К содержимому
Другое

LeafLens

распознавание болезней растений по фото

2 мин чтения

Модель определяет вид растения и состояние его листьев по фотографии. Она построена на компактной архитектуре Vision Transformer google/vit-base-patch16-224-in21k (около 90 млн параметров) и дообучена специально для первичной проверки здоровья растений. В отличие от универсальных классификаторов изображений, этот чекпоинт заточен под выявление признаков заболеваний на листьях и помогает быстрее понять, на что обратить внимание при осмотре. Подойдёт для образовательных проектов, прототипов агроприложений и предварительного скрининга посадок.

Ключевые особенности

  • Лёгкая архитектура: на базе vit-base-patch16-224-in21k весом 0.09B параметров, быстро работает без тяжелого железа.
  • Двойная классификация: предсказывает сразу растение и состояние листа по входному снимку.
  • Высокая точность на валидации: показатель Accuracy достиг 0.9982 при Loss 0.0100 на 3-й эпохе обучения.
  • Готовность к интеграции: поддерживается стандартной библиотекой transformers.

Что можно сделать

  • Встроить в мобильный или Telegram-бот для первичной проверки комнатных и садовых растений по фотографии листа.
  • Использовать в учебных проектах и демонстрациях компьютерного зрения в сельском хозяйстве.

Пример

Пользователь загружает фотографию листа растения в сервис на базе transformers, а модель возвращает метку с названием культуры и предполагаемым состоянием (здоровый лист или конкретное заболевание), чтобы подсказать, какие растения стоит осмотреть внимательнее.

ПодробнееБазовая модель: google/vit-base-patch16-224-in21k (0.09B параметров)
Метрики на валидации (3 эпохи): Accuracy — 0.9982, Loss — 0.0100
Обучение: learning_rate 5e-05, batch_size 8, оптимизатор ADAMW_TORCH_FUSED
Ограничения: состав датасета не задокументирован, модель не заменяет профессиональную диагностику и может ошибаться из-за освещения, фона или схожих симптомов
Обсудить Telegram 1

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.3 GB · готовые файлы0.9 GB
  • BF16веса 0.2 GB0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 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 · F32 — 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.

    # vijayasai69/leaflens-plant-disease
    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 vijayasai69/leaflens-plant-disease --local-dir ~/models/leaflens-plant-disease
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к leaflens-plant-disease
  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

Дообучение модели

google/vit-base-patch16-224-in21k

Новые посты про версии vit-base-patch16-224-in21k — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

vijayasai69/leaflens-plant-disease
Автор
vijayasai69
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии