仪器对比
关注
产品简介：
GrowthBrain E是国内首个针对智慧农业专业建设的智慧农业AI实验和教学平台。基于当前智慧农业的现实学情和人才培养要求而设计，具备数据真实切合、功能强大全面、算法丰富前沿、零代码可视化分析、内置编程实践模块等特点，让用户更真实的感受智慧农业的数据特点和分析方法，针对具体问题掌握对应哪种解决方案并制定技术路线，同时激发兴趣，让用户全面了解AI模型体系和前沿算法的功能特性及重要参数，并内置编程实践模块，强化计算机编程和算法水平，实现激发兴趣->会运用->实践结合->熟练强化的循序进阶发展，最终成长为一名合格的集农业和信息化知识的全面交叉人才。
产品参数：
1.平台包括工具栏、画布、日志输出三个模块，允许用户零门槛可视化将工具栏中组件拖拽至画布进行连接，无需编程。其中工具栏按照相关栏目放置各组件，包括不限于数据、可视化、模型、评估等主要栏目，画布可任意放大或缩小。
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.软件平台的底层由主流且较新版本的机器学习和深度学习框架构建，包括显卡Driver,CUDA、Scikit-learn、Keras、TensorFlow和Pytorch，其中Driver不低于460.91.03、CUDA版本不低于11.2、Scikit-learn不低于0.22.1，Keras版本不低于2.3.1，TensorFlow不低于2.4.1, Pytorch不低于1.8.1。
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.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。
13.画布支持百万级组件操作而不卡顿，支持算力或显存范围内任意多任务的同时运行。
14.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。
15.支持用户随时控制数据或信号的传输。
16.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。
17. ▲需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
*更多详细参数请与工作人员联系
-
智慧农业专业建设、实验室建设和实训基地建设其他 2024-05-30
90天
1年
安装调试现场免费培训
相关产品
