專案說明
從一張照片,
到持續的巡查。
檢測提供線索。現場記錄,讓下一次觀察有據可查。



支援範圍與驗證狀態
能力說清楚,
結果才可核實。
當前是計算機視覺應用原型,沒有經過農戶現場試驗或第三方診斷認證。
現有模型能做什麼
葉片病害識別
使用現有 EfficientViM 權重,根據葉片照片識別病害、健康及其他異常狀態。
專案已登記索引 0 至 157 的完整 158 類標籤表,推理按該表顯示結果。名稱表中有重複顯示名稱,原訓練類別順序尚未獨立核驗。
病害識別結果需由農技人員結合現場複核;未經獨立驗證,不能據此報告診斷準確率。
果實定位與計數
使用 RISNet 相關實現觀察畫面中的目標分佈。
果實專用檢測
按果實選擇現有 YOLO 權重;六個權重均為單類別,輸出目標框和數量,不能判斷多個成熟階段。
影片分析和伺服器攝像頭保留在檢測頁的擴充套件功能中;手機拍照使用獨立照片入口。
模型訓練與線上服務條件
YOLO 輕量微調
提交規範的資料集 ZIP 後,後臺執行訓練並儲存實際生成的權重、指標和結果圖。可選模型、資料規模與輪數以訓練頁顯示為準。
獨立的線上諮詢
需正確配置服務地址、金鑰、可用模型和有效服務額度。服務失敗時會保留輸入並說明原因。
檢測記錄儲存模型輸出;諮詢建議由獨立服務生成。
科研與畢業展示怎麼演示
- 選擇任務,說明使用的模型和支援範圍。
- 上傳代表性樣本,檢查輸出是否與輸入對應。
- 開啟記錄,補充現場並儲存一條複查,展示實際留存的資訊。
- 進入病害諮詢,說明現場描述如何補充影象。
- 按需要展示資料集、模型訓練與實驗條件。
正式應用前,還需要驗證什麼
模型分數不等於田間診斷準確率;實驗室影象表現不能直接代表不同光照、品種和地區的表現。
需要用農技人員確認的真實樣本測試,記錄誤識別、未識別與農戶操作困難。圖片異常可能存在相似原因,最終防治應結合當地農技指導。
