---
language:
- zh
license: mit
tags:
- computer-vision
- image-classification
- convnextv2
- insect-identification
- agriculture
- pest-detection
datasets:
- custom
widget:
- src: https://huggingface.co/datasets/mishig/sample_images/resolve/main/tiger.jpg
  example_title: Tiger
- src: https://huggingface.co/datasets/mishig/sample_images/resolve/main/teapot.jpg
  example_title: Teapot
- src: https://huggingface.co/datasets/mishig/sample_images/resolve/main/palace.jpg
  example_title: Palace
---

# ConvNextV2 玉米害虫识别模型

这是一个基于ConvNextV2架构训练的玉米害虫图像分类模型，专门用于识别8种常见玉米害虫。

## 模型详情

- **模型架构**: ConvNextV2 Tiny
- **输入尺寸**: 224x224 RGB图像
- **输出类别**: 8种玉米害虫
- **训练数据**: 自定义玉米害虫数据集
- **用途**: 农业害虫监测与识别

## 类别标签

[
  "草地贪夜蛾",
  "赤须盲蝽",
  "点蜂缘蝽",
  "龟纹瓢虫",
  "棉铃虫",
  "茄二十八星瓢虫",
  "双斑长跗萤叶甲",
  "玉米螟"
]

## 使用方法

### 使用Transformers库

```python
from transformers import AutoImageProcessor, AutoModelForImageClassification
import torch
from PIL import Image

# 加载模型和处理器
model_name = "Jaysaly/cornlarva_convnextv2"
processor = AutoImageProcessor.from_pretrained(model_name)
model = AutoModelForImageClassification.from_pretrained(model_name)

# 准备图像
image = Image.open("path_to_image.jpg").convert("RGB")
inputs = processor(images=image, return_tensors="pt")

# 推理
with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits
    predicted_class_idx = logits.argmax(-1).item()
    
# 获取预测结果
predicted_label = model.config.id2label[str(predicted_class_idx)]
print(f"预测结果: {predicted_label}")
```

### 使用Hugging Face Inference API

```python
import requests

API_URL = "https://api-inference.huggingface.co/models/Jaysaly/cornlarva_convnextv2"
headers = {"Authorization": "Bearer YOUR_HF_TOKEN"}

def query(image_bytes):
    response = requests.post(API_URL, headers=headers, data=image_bytes)
    return response.json()
```

## 训练信息

- **框架**: PyTorch
- **优化器**: AdamW
- **学习率**: 1e-4
- **批次大小**: 32
- **训练周期**: 100
- **数据增强**: 随机裁剪、水平翻转、颜色抖动

## 应用场景

1. **智能农业监测**: 自动识别田间害虫
2. **病虫害预警**: 及时发现害虫爆发
3. **精准施药**: 针对特定害虫采取防治措施
4. **科研教育**: 害虫识别教学与研究

## 性能指标

在验证集上的Top-1准确率: ~95%

## 限制

- 仅支持训练数据中的8种玉米害虫
- 需要清晰的昆虫特写图像
- 对背景复杂的图片识别效果可能下降

## 作者

Jaysaly

## 许可证

MIT License