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

python

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

智能农业监测: 自动识别田间害虫
病虫害预警: 及时发现害虫爆发
精准施药: 针对特定害虫采取防治措施
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