指标

指标值

样本优势

1.可智能识别100多种农作物约300多种病害、500多种虫害，可识别3000多种植物；

2. 植物样本总量5000000+，病虫害样本总量50000+；

3. 植物单一样本数量不少于100张，病虫害单一样本数量不少于50张；

4. 每种病害、虫害、植物均有对应的知识库描述。

5.  产量和品质识别用的是yolo框架，产量用了800多的样本，品质用了200多的样本，产量可以识别的种类有苹果、香蕉、橙子，品质可以识别的只有苹果，产量识别与品质识别相似度在70%的时候才会被识别。

AI识别精度

1. 识别精度超过90%

AI算法能力

1.支持目前主流的著名图像识别模型（LeNet-5，AlexNet，ZFNet，VGGNet，GoogLenet，ResNet等）。

2. 深度神经网络模型采用开源方式进行设计与组合，能够很方便的对模型中的网络层进行修改，提出适应不同数据规模与特点的新模型。

3. 模型已经在已有的植被和病虫害数据集下进行了训练与优化，模型参数对外公开，可以为新场景的训练提供迁移学习的初始模型参数，加快新数据集训练的速度并提高训练的精度。

4.  算法模型支持对抗网络训练，能够将对抗机制引入图像识别的深度学习模型学习与训练中，提升模型的鲁棒性和泛化能力

AI训练能力

1. AI平台训练模型可靠，支持不同平台、多GPU的快速训练。

2. 训练后的模型能够在主流的计算个人平台（如PC客户端的windows，linux平台，移动端的Android平台）运行。

3. 也可以在云平台进行部署，实现数据的快速上传和训练，借助云平台实现数据、模型和程序的便捷访问。

4. AI平台支持由简单到复杂的深度学习训练过程，不仅适合初学者熟悉深度学习的简单模型搭建，数据组织和训练的过程，也能够为专业研究者提供全面的模型参数调制功能，在可视化的界面支持下快速的进行模型的训练、调优与比较

数据量存储性能

1. 支持PB级样本数据存储

2. 数据量不受存储类型和操作系统限制，仅受限于存储容量本身

建库处理性能

1. 支持海量样本数据的集群建库处理

2. 4节点集群，切片速度不低于500张/秒

数据服务性能

1. 并发访问用户数不低于1000用户

2. 并发访问响应时间低于1秒

3. 服务提供能力不小于20000小时

4. 系统响应时间：<=1秒；

5.数据存储量：>=10G;

6.运行时间限制：24小时运行；

7.数据精度：双精度。