PhenoAI Flow是國內首個針對植物表型、集算法算力于一體的可視化建模分析平臺。僅需點擊即可任意調整算法的關鍵參數和網絡結構。也可自定義編程與平臺進行無縫銜接,旨在為科研、教育和企業用戶提供低成本、高效率、智能化的AI使用體驗。
支持六大類植物表型分析任務
支持上百種網絡架構的前沿深度學習算法
可視化 AI 表型算法平臺,簡單拖拽連接即可
私有云平臺,支持多用戶同時使用,后端算力可無限擴展
支持高光譜、多光譜、可見光等自動化表型信息的提取
如VGG、ResNet等算法,可實現脅迫鑒定、病蟲害識別等
如Mask RCNN等算法,可實現無人機苗情苗勢、個體級分割識別
如Faster RCNN、YOLO等算法,可實現植株、果實計數等
如UNet、PointRend等算法,可實現器官動態檢測、病蟲害面積等
如PLSR、SVR等,可對大田作物水氮含量、園藝作物瓜果甜度進行擬合分析
無需編程,簡單拖拽
內含各種深度學習和經典機器學習
算法,并內置百G級預訓練模型
表型提取、圖像分類、目標
檢測、語義分割、實例分割
及回歸分析
序號 | 詳細參數 |
---|---|
1 | 支持生物育種流程中各類數據的經典機器學習和深度學習算法處理,算力不低于128核256線程,不低于2T內存、不低于5T的固態,存儲硬盤不小于200TB,GPU顯卡CUDA核心數不低于170000,顯存不低于384G,base clock為5.3GHz, Max. Boost Clock近8.9GHz |
2 | 支持近端各類傳感器數據和低空端各類傳感器數據的自動化處理,支持訓練個性化模型任意擴展識別和分析能力 |
3 | 近端各類傳感器數據自動分析指標不少于57個,包括不限于R、G、B、H、S、V、L、a、b、dissimilarity、energy、correlation、ASM、entropy、長、寬、面積、周長、圓度、緊湊度等 |
4 | 支持的格式不低于6種,包括不限于表格數據、可見光圖像、近紅外圖像、多光譜圖像、高光譜數據等 |
5 | 軟件平臺需內置主流的預訓練模型,不低于百G級別,使得用戶訓練自有數據時更快收斂至高精度 |
6 | 軟件平臺的畫布支持組件間的拖拽連接,放大縮小,支持組件的自定義命名,支持添加箭頭及文字注釋,支持組件的復制粘貼 |
7 | 支持經典機器學習算法的實時級自動運算,無需每改變一次參數就點擊運行,支持深度學習用戶自定義關鍵參數,允許用戶加載之前訓練的模型開始訓練 |
8 | 數據組件支持圖像分類、目標檢測、語義分割和實例分割四大任務的讀取、統計、數據劃分,對于圖像分類任務用戶只需按照類別將圖像放置相關文件夾即可,對于目標檢測、語義分割和實例分割用戶只需把通過labelme標記的文件放置與圖像文件同一文件夾即可,無需用戶進行其它操作或訓練集測試集的劃分,均可自動化處理 |
9 | 可視化組件支持對訓練好后的決策樹和隨機森林模型進行樹狀結構的可視化查看,支持決策樹的判斷邏輯可視化查看,同時至少支持6種以上的常見圖表,包括不限于箱圖、分布圖、散點圖、折線圖、熱圖、畢達哥拉斯圖等 |
10 | 評估模塊支持對經典機器學習和深度學習的所有組件的性能進行自動化評估,可自動計劃準確度、召回率、F1,R方、RMSE等,對于深度學習的測試可在所有測試集圖像上顯示的模型判斷結果、實際標簽和預測概率 |
*各型號詳細參數請咨詢客服