YOLO Leaf Object Detection Pipeline

Présentation du projet

Préparation et validation d’un jeu de données pour détecter des feuilles ; des données préparées ne démontrent pas les performances d’un détecteur entraîné.

Un processus reproductible de détection de feuilles combinant PlantVillage, PlantDoc et des exemples négatifs difficiles générés. Il prépare et valide les données, configure l’entraînement YOLO et fournit des points d’intégration pour l’export et l’inférence dans le navigateur. Aucun poids entraîné ni résultat réservé inclus ne démontre l’exactitude, la latence ou l’aptitude à la production du détecteur.

Au cœur de cette réalisation

• Préparé 57,164 images et 63,225 boîtes dans des partitions déterministes d’entraînement, de validation et de test.
• Converti les annotations Pascal VOC en coordonnées YOLO normalisées.
• Généré des noms de fichiers résistants aux collisions entre jeux de données sources.
• Validé les paires image-étiquette, les identifiants de classe, les coordonnées et les fuites entre partitions avant l’entraînement.
• Configuré trois candidats YOLO, un entraînement de contrôle borné et des points d’intégration pour l’export ONNX.
• Séparé les tests des outils de données de la préparation des données externes et de l’entraînement GPU.

Code source et liens