需同意授權
瀏覽次數
下載次數
水稻徵狀影像辨識模型
水稻徵狀影像辨識模型
水稻徵狀影像辨識模型主要用於辨識水稻病害、蟲害、營養障礙與其他等四大類別。使用者可於田間拍攝到水稻徵狀照片後，透過此模型作快速辨識。
AI模型訓練過程
團隊利用視覺注意力網路（Visual Attention network，VAN）進行AI影像辨識訓練，VAN利用以下兩種方法來對圖像建立關聯，第一是具備近似於self-attention 的機制來捕捉long-range dependence；第二是使用大核卷積（large kernel convolution）來建立關聯性並產生注意力地圖。
訓練所使用的資料集
Rice nutrient, disease and pest symptom image dataset (水稻營養，病蟲害徵狀影像資料集)
模型使用步驟 - 請下載Rice Symptom Test package壓縮檔
- 使用anaconda建立VAN虛擬環境
- 根據安裝的cuda版本下載pytorch，網址:https://pytorch.org/get-started/locally/
- 下載模型壓縮檔，並解壓縮到一資料夾中
- 將anaconda終端所在位置移至解壓縮資料夾
- 安裝Python所需要的庫 (requirement.txt)
- 將想識別的水稻照片放置到source資料夾內
- 運行腳本 python riceSymptomTest.py
- 判讀結果的照片自動保存至result資料夾，該照片會顯示判識的水稻問題名稱
類別激活圖（Vis_Cam）進行可視化分析
Data and Resources
基礎工具
-
Rice Symptom Test package.rarapplication/x-rar-compressed
水稻徵狀辨識模型，此模型可以辨識的類別包含蟲害、病害與營養障礙等徵狀。 此壓縮檔包含以下檔案...
Additional Info
| Field | Value |
|---|---|
| Last Updated | August 21, 2024, 14:46 (+0800) |
| Created | June 17, 2024, 14:50 (+0800) |
Recommended AI Model
穀粒含水量推估模型
更新頻率瀏覽次數
下載次數
本模型使用Python之開源函式庫ADAPT為主要基本架構，旨在應用將手機拍攝的稻穗影像顏色特徵作為訓練資料，以領域適應（Domain Adaptation, DA）方法推估出各影像中的穀粒含水量。
下圖由左至右分別為：1.基於特徵的領域適應方法適應前後的特徵t-SNE圖、2.基於實例的領域適應方法重要實例標註的特徵t-SNE圖
執行步驟...