本文介绍了一种利用开源毒蘑菇数据集，通过ResNet进行图像分类并结合IntelExtensionforPyTorch加速的模型，旨在快速准确地辨别有毒蘑菇，降低误食风险。文章详细描述了模型训练、增强方法和硬件配置，以及推理速度的对比分析。
一、方案背景
蘑菇可分为食用蘑菇和有毒蘑菇。可食用蘑菇营养丰富、味道鲜美，受到大家的喜爱。然而，部分有毒蘑菇和食用蘑菇宏观特征极其相似，普通人难以正确分辨。有毒蘑菇的危害很大：根据云南省疾控中心统计数据，2021年云南省食用野生菌中毒事件达600余起，导致2000多人中毒，20多人死亡。对于有毒蘑菇的鉴别，目前除了医院、检测机构和专家学者，没有简便高效的手段和途径。在此背景下，本方案利用开源的毒蘑菇图片数据集（https://www.kaggle.com/datasets/stepandupliak/predict-poison-mushroom-by-photo），提出一个基于ResNet的毒蘑菇识别模型，可以较为精确快捷地判别蘑菇类型，从而为人们日常分辨有毒蘑菇提供有效指引。
二、方案简介
本方案通过开源的毒蘑菇数据集，基于神经网络模型ResNet进行图像分类的微调，训练过程中采用图像增强的方法来提升模型的鲁棒性，同时利用Intel® Extension for PyTorch*工具包加速模型的推理，从而得到一个分类精度较高和推理速度快的毒蘑菇识别模型，具有低成本和方便快捷的特点，可为人们日常生活和野外鉴别有毒蘑菇提供精确及时的指引，并且有利于减少人们误食有毒蘑菇等事故的发生。
三、建模流程图
四、硬件配置
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
