Hugging Face's logo

raysarocha
/
plant-resnet50-38classes

Image Classification
Keras
plants
plant-disease
tensorflow
resnet50
Model card Files
xet
 Community
plant-resnet50-38classes
File size: 2,123 Bytes
3020d23
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
74
75
76
77
78
79
80
81
82
83
84
85
---
tags:
- plants
- plant-disease
- image-classification
- tensorflow
- keras
- resnet50
license: apache-2.0
pipeline_tag: image-classification
---

# plant-resnet50-38classes

Modelo keras (tensorflow) para reconhecimento de plantas e doenças (38 classes).

## 📋 Classes suportadas

O modelo identifica as seguintes plantas e condições:

- **Maçã**: sarna, podridão negra, ferrugem do cedro, saudável
- **Mirtilo**: saudável
- **Cereja**: oídio, saudável
- **Milho**: mancha de cercospora, ferrugem comum, queima das folhas, saudável
- **Uva**: podridão negra, esca, queima das folhas, saudável
- **Laranja**: citrus greening
- **Pêssego**: mancha bacteriana, saudável
- **Pimentão**: mancha bacteriana, saudável
- **Batata**: requeima precoce, requeima tardia, saudável
- **Framboesa**: saudável
- **Soja**: saudável
- **Abóbora**: oídio
- **Morango**: queima das folhas, saudável
- **Tomate**: 10 condições diferentes

Total: 38 classes

## 🚀 Uso rápido

```python
import json
import numpy as np
from huggingface_hub import hf_hub_download
import tensorflow as tf
from PIL import Image

# Baixa modelo e configuração
repo_id = "raysarocha/plant-resnet50-38classes"
cfg_path = hf_hub_download(repo_id, "config.json")
model_path = hf_hub_download(repo_id, "model.keras")

# Carrega configuração e modelo
with open(cfg_path, "r") as f:
    cfg = json.load(f)
    
model = tf.keras.models.load_model(model_path)

# Processa imagem
img = Image.open("sua_imagem.jpg").convert("RGB")
img = img.resize((cfg["image_size"], cfg["image_size"]))
arr = np.array(img).astype("float32") * cfg["rescale"]
arr = np.expand_dims(arr, axis=0)

# Predição
predictions = model(arr)
probs = tf.nn.softmax(predictions[0]).numpy()
pred_idx = int(np.argmax(probs))
confidence = float(probs[pred_idx])

print(f"Classe: {cfg['id2label'][str(pred_idx)]}")
print(f"Confiança: {confidence:.2%}")
```

## 📊 Informações do modelo

- **Arquitetura**: resnet50
- **Framework**: tensorflow/keras
- **Entrada**: 224x224 pixels
- **Normalização**: pixels / 255.0
- **Classes**: 38

## 📝 Licença

Apache 2.0