指标

指标值

樣本優勢

1.可(kě)智能(néng)識别100多(duō)種農作(zuò)物(wù)約300多(duō)種病害、500多(duō)種蟲害，可(kě)識别3000多(duō)種植物(wù)；

2. 植物(wù)樣本總量5000000+，病蟲害樣本總量50000+；

3. 植物(wù)單一樣本數量不少于100張，病蟲害單一樣本數量不少于50張；

4. 每種病害、蟲害、植物(wù)均有(yǒu)對應的知識庫描述。

5.  産(chǎn)量和品質(zhì)識别用(yòng)的是yolo框架，産(chǎn)量用(yòng)了800多(duō)的樣本，品質(zhì)用(yòng)了200多(duō)的樣本，産(chǎn)量可(kě)以識别的種類有(yǒu)蘋果、香蕉、橙子，品質(zhì)可(kě)以識别的隻有(yǒu)蘋果，産(chǎn)量識别與品質(zhì)識别相似度在70%的時候才會被識别。

AI識别精(jīng)度

1. 識别精(jīng)度超過90%

AI算法能(néng)力

1.支持目前主流的著名(míng)圖像識别模型（LeNet-5，AlexNet，ZFNet，VGGNet，GoogLenet，ResNet等）。

2. 深度神經網絡模型采用(yòng)開源方式進行設計與組合，能(néng)夠很(hěn)方便的對模型中(zhōng)的網絡層進行修改，提出适應不同數據規模與特點的新(xīn)模型。

3. 模型已經在已有(yǒu)的植被和病蟲害數據集下進行了訓練與優化，模型參數對外公(gōng)開，可(kě)以為(wèi)新(xīn)場景的訓練提供遷移學(xué)習的初始模型參數，加快新(xīn)數據集訓練的速度并提高訓練的精(jīng)度。

4.  算法模型支持對抗網絡訓練，能(néng)夠将對抗機制引入圖像識别的深度學(xué)習模型學(xué)習與訓練中(zhōng)，提升模型的魯棒性和泛化能(néng)力

AI訓練能(néng)力

1. AI平台訓練模型可(kě)靠，支持不同平台、多(duō)GPU的快速訓練。

2. 訓練後的模型能(néng)夠在主流的計算個人平台（如PC客戶端的windows，linux平台，移動端的Android平台）運行。

3. 也可(kě)以在雲平台進行部署，實現數據的快速上傳和訓練，借助雲平台實現數據、模型和程序的便捷訪問。

4. AI平台支持由簡單到複雜的深度學(xué)習訓練過程，不僅适合初學(xué)者熟悉深度學(xué)習的簡單模型搭建，數據組織和訓練的過程，也能(néng)夠為(wèi)專業研究者提供全面的模型參數調制功能(néng)，在可(kě)視化的界面支持下快速的進行模型的訓練、調優與比較

數據量存儲性能(néng)

1. 支持PB級樣本數據存儲

2. 數據量不受存儲類型和操作(zuò)系統限制，僅受限于存儲容量本身

建庫處理(lǐ)性能(néng)

1. 支持海量樣本數據的集群建庫處理(lǐ)

2. 4節點集群，切片速度不低于500張/秒(miǎo)

數據服務(wù)性能(néng)

1. 并發訪問用(yòng)戶數不低于1000用(yòng)戶

2. 并發訪問響應時間低于1秒(miǎo)

3. 服務(wù)提供能(néng)力不小(xiǎo)于20000小(xiǎo)時

4. 系統響應時間：<=1秒(miǎo)；

5.數據存儲量：>=10G;

6.運行時間限制：24小(xiǎo)時運行；

7.數據精(jīng)度：雙精(jīng)度。