plant-resnet50-38classes

Modelo keras (tensorflow) para reconhecimento de plantas e doenças (38 classes).

📋 Classes suportadas

O modelo identifica as seguintes plantas e condições:

• Maçã: sarna, podridão negra, ferrugem do cedro, saudável
• Mirtilo: saudável
• Cereja: oídio, saudável
• Milho: mancha de cercospora, ferrugem comum, queima das folhas, saudável
• Uva: podridão negra, esca, queima das folhas, saudável
• Laranja: citrus greening
• Pêssego: mancha bacteriana, saudável
• Pimentão: mancha bacteriana, saudável
• Batata: requeima precoce, requeima tardia, saudável
• Framboesa: saudável
• Soja: saudável
• Abóbora: oídio
• Morango: queima das folhas, saudável
• Tomate: 10 condições diferentes

Total: 38 classes

🚀 Uso rápido

import json
import numpy as np
from huggingface_hub import hf_hub_download
import tensorflow as tf
from PIL import Image

# Baixa modelo e configuração
repo_id = "raysarocha/plant-resnet50-38classes"
cfg_path = hf_hub_download(repo_id, "config.json")
model_path = hf_hub_download(repo_id, "model.keras")

# Carrega configuração e modelo
with open(cfg_path, "r") as f:
    cfg = json.load(f)
    
model = tf.keras.models.load_model(model_path)

# Processa imagem
img = Image.open("sua_imagem.jpg").convert("RGB")
img = img.resize((cfg["image_size"], cfg["image_size"]))
arr = np.array(img).astype("float32") * cfg["rescale"]
arr = np.expand_dims(arr, axis=0)

# Predição
predictions = model(arr)
probs = tf.nn.softmax(predictions[0]).numpy()
pred_idx = int(np.argmax(probs))
confidence = float(probs[pred_idx])

print(f"Classe: {cfg['id2label'][str(pred_idx)]}")
print(f"Confiança: {confidence:.2%}")

📊 Informações do modelo

• Arquitetura: resnet50
• Framework: tensorflow/keras
• Entrada: 224x224 pixels
• Normalização: pixels / 255.0
• Classes: 38

📝 Licença

Apache 2.0