跳至內容

變更

View changes from to


On 2025年5月15日 上午8:12:03 [+0800], Gravatar 子計畫四主持人:
  • Updated description of 水稻徵狀影像辨識模型 from

    ## 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 1. 使用anaconda建立VAN虛擬環境 2. 根據安裝的cuda版本下載pytorch,網址:https://pytorch.org/get-started/locally/ 3. 下載模型壓縮檔,並解壓縮到一資料夾中 4. 將anaconda終端所在位置移至解壓縮資料夾 5. 安裝Python所需要的庫 (requirement.txt) 6. 將想識別的水稻照片放置到source資料夾內 7. 運行腳本 python riceSymptomTest.py 8. 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 ![水稻徵狀問題影線辨識模型可視化結果](https://aidata.nchu.edu.tw/smarter/packages/20240617143058/mark_verify/Rice_visCam.jpg)
    to
    ## 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 1. 使用anaconda建立VAN虛擬環境 2. 根據安裝的cuda版本下載pytorch,網址:https://pytorch.org/get-started/locally/ 3. 下載模型壓縮檔,並解壓縮到一資料夾中 4. 將anaconda終端所在位置移至解壓縮資料夾 5. 安裝Python所需要的庫 (requirement.txt) 6. 將想識別的水稻照片放置到source資料夾內 7. 運行腳本 python riceSymptomTest.py 8. 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 ## 可視化驗證 https://drive.google.com/file/d/1uY6HbGcVEyaE2QSLtKDLHYawnGC6Y202/view?usp=drive_link ##類別激活圖(Vis_Cam)進行可視化分析 ![水稻徵狀問題影線辨識模型可視化結果](https://aidata.nchu.edu.tw/smarter/packages/20240617143058/mark_verify/Rice_visCam.jpg)


  • Changed value of field nchu_text_dataset_name_org_eng_shortname to 04 in 水稻徵狀影像辨識模型