oproprioaquino
commited on
Commit
•
88e4acd
1
Parent(s):
a757943
Update app.py
Browse files
app.py
CHANGED
@@ -21,7 +21,7 @@ block = gr.Blocks(theme="JohnSmith9982/small_and_pretty")
|
|
21 |
with block:
|
22 |
gr.HTML(
|
23 |
"""
|
24 |
-
<h1 align="center">Hackefest 2024-
|
25 |
"""
|
26 |
)
|
27 |
with gr.Group():
|
@@ -30,7 +30,7 @@ with block:
|
|
30 |
"""
|
31 |
<p style="color:black">
|
32 |
<h4 style="font-color:powderblue;">
|
33 |
-
<center>
|
34 |
</h4>
|
35 |
</p>
|
36 |
|
|
|
21 |
with block:
|
22 |
gr.HTML(
|
23 |
"""
|
24 |
+
<h1 align="center">Hackefest 2024-DETECÇÃO DE DOENÇAS EM PLANTAS<h1>
|
25 |
"""
|
26 |
)
|
27 |
with gr.Group():
|
|
|
30 |
"""
|
31 |
<p style="color:black">
|
32 |
<h4 style="font-color:powderblue;">
|
33 |
+
<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>
|
34 |
</h4>
|
35 |
</p>
|
36 |
|