模型案例：| 玉米病害识别模型！

导读

2023年以ChatGPT为代表的大语言模型横空出世，它的出现标志着自然语言处理领域取得了重大突破。它在文本生成、对话系统和语言理解等方面展现出了强大的能力，为人工智能技术的发展开辟了新的可能性。同时，人工智能技术正在进入各种应用领域，在智慧城市、智能制造、智慧医疗、智慧农业等领域发挥着重要作用。

柴火创客2024年将依托母公司Seeed矽递科技在人工智能领域的创新硬件，与全球创客爱好者共建“模型仓”，通过“SenseCraft AI”平台可以让使用者快速部署应用体验人工智能技术！

本期介绍：模型案例：| 玉米病害识别模型！

YOLOv8

YOLOv8 是 ultralytics 公司在 2023 年 1月 10 号开源的 YOLOv5 的下一个重大更新版本，目前支持图像分类、物体检测和实例分割任务，在还没有开源时就收到了用户的广泛关注。

YOLOv8 是一个 SOTA 模型，它建立在以前 YOLO 版本的成功基础上，并引入了新的功能和改进，以进一步提升性能和灵活性。具体创新包括一个新的骨干网络、一个新的 Ancher-Free 检测头和一个新的损失函数，可以在从 CPU 到 GPU 的各种硬件平台上运行。

不过 utralvtics 并没有直接将开源库命名为 YOLOv8，而是直接使用 ultralvtics 这个词，原因是 ultralvtics 将这个库定位为算法框架，而非某一个特定算法，一个主要特点是可扩展性。其希望这个库不仅仅能够用于 YOLO 系列模型，而是能够支持非 YOLO 模型以及分类分割姿态估计等各类任务。

ultralytics 开源库的两个主要优点是：

• 融合众多当前 SOTA 技术于一体
• 未来将支持其他 YOLO 系列以及 YOLO 之外的更多算法

YOLO：简史

YOLO(You Only Look Once)是一种流行的对象检测和图像分割模型，由华盛顿大学的Joseph Redmon和Ai Farhadi开发。

YOLO于2015年推出，以其高速度和高精度迅速走红。

YOLOv2于2016年发布，通过合并批处理规范化、锚盒和维度集群来改进原始型。

2018年推出的YOLOv3使用更高效的骨干网络、多个锚点和空间金字塔池进一步增强了该模型的性能。

YOLOv4于2020年发布，引入了Mosaic数据增强、新的无锚检测头和新的丢失功能等创新。

YOLOv5进一步提高了模型的性能，并添加了超参数优化、集成实验跟踪和自动导出到流行导出格式等新功能。

YOLOv6于2022年由美团开源，目前正在该公司的许多自动配送机器人中使用。

YOLOv7在COCO关键点数据集上添加了额外的任务，如态估计。

YOLOv8是Ultralytics公司推出的YOLO的最新版本。作为一款尖端、最先进的(SOTA)车型，YOLOv8在之前版本的成功基础上，引入了新的功能和改进，以增强性能、灵活性和效率。YOLOv8支持全方位的视觉AI任务包括检测、分割、姿态估计、跟踪和分类。这种多功能性允许用户在不同的应用程序和域中利用YOLOv8的功能。

玉米病害识别模型

玉米是我国主要粮食作物，种植区域广泛，玉米在不同生长阶段都需要进行病虫害防治。

玉米锈病

主要侵害叶片，也为害玉米苞叶和叶鞘，严重时也为害茎秆，田间发病时，先从植株顶部开始向下扩展。发病初期在叶片基部散生淡黄色斑点，后突起形成红褐色疤斑，破裂散出铁锈色粉状夏孢子，后期病斑上生出黑色突起，开裂露出褐黑色冬孢子。发生严重时，叶片上布满孢子堆，造成大量叶片干枯，植株早衰，籽粒不饱满，导致减产，更重时，造成叶片从受害部位折断，全株干枯，减产严重。

玉米纹枯病

从苗期至成株期均可发病。主要为害叶鞘、茎秆、果穗。叶鞘和果穗苞叶发病：产生淡褐色水渍状不规则病斑，病健交界处不明显，病斑后扩展融合成云纹状大病斑，中部灰褐色，边缘深褐色，由下向上蔓延扩展。严重时根茎基部组织变为灰白色，次生根黄褐色或腐烂。多雨、高湿持续时间长时，病部长出稠密的白色菌丝体，菌丝进—步聚集成多个菌丝团，形成小菌核。病株茎秆松软，组织解体。为害苞叶，症状同茎秆。

该模型用于对玉米锈病和玉米纹枯病两种病害的识别，采用MobileNetV2卷积神经网络，生成TensorFlow Lite INT8格式文件。

通过在田间部署传感器和摄像头，结合玉米病害识别模型，实时监测玉米田的健康状况，帮助农民及时发现病害并采取相应措施。

模型文件下载

玉米病害识别Lite（INT8）类型模型文件，请在网盘中下载此模型

https://share.weiyun.com/ByVA4WJK

在XIAOESP32S3Sense上部署此模型

1. 打开SenseCraft AI，地址：SenseCraft AI (seeed-studio.github.io)

2、准备硬件，安装XIAOESP32S3摄像头扩展板，使用数据线一头连接到XIAO ESP32S3 Sense开发板，另一头连接到电脑的USB接口上，如下图所示。

1. 打开SenseCraft模型助手网站，单击右上角的“连接”按钮，填充串口连接窗口后点击“连接”按钮，如下图所示。

当“连接”变成红色的“断开连接”按钮时，表示连接成功了，如下图所示。

3、接着在“可用的AI模型”列表中向下拉动列表，找到“上传自定义AI模型”按钮，并单击此按钮，如下图所示。

4、弹出“自定义AI模型”窗口，填写模型名称、添加下载的模型文件、单击“新增物体”设置2个识别标签（注意2个标签的名称顺序不能写错，分别是gall（蚜虫）和redspider（红蜘蛛）），填写完成后单击“发送模型”按钮，如下图所示。

5、等待几秒钟上传成功后，这时会出现摄像头实时预览窗口并推理出结果，如下图所示。

XIAO ESP32S3 Sense 套装介绍

XIAO ESP32S3（Sense）

强大的 MCU 板：集成ESP32S3 32 位双核 Xtensa 处理器芯片，运行频率高达 240 MHz，安装多个开发端口，支持 Arduino/MicroPython

高级功能：可拆卸OV2640相机传感器，分辨率为1600*1200，兼容OV5640相机传感器，集成附加数字麦克风

超强内存，带来更多可能性：提供 8MB PSRAM 和 8MB 闪存，支持 SD 卡插槽，用于外部 32GB FAT 内存

出色的射频性能：支持2.4GHz Wi-Fi和BLE双无线通信，连接U.FL天线时支持100m+远程通信

拇指大小的紧凑型设计：21 x 17.5mm，采用XIAO的经典外形，适用于可穿戴设备等空间有限的项目

来自 SenseCraft Al 的用于无代码部署的预训练 Al 模型

写在最后

SenseCraft-AI平台的模型仓数量还很少，但是好消息是它支持自定义模型上传并输出推理结果，平台会逐渐增加模型仓的数量，敬请关注！