Identificación de Enfermedades del Anacardo con IA (CADI-AI)

pip install -U ultralytics

import torch

# cargar modelo
model = torch.hub.load('ultralytics/yolov5', 'custom', path='CADI-AI/yolov5_0.65map_exp7_best.pt', force_reload=True)

# Imágenes
img = ['/path/to/your/image.jpg']# lote de imágenes

# establecer parámetros del modelo
# establecer el umbral de supresión no máxima (NMS) para definir
# puntuación mínima de confianza que debe tener una caja delimitadora para ser mantenida.
model.conf = 0.20 # umbral de confianza NMS

# realizar inferencia
results = model(img, size=640)

# Resultados
results.print()

results.xyxy[0] # predicciones img1 (tensor)
results.pandas().xyxy[0] # predicciones img1 (pandas)

# analizar resultados
predictions = results.pred[0]
boxes = predictions[:, :4] # x1, y1, x2, y2
scores = predictions[:, 4]
categories = predictions[:, 5]

# mostrar cajas delimitadoras de detección en la imagen
results.show()

# guardar resultados en la carpeta 'results/'
results.save(save_dir='results/')

Afinar el modelo en su propio conjunto de datos:

yolov5 train --data data.yaml --img 640 --batch 16 --weights KaraAgroAI/CADI-AI --epochs 10