Instructions to use onalla/deteksi-jenis-tanaman-v3-tehfix with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Keras
How to use onalla/deteksi-jenis-tanaman-v3-tehfix with Keras:
# Available backend options are: "jax", "torch", "tensorflow". import os os.environ["KERAS_BACKEND"] = "jax" import keras model = keras.saving.load_model("hf://onalla/deteksi-jenis-tanaman-v3-tehfix") - Notebooks
- Google Colab
- Kaggle
deteksi_jenis_tanaman_v3_tehfix_mobilenetv2
Model tahap 1 untuk mendeteksi jenis tanaman dari gambar daun:
- Padi
- Teh
- Tomat
Fokus V3
V3 dibuat untuk memperbaiki masalah V2, yaitu gambar Teh Google/real-world sering diprediksi sebagai Tomat.
Perbaikan:
- Dataset Teh ditambah dari Mendeley/Roboflow Tea Leaf Diseases 5180 images.
- Target internal per tanaman diturunkan ke 1500.
- Source kecil tidak dipaksa menjadi sama besar.
- Augmentasi offline berlebihan dihapus.
- Augmentasi ringan hanya dilakukan saat training.
- Tomato Multiple Sources dijadikan sumber utama Tomat.
- PlantVillage dibatasi.
- Manual Google/HP test disediakan.
Input
- RGB image
- Size: 224x224
- dtype: float32
- range: 0-255
Preprocessing Rescaling sudah ada di dalam model. Jangan normalize input lagi saat inference.
Output
Softmax 3 kelas: 0. Padi
- Teh
- Tomat
Catatan
Model ini belum memiliki kelas Unknown. Untuk aplikasi produksi, sebaiknya ditambahkan V4 dengan kelas Unknown agar gambar selain Padi/Teh/Tomat tidak dipaksa masuk salah satu kelas.
- Downloads last month
- 6