metadata
language:
- fr
pipeline_tag: text-classification
widget:
- text: >-
Voila les limaces de retour. Ça faisait longtemps que j’en avais pas vu
sur blé.
example_title: Observation - limace
- text: >-
C’est bon le maïs , pour la pyrale. Dans le 64, les larves les plus âgées
prennent des force avant de se chrysalider et faire une 2 è génération
début août. @Arvalisofficiel @Fragritwittos https://t.co/JLypU2zFFe
example_title: Observation - Pyrale de maïs
- text: >-
JNO sur céréales à paille : de nombreux retours témoignent de dégâts
importants aux quatre coins de l’Hexagone !
example_title: Observation - JNO
- text: >-
Ravageurs sur les maïs, 90% de la parcelle perdue. Impressionnant à voir,
difficile à vivre pour l'éleveur #choucas #morbihan
https://t.co/DMw3c4EtyQ
example_title: Observation - Corbeau
- text: >-
Visite des plateformes d’essais dans les #Vosges on observe un
flétrissement des feuilles de #maïs et surprise on trouve un Taupin.
#lorraine #babycorn https://t.co/xh4NExMvDv
example_title: Observation - Taupin
- text: >-
Erreur le taupin creuse dans la tige du maïs, à croire que vous n avez
jamais vu de dégâts ! La seule solution pour l instant c est la chimie le
reste c est de la poudre de perlinpinpin
example_title: Information général-Taupin
- text: 'Lol taupin ? Toi qui critiquait le programme de classe prépa LoL ! '
example_title: Hors sujet - Taupin
- text: >-
En attendant grâce au Bt je n’ai jamais vu de pyrale dans un champ de maïs
grain de toute ma vie.
example_title: Non-observation - Pyrale
- text: >-
Protection des cultures corvidé, pigeon. Étude scientifique baguage gibier
d'eau et bécasse pour mieux connaître les animaux migrateurs. Étude menée
par les chasseurs sur les sangliers. Plantation de de plusieurs km de
haie(refuge pour la petite et moyenne faune)
example_title: Non-observation - Corbeau
- text: >-
RT C'est un #puceron des #céréales! ... qui transmet le #virus de la #JNO
. Pas un puceron de l'#agriconventionnelle ou de l'#agr…
example_title: Non-observation - JNO
How to use
You can use this model directly with a pipeline for text classification:
from transformers import pipeline
pipe = pipeline(model="ChouBERT/CamemBERT-plant-health-tweet-classifier")
pipe("Voila les limaces de retour. Ça faisait longtemps que j’en avais pas vu sur blé.")
Here is how to use this model to get the features of a given text in PyTorch:
from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("ChouBERT/CamemBERT-plant-health-tweet-classifier")
model = AutoModelForSequenceClassification.from_pretrained("ChouBERT/CamemBERT-plant-health-tweet-classifier")
text = "Il y a 7 jours le blé ne pointait pas encore. Aujourd’hui 1,5 feuille et dégat de limace. Intervention a venir."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)