首页分享基于图像的花卉种类识别

基于图像的花卉种类识别

来源：花匠小妙招时间：2024-08-09 16:17

标签

图片256阶-2D-RGB图像TensorFlow农业CNN分类TensorFlow

资产ID 998a845c-2dbd-49fa-a664-e8887befaacc

描述

背景

植物分类是植物科学研究领域和农林业生产经营中重要的基础性工作，植物分类学是一项具有长远意义的基础性研究，其主要的分类依据是植物的外观特征，包括叶、花、枝干、树皮、果实等。因此，花卉分类是植物分类学的重要部分，利用计算机进行花卉自动种类识别具有重要意义。

模型简介

这个模型可以预测102种常见的花卉，包含pink primrose, hard-leaved pocket orchid, canterbury bells, sweet pea, english marigold等。输入一个图像，这个模型会预测该图像中花卉分别属于每个类别的置信度，置信度的取值范围为0到1。

使用方法

目前该模型支持使用ModelArts平台进行交付，订阅该模型后，你可以将该模型发送到一个指定的Region的ModelArts平台。在ModelArts平台，你可以一键式地将该模型部署成在线API服务。你也可以收集、标注并上传自己真实业务场景中的数据，对该模型进行二次调优（Fine-tune）。

在线服务

使用ModelArts的资源把该模型部署成在线服务后，你可以

在线服务的图形界面，上传图像，测试在线服务使用Curl命令发送预测请求使用Postman等图像界面，发送API调用请求使用Python脚本命令，构造API调用请求,如下所示

import requests import json url = 'YOUR-API-URL-CREATED-IN-MODELARTS' headers = {'x-auth-token': 'YOUR-CLOUD-TOKEN'} filename = '/path/to/local/character_line_image.jpg' files = {'images': (filename, open(filename, 'rb'), "image/jpeg")} r = requests.post(url, files=files, headers=headers, verify=False) outputs = json.loads(r.content) print(outputs)