распознавание болезней растений по фотографиям · предварительная сортировка снимков растений по классам

Дообученная на задаче классификации изображений модель DINOv2 Base для распознавания заболеваний листьев риса.

Подходит для: классификация фотографий листьев риса · автоматическое выявление заболеваний риса по изображениям · сортировка снимков листьев для агрономической проверки

Базовая модель PlantCAD2 для извлечения признаков из геномных последовательностей растений и их аннотации через GeneCAD.

Подходит для: извлечение признаков из геномных последовательностей покрытосеменных · аннотация геномов растений с соответствующей головой GeneCAD · подготовка представлений последовательностей для геномного анализа

Дообученная модель ViT для классификации изображений растений по заболеваниям.

Подходит для: Определение болезни растения по фотографии листа · Предварительная сортировка снимков растений по классам заболеваний · Автоматическая классификация изображений растений в наборе данных

Дообученная MobileNetV2 классифицирует изображения сельскохозяйственных растений по распространённым болезням и здоровому состоянию.

Подходит для: Предварительное определение болезни растения по фотографии листа · Проверка здоровья распространённых сельскохозяйственных культур · Автоматическая сортировка изображений растений по классам болезней

Набор моделей компьютерного зрения для распознавания культур, диагностики болезней растений и оценки влажности почвы по изображениям.

Подходит для: определение вида культуры на полевом снимке · диагностика болезней листьев картофеля · диагностика болезней риса

Классификатор на базе ViT для определения растений по изображениям.

Подходит для: определение растения по фотографии · классификация снимков растений · распознавание растений на пользовательских изображениях

Дообученная ViT-модель OpenPlants определяет виды растений по фотографии для приложений, полевых исследований и мониторинга биоразнообразия.

Подходит для: определение вида растения по фотографии · разметка видов растений в наборах изображений · идентификация растений в мобильном приложении без сети

Модель MobileNetV2 распознаёт 38 классов болезней и здорового состояния растений по изображениям листьев.

Подходит для: определение болезни томата по фотографии листа · классификация болезней кукурузы, картофеля и винограда · проверка листьев цитрусовых на признаки Huanglongbing

Дообученная Swin-Tiny для классификации изображений растений из набора Plant Village.

Подходит для: классификация изображений растений из Plant Village · распознавание категорий на фотографиях листьев · эксперименты с классификацией изображений растений

ResNet50 классифицирует изображения листьев, определяя болезни и здоровое состояние растений из 38 классов.

Подходит для: определение болезней кукурузы по фотографии листа · диагностика болезней томатов по изображению листьев · проверка листьев яблони, винограда и картофеля на распространённые болезни

Дообученный Vision Transformer для классификации изображений, предположительно связанных с болезнями сельскохозяйственных культур.

Подходит для: классификация изображений сельскохозяйственных культур по состоянию здоровья · предварительное распознавание болезней растений по фотографиям

Классификатор на основе ViT определяет болезни листьев среди 38 классов культур и заболеваний по фотографиям.

Подходит для: предварительное определение болезни листа кукурузы по фотографии · классификация симптомов болезней культур из набора PlantVillage · локальный скрининг изображений листьев перед обращением к запасному API

Дообученная Swin-Tiny для классификации изображений, вероятно связанных с заболеваниями растений.

Подходит для: Классификация изображений растений по состоянию здоровья · Предварительное выявление заболеваний растений по фотографиям · Экспериментальная оценка модели компьютерного зрения на изображениях растений

Дообученная модель ViT классифицирует типы комнатных растений по изображениям.

Подходит для: определение типа комнатного растения по фотографии · автоматическая сортировка фотографий комнатных растений · классификация изображений растений в приложении или каталоге

Дообученная модель DINOv2 для классификации изображений растений в рамках конкурса PlantCLEF 2024.

Подходит для: определение класса растения по фотографии · классификация изображений растений для задач PlantCLEF 2024 · автоматическая разметка коллекции фотографий растений

Дообученный Vision Transformer классифицирует изображения растений по категориям заболеваний.

Подходит для: классификация фотографии растения по заболеванию · предварительная сортировка снимков поражённых растений · добавление распознавания болезней растений в приложение компьютерного зрения

Дообученная ResNet-50 классифицирует изображения растений, помогая распознавать изученные классы заболеваний.

Подходит для: классификация фотографий растений по классам заболеваний · предварительный скрининг растений по снимкам листьев · сортировка изображений растений для последующей экспертной проверки

ConvNeXt-Tiny, дообученная на PlantVillage, распознаёт болезни и здоровые листья растений на изображениях по 38 категориям.

Подходит для: классификация болезни листа по фотографии · распознавание здоровых листьев растений · предварительная проверка снимков листьев в приложении для растениеводства

Дообученный ViT-Large классифицирует изображения растений для выявления болезней и оценки их состояния.

Подходит для: классификация изображений растений по состоянию здоровья · предварительное выявление болезни растения по фотографии · сортировка снимков растений по классам заболеваний

Дообученный Vision Transformer классифицирует фотографии листьев по 38 классам здоровья и заболеваний растений из набора PlantVillage.

Подходит для: определение заболевания листа по фотографии · проверка, выглядит ли лист здоровым · классификация болезней листьев 14 видов растений

Модель на EfficientNetB0 классифицирует изображения листьев, чтобы обнаруживать болезни и дефицит питательных веществ в системах мониторинга посевов.

Подходит для: распознавание болезней по фотографиям листьев · выявление пятнистости, мучнистой росы, ржавчины и фитофтороза · определение жёлтой мозаики и дефицита питательных веществ

Классификатор NFNet-F1 определяет болезни и здоровое состояние растений по RGB-фотографиям для 88 классов.

Подходит для: распознавание болезней растений по фотографиям листьев · проверка состояния сельскохозяйственных культур на снимках · первичная сортировка изображений растений по диагнозам

Модель на базе ViT-Base определяет виды растений на фотографиях для экологического мониторинга, полевых исследований и прикладных инструментов для садоводства.

Подходит для: определение вида растения по фотографии · разметка изображений растений по видам · мониторинг биоразнообразия в полевых обследованиях