К содержимому
Другое

KrishiLoop AgriTriage

офлайн-модель для диагностики болезней растений

2 мин чтенияобновлено

KrishiLoop AgriTriage — это миниатюрная модель на базе архитектуры TinyViT (11 миллионов параметров), созданная для работы прямо на смартфоне или в браузере. Она анализирует фотографии листьев растений офлайн и определяет возможные болезни по списку из 89 категорий. Особенность модели — встроенный конформный safety gate (защитный механизм), который в зависимости от уверенности выдает точный диагноз, предлагает шорт-лист из нескольких вариантов или отправляет фото специалисту. Модель пригодится разработчикам мобильных приложений и агротех-проектов, которым нужна быстрая локальная диагностика без отправки данных на сервер.

Ключевые особенности

  • Работа на устройстве: Модель весит всего 11.5 МБ в формате ONNX (INT8) и исполняется локально.
  • 89 классов заболеваний: Распознает широкий спектр болезней сельскохозяйственных культур.
  • Safety Gate: Защитный алгоритм снижает риск ложных срабатываний, вовремя передавая сложные случаи агроному.
  • Интерпретируемость (XAI): Выдает Grad-CAM карту для объяснения того, на какую часть листа обратила внимание нейросеть.

Что можно сделать

  • Встроить в мобильное приложение: Использовать onnxruntime-web или нативный ONNX Runtime для офлайн-помощи фермерам.
  • Создать агро-бота: Применять модель в Telegram-ботах для первичного экспресс-анализа фотографий полей.
  • Добавить механизм проверки: Настроить логику передачи неопределенных снимков живым экспертам.

Пример

import json, numpy as np, onnxruntime as ort
from PIL import Image
cfg = json.load(open("config.json"))
s = ort.InferenceSession("model_xai.onnx", providers=["CPUExecutionProvider"])
im = Image.open("leaf.jpg").convert("RGB")
k = cfg["resize"] / min(im.size)                      
im = im.resize((max(224, round(im.width * k)), max(224, round(im.height * k))), Image.Resampling.BILINEAR)
l, t = (im.width - 224) // 2, (im.height - 224) // 2
x = np.asarray(im.crop((l, t, l + 224, t + 224)), np.float32) / 255.0   
out = s.run(None, {s.get_inputs()[0].name: x.transpose(2, 0, 1)[None]})
Подробнее• Точность (Top-1) для INT8 версии составляет 77.5% (FP32: 77.8%) на тестовом датасете PlantWild.
• Архитектура: TinyViT-11M, дистиллированная из трех больших учителей (DINOv2, CLIP, Perception Encoder).
• Вне зоны обучения (на полевых фото PlantDoc) точность падает без срабатывания защитного шлюза.
• Не обрабатывает персональные данные: вся обработка происходит локально на устройстве.
Обсудить Telegram 0 18

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # ABRUBAB/krishiloop-agritriage-tinyvit
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download ABRUBAB/krishiloop-agritriage-tinyvit --local-dir ~/models/krishiloop-agritriage-tinyvit
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к krishiloop-agritriage-tinyvit
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии krishiloop-agritriage-tinyvit — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

ABRUBAB/krishiloop-agritriage-tinyvit
Автор
ABRUBAB
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

180

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии