Ferramentas de IA avaliadas para o seu trabalho
Ganhe treinando IA
🤝 Você está na biblioteca Grátis & Open Source — ferramentas feitas pela comunidade que você pode usar sem pagar. Um conceito diferente do nosso diretório de IA avaliado.
Início › Grátis & Open Source › Agricultura › Plants Disease Detection
✦ Grátis & open sourceAgricultura

Plants Disease Detection

Pipeline de linha de base e classificação de imagens baseado em PyTorch para detecção de doenças em culturas.

Detecção de Doenças em Culturas com PyTorch

Linha de base da competição AI Challenger 2018 atualizada para PyTorch 2.x com alternância automática de dispositivo e AMP.

Grátis para sempre · source-available · Licence not stated in the repository
✓ Light setup✓ No navegador✓ Colaboração em tempo real
6.1
ZEKAI
Linha de base sólida para doenças em culturas
Grátis & open source · Agricultura
Facilidade de configuração4
Utilidade7
Manutenção8.5
Comunidade5
★ 342
GITHUB
Aug 2026
ATUALIZADO
Licence not stated in the repository
LICENÇA
🛠 Não quer hospedar você mesmo? Nós configuramos para você →
⚡ Resposta rápida

Este repositório fornece um pipeline completo em PyTorch para classificar doenças de plantas a partir de imagens de folhas de alta resolução. É adequado para praticantes de aprendizado de máquina e cientistas de dados agrícolas que buscam um modelo de linha de base construído em ResNet50.

Funciona em
Cross-platform
Hospedagem
Self-host
Idiomas
Python
Licença
Licence not stated in the repository

O que é

Ele processa imagens de culturas de 650x650 através de uma arquitetura ResNet50 modificada, gerencia a divisão estratificada de conjuntos de dados e suporta aumentos de dados online e pré-processamento offline opcional. O pipeline apresenta alternância automática entre CPU/GPU, treinamento de precisão mista e uma implementação corrigida de FocalLoss para lidar com desequilíbrios de classes.

Para quem

É adequado para desenvolvedores e pesquisadores com experiência em PyTorch que precisam de uma linha de base estruturada para tarefas de classificação de imagens agrícolas. Não é adequado para agrónomos não técnicos que procuram um aplicativo móvel pronto a usar ou interface web plug-and-play.

Recursos principais

Classificação ResNet50

Usa uma rede ResNet50 pré-treinada adaptada com uma camada de pooling médio adaptativo e um cabeçote de classificação de 59 classes.

Mixed Precision AMP

Suporta treinamento de precisão mista automática em dispositivos CUDA para reduzir o consumo de memória e acelerar a execução.

Preparação de Dados Estratificada

Inclui scripts para mesclar e dividir conjuntos de treino-validação usando lógica K-fold estratificada enquanto lida com classes anômalas.

Focal Loss Corrigida

Fornece uma implementação fixa de FocalLoss com modulação adequada por amostra para substituir a entropia cruzada padrão.

Como começar

Pronto em 3 passos

1
Clone o repositório e instale as dependências usando pip install -r requirements.txt.
2
Baixe o conjunto de dados e organize as imagens em diretórios usando o script move.py fornecido.
3
Execute python main.py para iniciar o treinamento, a avaliação e a inferência do conjunto de teste.
Falando sério

Nosso veredito honesto

Pontos fortes

  • Modernizado para PyTorch 2.x com fallback automático de CPU e GPU.
  • Inclui scripts de pré-processamento e mapeamento de rótulos adaptados ao conjunto de dados do AI Challenger.
  • Aumentos de dados online configuráveis, incluindo rotação aleatória, inversões e transformações afins.
  • Gera arquivos de submissão JSON padrão correspondentes aos formatos de avaliação de competições.

Onde deixa a desejar

  • Requer o download manual de arquivos externos de conjuntos de dados do Baidu Netdisk.
  • Grandes entradas de imagem de 650x650 exigem memória de GPU significativa durante o treinamento.
  • Requer escrever e modificar arquivos de configuração em Python para ajustar hiperparâmetros.
Custo

Preços & licença

Gratuito devido à sua natureza open source, embora o README não especifique uma licença formal. O único custo é executá-lo você mesmo no seu próprio hardware ou instância em nuvem.

Trabalho remunerado

Vagas para quem fala português

879 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.

Ver todas as vagas abertas →
Comparar

Alternativas

🎁 Alternativas grátis & open source

Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.

Saiba mais

Use, ou deixe que a gente configure

📄 PDF grátis: Plants Disease Detection para Agricultura
Um guia em linguagem simples para o seu primeiro resultado. Enviado ao seu e-mail.
🔔 64 pessoas querem um tutorial em vídeo completo — adicione seu voto
🛠 Não quer configurar você mesmo?
Nós instalamos, hospedamos e configuramos o Plants Disease Detection para você — e treinamos sua equipe.
Deixe com a gente ↗
Perguntas

FAQ

Que hardware preciso para executar esta ferramenta?

Recomenda-se uma GPU compatível com CUDA com VRAM suficiente devido ao tamanho de imagem de 650x650, embora o código reverta automaticamente para a CPU se nenhuma GPU for detectada.

Como são geridos os índices de rótulos de classes?

O script de preparação remove classes anômalas específicas e desloca índices, enquanto o pipeline de teste mapeia automaticamente as previsões de volta para os identificadores oficiais originais.

Radar

Últimas notícias de IA

✉️ O kit gratuito semanal
As melhores novas ferramentas grátis & open source para Agricultura — um e-mail curto por semana, no seu idioma.
Grátis · 1 e-mail/semana · cancele quando quiser
Ganhe dinheiro treinando IA →

Veja o Zekai primeiro no Google