# 植物病害識別

基於CLIP架構微調的視覺語言模型，專門用於植物病害的零樣本分類

基於google/vit-base-patch16-224-in21k在beans數據集上微調的視覺Transformer模型，用於圖像分類任務

基於Google的ViT模型在beans數據集上微調的高精度圖像分類模型

該模型是基於Google的ViT-base模型在beans數據集上微調得到的圖像分類模型，準確率達98.5%。

該模型是基於Google的ViT架構在beans數據集上微調的圖像分類模型，在驗證集上達到了97.74%的準確率。

該模型是基於Google的ViT-base架構在beans數據集上微調的圖像分類模型，準確率達97.74%

該模型是基於Google的ViT-base-patch16-224-in21k在beans數據集上微調的圖像分類模型，驗證集準確率達98.5%。

基於Google的ViT模型在beans數據集上微調的高精度圖像分類模型

該模型是基於Google的ViT-base-patch16-224-in21k在beans數據集上微調的圖像分類模型，準確率達98.5%。

基於Google的ViT模型在beans數據集上微調的圖像分類模型，準確率達97.74%

該模型是基於Google的ViT架構在beans數據集上微調的圖像分類模型，準確率達到97.74%。

該模型是基於Google的ViT架構在beans數據集上微調的圖像分類模型，準確率達到97.74%。

該模型是基於Google的ViT架構在beans數據集上微調的圖像分類模型，準確率達97.74%。

這是一個基於Google的ViT模型在beans數據集上微調的圖像分類模型，準確率達到98.5%。

基於Google的ViT模型在beans數據集上微調的圖像分類模型，準確率達96.99%

基於Google的ViT模型在豆類數據集上微調的圖像分類模型，準確率達97.74%

基於Google的ViT模型在豆類數據集上微調的高精度圖像分類模型

基於Google的ViT基礎模型在beans數據集上微調的圖像分類模型，準確率達98.5%

基於Google的ViT基礎模型在圖像文件夾數據集上微調的視覺Transformer模型

該模型是基於Google的ViT架構在beans數據集上微調的圖像分類模型，用於識別豆類植物的健康狀況。

基於Google的ViT模型在豆類數據集上微調得到的圖像分類模型，準確率達99.25%

基於google/vit-base-patch16-224-in21k在beans數據集上微調的視覺Transformer模型

基於Google的ViT基礎模型在豆類圖像數據集上微調的視覺分類模型，準確率達97.74%

該模型是基於timm/resnet18.a1_in1k在beans數據集上微調的圖像分類模型，準確率為69.17%。

基於Google的ViT模型在beans數據集上微調的高精度圖像分類模型

該模型是基於Google的ViT架構，在beans數據集上微調的圖像分類模型，準確率達98.5%。

基於Google的ViT模型在beans數據集上微調的圖像分類模型，用於識別豆類葉片健康狀況

基於Google的ViT模型在beans數據集上微調得到的圖像分類模型，準確率達98.5%

基於Swin Transformer架構的植物病害圖像分類模型，在植物病害數據集上微調，準確率達96.9%

該模型是基於ConvNeXt-Tiny架構在beans數據集上微調的圖像分類模型，準確率達到96.09%。

這是一個基於Swin Transformer架構的微型圖像分類模型，專門針對植物健康診斷任務進行了微調，在評估集上達到了99.83%的準確率。