仪器对比
关注
产品简介：智慧农业AI实验和教学平台适合智慧农业专业课程配套教学和实验室建设，包含国际各类前沿深度学习算法，平台操作简单，拖拽连接即可；
算力可支持60个终端同时运行DL、120个终端同时运行MTL，适用科研和教学用途(含智慧农业各类型TB级真实数据、覆盖大田和园艺作物、可见光、近红外、
多光谱、高光谱等传感器数据)。
产品参数：
1.平台需包括工具栏、画布、日志输出三个模块，允许用户将工具栏中组件拖拽至画布进行连接，无需编程；
2.▲平台支持常见的科研或教学的数据类型，支持的格式不低于6种，包括不限于表格数据、可见光图像、近红外、多光谱、高光谱数据等；
3.软件平台需内置主流的预训练模型，不低于百G级别，使得用户训练自有数据时更快收敛至高精度；
4.软件平台的底层需由主流且较新版本的机器学习和深度学习框架构建；
5.软件平台具备可扩展性，至少支持用户使用一种主流算法编程语言(如python)在画布的相关模块中自写代码，并可与其它模块进行连接运算；
6.软件平台支持图像分类、目标检测、语义分割和实例分割四大计算机视觉任务，支持数据分类和回归任务；
7.▲软件平台的画布支持组件间的拖拽连接，放大缩小，支持组件的自定义命名，支持添加箭头及文字注释，支持组件的复制粘贴；
8.▲支持用户选择组件间模块的上下游信号通道，连线状态和模块状态需显示信号的流通状态和程序的运行状态；
9.支持经典机器学习算法的实时级自动运算，无需每改变一次参数就点击运行，支持深度学习用户自定义关键参数，允许用户加载之前训练的模型开始训练；
10.数据组件支持图像分类、目标检测、语义分割和实例分割四大任务的读取、统计、数据划分，对于图像分类任务用户只需按照类别将图像放置相关文件夹即可，对于目标检测、语义分割和实例分割用户只需把通过labelme标记的文件放置与图像文件同一文件夹即可，无需用户进行其它操作或训练集测试集的划分，均可自动化处理；
11.▲可视化组件支持对训练好后的决策树和随机森林模型进行树状结构的可视化查看，支持决策树的判断逻辑可视化查看，同时至少支持6种以上的常见图表，包括不限于箱图、分布图、散点图、折线图、热图、毕达哥拉斯图等；
12.▲模型组件支持常见的经典机器学习和深度学习的训练和参数设置，其中经典机器学习至少包括十种主流算法, 深度学习需包括图像分类、目标检测、语义分割和实例分割四大任务涉及的算法；
13.评估模块支持对经典机器学习和深度学习的所有组件的性能进行自动化评估，可自动计划准确度、召回率、F1，R方、RMSE等，对于深度学习的测试可在所有测试集图像上显示的模型判断结果、实际标签和预测概率；
14.画布组件操作不卡顿，支持算力或显存范围内任意多任务的同时运行；
15.支持分析流程可保存为文件，且可被软件平台加载，且支持对分析流程添加标题和实验描述；
16.支持用户随时控制数据或信号的传输；
17.模型组件支持网络结构的拓展性，其中图像分类任务的VGG网络架构至少支持VGG16和VGG19，ResNet支持ResNet50、ResNet101和ResNet152等；
18.▲模型组件支持主流或前沿的各种backbone,其中Faster RCNN支持的backbone至少5种，LinkNet支持的backbone至少30种；
19.▲支持ResNeXt101(32x4d)/ResNeXt101(64x4d)+FPN为backbone各类网络结构
20.▲算力不低于128核256线程，不低于2T内存、不低于5T的固态，存储硬盘不小于200TB，GPU显卡CUDA核心数不低于170000；
21. ▲包括配套的实验课程，课程内容需至少覆盖 六种作物(需包括多种大田作物和园艺作物)，覆盖经典机器学习和深度学习，实验数据类型需覆盖至少三种，包括不限于智慧农业常见的可见光、多光谱和高光谱等类型数据
22.配备六十套台式电脑进行平台的各项教学和实践任务；
*更多详细参数请与工作人员联系
| 用户单位 | 采购时间 |
|---|---|
| 东北农业大学 | 2024-07-01 |
90天
1年
安装调试现场免费培训
相关产品
