指標

指標值

樣本優(yōu)勢

1.可智能識別100多種農作物約300多種病害、500多種蟲害，可識別3000多種植物；

2. 植物樣本總量5000000+，病蟲害樣本總量50000+；

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

4. 每種病害、蟲害、植物均有對應的知識庫描述。

5.  產量和品質識別用的是yolo框架，產量用了800多的樣本，品質用了200多的樣本，產量可以識別的種類有蘋果、香蕉、橙子，品質可以識別的只有蘋果，產量識別與品質識別相似度在70%的時候才會被識別。

AI識別精度

1. 識別精度超過90%

AI算法能力

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

2. 深度神經網絡模型采用開源方式進行設計與組合，能夠很方便的對模型中的網絡層進行修改，提出適應不同數(shù)據(jù)規(guī)模與特點的新模型。

3. 模型已經在已有的植被和病蟲害數(shù)據(jù)集下進行了訓練與優(yōu)化，模型參數(shù)對外公開，可以為新場景的訓練提供遷移學習的初始模型參數(shù)，加快新數(shù)據(jù)集訓練的速度并提高訓練的精度。

4.  算法模型支持對抗網絡訓練，能夠將對抗機制引入圖像識別的深度學習模型學習與訓練中，提升模型的魯棒性和泛化能力

AI訓練能力

1. AI平臺訓練模型可靠，支持不同平臺、多GPU的快速訓練。

2. 訓練后的模型能夠在主流的計算個人平臺（如PC客戶端的windows，linux平臺，移動端的Android平臺）運行。

3. 也可以在云平臺進行部署，實現(xiàn)數(shù)據(jù)的快速上傳和訓練，借助云平臺實現(xiàn)數(shù)據(jù)、模型和程序的便捷訪問。

4. AI平臺支持由簡單到復雜的深度學習訓練過程，不僅適合初學者熟悉深度學習的簡單模型搭建，數(shù)據(jù)組織和訓練的過程，也能夠為專業(yè)研究者提供全面的模型參數(shù)調制功能，在可視化的界面支持下快速的進行模型的訓練、調優(yōu)與比較

數(shù)據(jù)量存儲性能

1. 支持PB級樣本數(shù)據(jù)存儲

2. 數(shù)據(jù)量不受存儲類型和操作系統(tǒng)限制，僅受限于存儲容量本身

建庫處理性能

1. 支持海量樣本數(shù)據(jù)的集群建庫處理

2. 4節(jié)點集群，切片速度不低于500張/秒

數(shù)據(jù)服務性能

1. 并發(fā)訪問用戶數(shù)不低于1000用戶

2. 并發(fā)訪問響應時間低于1秒

3. 服務提供能力不小于20000小時

4. 系統(tǒng)響應時間：<=1秒；

5.數(shù)據(jù)存儲量：>=10G;

6.運行時間限制：24小時運行；

7.數(shù)據(jù)精度：雙精度。