Jaysaly/cornlarva_convnextv2

ConvNextV2 玉米害虫识别模型

这是一个基于ConvNextV2架构训练的玉米害虫图像分类模型，专门用于识别8种常见玉米害虫。

模型详情

• 模型架构: ConvNextV2 Tiny
• 输入尺寸: 224x224 RGB图像
• 输出类别: 8种玉米害虫
• 训练数据: 自定义玉米害虫数据集
• 用途: 农业害虫监测与识别

类别标签

[ "草地贪夜蛾", "赤须盲蝽", "点蜂缘蝽", "龟纹瓢虫", "棉铃虫", "茄二十八星瓢虫", "双斑长跗萤叶甲", "玉米螟" ]

使用方法

使用Transformers库

from transformers import AutoImageProcessor, AutoModelForImageClassification
import torch
from PIL import Image

# 加载模型和处理器
model_name = "Jaysaly/cornlarva_convnextv2"
processor = AutoImageProcessor.from_pretrained(model_name)
model = AutoModelForImageClassification.from_pretrained(model_name)

# 准备图像
image = Image.open("path_to_image.jpg").convert("RGB")
inputs = processor(images=image, return_tensors="pt")

# 推理
with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits
    predicted_class_idx = logits.argmax(-1).item()
    
# 获取预测结果
predicted_label = model.config.id2label[str(predicted_class_idx)]
print(f"预测结果: {predicted_label}")

使用Hugging Face Inference API

import requests

API_URL = "https://api-inference.huggingface.co/models/Jaysaly/cornlarva_convnextv2"
headers = {"Authorization": "Bearer YOUR_HF_TOKEN"}

def query(image_bytes):
    response = requests.post(API_URL, headers=headers, data=image_bytes)
    return response.json()

训练信息

• 框架: PyTorch
• 优化器: AdamW
• 学习率: 1e-4
• 批次大小: 32
• 训练周期: 100
• 数据增强: 随机裁剪、水平翻转、颜色抖动

应用场景

1. 智能农业监测: 自动识别田间害虫
2. 病虫害预警: 及时发现害虫爆发
3. 精准施药: 针对特定害虫采取防治措施
4. 科研教育: 害虫识别教学与研究

性能指标

在验证集上的Top-1准确率: ~95%

限制

• 仅支持训练数据中的8种玉米害虫
• 需要清晰的昆虫特写图像
• 对背景复杂的图片识别效果可能下降

作者

Jaysaly

许可证

MIT License