fruit-ripeness-v2
компактный классификатор спелости фруктов на 12 классов
1 мин чтенияобновлено
Carlosmg23/fruit-ripeness-v2 — Keras-модель для классификации состояния фруктов на 12 классов. Это v2 учебной активности: автор сравнивает несколько представлений и сохраняет Base 04 как промежуточную модель, так как ни один вариант развёртывания не прошёл критерий устойчивости. В тестовой таблице лучшие метрики у MobileNetV2.
Ключевые особенности
- Классификация 12 классов состояния фруктов;
Rotten— это порча, а не стадия созревания. - Keras-модель; для инференса есть TensorFlow Lite размером 2.43 MB.
- Медианная латентность TFLite — 19.7 мс, выход
[1, 12]. - Сравниваются Base 04, TTA, Random Forest по цвету/текстуре и multi-task.
- Калибровка температуры 1.162: ECE снижен с 0.0706 до 0.0323.
Пример
from huggingface_hub import hf_hub_download
import tensorflow as tf
ruta = hf_hub_download(repo_id="Carlosmg23/fruit-ripeness-v2",
filename="modelo_final_v2.keras")
modelo = tf.keras.models.load_model(ruta)
prob = modelo.predict(imagen_224) # imagen en [0, 255]
Подробнее
Тест: MobileNetV2 — accuracy 0.6621, balanced accuracy 0.6334, F1_macro 0.5940, QWK 0.6899, top-3 0.9038.Калибровка: температура 1.162; ECE снижен с 0.0706 до 0.0323.
TFLite: 2.43 MB, медианная латентность 19.7 мс, выход
[1, 12].Ограничения: Random Forest не конвертируется напрямую в TFLite; TTA увеличивает латентность в 5 раз; внешний набор мал и синтетичен; APK и опрос удобства ещё не готовы.










Комментарии