ИИ-инструменты с оценкой для вашей профессии
Заработок с ИИ
🤝 Вы в библиотеке «Бесплатно и Open Source» — инструменты от сообщества, которыми можно пользоваться бесплатно. Это другой формат, чем наш оценённый каталог ИИ.
Главная › Бесплатно и Open Source › Сельское хозяйство › Plants Disease Detection
✦ Бесплатно и open sourceСельское хозяйство

Plants Disease Detection

Базовый конвейер на базе PyTorch и классификация изображений для обнаружения болезней сельскохозяйственных культур.

Обнаружение болезней сельскохозяйственных культур в PyTorch

Базовое решение соревнования AI Challenger 2018, обновленное для PyTorch 2.x с автоматическим переключением устройств и AMP.

Бесплатно навсегда · source-available · Licence not stated in the repository
✓ Light setup✓ В браузере✓ Совместная работа в реальном времени
6.1
ZEKAI
Надежная основа для определения болезней культур
Бесплатно и open source · Сельское хозяйство
Простота настройки4
Полезность7
Поддержка8.5
Сообщество5
★ 342
GITHUB
Aug 2026
ОБНОВЛЕНО
Licence not stated in the repository
ЛИЦЕНЗИЯ
🛠 Не хотите размещать сами? Мы настроим за вас →
⚡ Быстрый ответ

Этот репозиторий предоставляет полный конвейер PyTorch для классификации болезней растений по изображениям листьев высокого разрешения. Он подходит для специалистов по машинному обучению и ученых в области сельскохозяйственных данных, ищущих базовую модель на базе ResNet50.

Работает на
Cross-platform
Хостинг
Self-host
Языки
Python
Лицензия
Licence not stated in the repository

Что это

Он обрабатывает изображения сельскохозяйственных культур размером 650x650 с помощью измененной архитектуры ResNet50, управляет стратифицированным разделением наборов данных и поддерживает как онлайн-аугментацию данных, так и опциональную офлайн-предобработку. Конвейер включает в себя автоматическое переключение CPU/GPU, обучение со смешанной точностью и исправленную реализацию FocalLoss для обработки дисбаланса классов.

Для кого

Он подходит для разработчиков и исследователей с опытом работы с PyTorch, которым нужен структурированный базис для задач классификации изображений в сельском хозяйстве. Он не подходит для нетехнических агрономов, ищущих готовое мобильное приложение или простой веб-интерфейс.

Ключевые возможности

Классификация ResNet50

Использует предобученную сеть ResNet50, адаптированную со слоем адаптивного усредняющего пулинга и классификационной головой на 59 классов.

Смешанная точность AMP

Поддерживает автоматическое обучение со смешанной точностью на устройствах CUDA для снижения потребления памяти и ускорения выполнения.

Стратифицированная подготовка данных

Включает скрипты для объединения и разделения обучающих и валидационных наборов с использованием логики стратифицированной K-fold кросс-валидации при обработке аномальных классов.

Исправленный Focal Loss

Предоставляет исправленную реализацию FocalLoss с правильной покадровой модуляцией для замены стандартной кросс-энтропии.

Как начать

Готово за 3 шага

1
Клонируйте репозиторий и установите зависимости с помощью pip install -r requirements.txt.
2
Загрузите набор данных и организуйте изображения по директориям с помощью предоставленного скрипта move.py.
3
Запустите python main.py для начала обучения, оценки и инференса на тестовом наборе.
Честно

Наш честный вердикт

Плюсы

  • Модернизирован для PyTorch 2.x с автоматическим резервным переключением на CPU и GPU.
  • Включает скрипты предобработки и сопоставления меток, адаптированные под набор данных AI Challenger.
  • Настраиваемая онлайн-аугментация данных, включая случайное вращение, отражения и аффинные преобразования.
  • Выводит стандартные файлы сабмитов в формате JSON, соответствующие форматам оценки соревнований.

Минусы

  • Требуется ручная загрузка внешних архивов наборов данных с Baidu Netdisk.
  • Большие входные изображения размером 650x650 требуют значительного объема памяти GPU во время обучения.
  • Требуется написание и изменение файлов конфигурации на Python для настройки гиперпараметров.
Стоимость

Цены и лицензия

Бесплатно благодаря своей природе open source, хотя в README не указана формальная лицензия. Единственная стоимость — это запуск на вашем собственном оборудовании или облачном инстансе.

Оплачиваемая работа

Вакансии для носителей русского языка

877 открытых удалённых вакансий по обучению ИИ, обновлено 16 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.

Все открытые вакансии →
Сравнить

Альтернативы

🎁 Бесплатные и open-source альтернативы

Эти проверенные ИИ-инструменты делают то же самое мгновенно — из нашего оценённого каталога.

Больше

Используйте сами или мы всё настроим

📄 Бесплатный PDF: Plants Disease Detection для Сельское хозяйство
Простое руководство для первого результата. Придёт на вашу почту.
🔔 64 человек хотят полный видеоурок — добавьте свой голос
🛠 Не хотите настраивать сами?
Мы установим, разместим и настроим Plants Disease Detection за вас — и обучим вашу команду.
Доверьте это нам ↗
Вопросы

Вопросы

Какое оборудование мне нужно для запуска этого инструмента?

Рекомендуется совместимый с CUDA GPU с достаточным объемом VRAM из-за размера изображений 650x650, хотя код автоматически переключается на CPU, если GPU не обнаружен.

Как обрабатываются индексы меток классов?

Скрипт подготовки удаляет определенные аномальные классы и сдвигает индексы, в то время как тестовый конвейер автоматически сопоставляет предсказания с исходными официальными идентификаторами.

Радар

Свежие новости ИИ

✉️ Еженедельный бесплатный набор
Лучшие новые бесплатные и open-source инструменты для Сельское хозяйство — короткое письмо раз в неделю, на вашем языке.
Бесплатно · 1 письмо/неделю · отписка в любой момент
Заработок на обучении ИИ →

Zekai первым в Google