PhenoAI Flow
植物表型AI算法平台


国内首个表型AI可视化建模分析平台

立即咨询

产品概述
—

PhenoAI Flow是国内首个针对植物表型、集算法算力于一体的可视化建模分析平台。仅需点击即可任意调整算法的关键参数和网络结构。也可自定义编程与平台进行无缝衔接，旨在为科研、教育和企业用户提供低成本、高效率、智能化的AI使用体验。

功能特性
—

/01

支持六大类植物表型分析任务

/02

支持上百种网络架构的前沿深度学习算法

/03

可视化 AI 表型算法平台，简单拖拽连接即可

/04

私有云平台，支持多用户同时使用，后端算力可无限扩展

Mobirise

应用场景
—

作物表型提取

表型提取

支持高光谱、多光谱、可见光等自动化表型信息的提取

病虫害识别

图像分类

如VGG、ResNet等算法，可实现胁迫鉴定、病虫害识别等

无人机苗情苗势

实例分割

如Mask RCNN等算法，可实现无人机苗情苗势、个体级分割识别

植株果实计数

目标检测

如Faster RCNN、YOLO等算法，可实现植株、果实计数等

水稻开花监测

语义分割

如UNet、PointRend等算法，可实现器官动态检测、病虫害面积等

回归分析

回归分析

如PLSR、SVR等，可对大田作物水氮含量、园艺作物瓜果甜度进行拟合分析

产品优势
—


零代码可视化分析



   无需编程,简单拖拽






海量算法



内含各种深度学习和经典机器学习

算法，并内置百G级预训练模型
六大功能



表型提取、图像分类、目标

检测、语义分割、实例分割

及回归分析
扩展性强



算法工作者可通过内置的自定义

编程模块与平台进行无缝衔接
操作简单



涵盖各类前沿算法和大量网络结构

又能任意调整参数的AI平台



......




点击了解更多



技术参数
—

序号详细参数

1 		支持生物育种流程中各类数据的经典机器学习和深度学习算法处理，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，显存不低于384G，base clock为5.3GHz, Max. Boost Clock近8.9GHz
2 支持近端各类传感器数据和低空端各类传感器数据的自动化处理，支持训练个性化模型任意扩展识别和分析能力
3 近端各类传感器数据自动分析指标不少于57个，包括不限于R、G、B、H、S、V、L、a、b、dissimilarity、energy、correlation、ASM、entropy、长、宽、面积、周长、圆度、紧凑度等
4 支持的格式不低于6种，包括不限于表格数据、可见光图像、近红外图像、多光谱图像、高光谱数据等
5 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
6 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
7 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

8 		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
9 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
10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

*各型号详细参数请咨询客服


快速咨询

产品中心
解决方案
关于我们

© Copyright AgriBrain - All Rights Reserved  苏ICP备2023009684号-1