File size: 2,930 Bytes
ea40630 a757943 ea40630 88e4acd ea40630 88e4acd ea40630 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 |
import torch
import gradio as gr
from transformers import AutoFeatureExtractor, AutoModelForImageClassification
extractor = AutoFeatureExtractor.from_pretrained("susnato/plant_disease_detection-beans")
model = AutoModelForImageClassification.from_pretrained("susnato/plant_disease_detection-beans")
labels = ['angular leaf spot', 'rust', 'healthy']
def classify(im):
features = extractor(im, return_tensors='pt')
logits = model(features["pixel_values"])[-1]
probability = torch.nn.functional.softmax(logits, dim=-1)
probs = probability[0].detach().numpy()
confidences = {label: float(probs[i]) for i, label in enumerate(labels)}
return confidences
block = gr.Blocks(theme="JohnSmith9982/small_and_pretty")
with block:
gr.HTML(
"""
<h1 align="center">Hackefest 2024-DETECÇÃO DE DOENÇAS EM PLANTAS<h1>
"""
)
with gr.Group():
with gr.Row():
gr.HTML(
"""
<p style="color:black">
<h4 style="font-color:powderblue;">
<center>A detecção de doenças de plantas é uma tarefa crucial na agricultura para garantir a saúde e o rendimento das culturas. Com os avanços na tecnologia, particularmente no campo da visão computacional e do aprendizado de máquina, sistemas automatizados foram desenvolvidos para identificar e diagnosticar doenças de plantas com precisão e eficiência. Esses sistemas normalmente envolvem a captura de imagens de plantas e sua análise usando algoritmos para detectar sintomas de doenças como descoloração, lesões ou padrões de crescimento anormais. Ao aproveitar essas tecnologias, os agricultores podem identificar e tratar prontamente as plantas doentes, minimizando assim a perda de colheitas e aumentando a produtividade agrícola.</center>
</h4>
</p>
<p align="center">
<img src="https://huggingface.co/datasets/susnato/stock_images/resolve/main/merged.png">
</p>
"""
)
with gr.Group():
with gr.Row():
gr.HTML(
"""
<center><h3>Our Approach</h3></center>
<p align="center">
<img src="https://huggingface.co/datasets/susnato/stock_images/resolve/main/diagram2.png">
</p>
"""
)
with gr.Group():
image = gr.Image(type='pil')
outputs = gr.Label()
button = gr.Button("Classify")
button.click(classify,
inputs=[image],
outputs=[outputs],
)
with gr.Group():
gr.Examples(["ex3.jpg"],
fn=classify,
inputs=[image],
outputs=[outputs],
cache_examples=True
)
block.launch(debug=False, share=False) |