Mindket

Agrishield Ai

新上架第 1 版 · 更新于

概览

把植物病害模型和一个治疗建议文件打包成 Docker 网页应用,从文件看它会查看植物图片并给出处理建议。适合种植者、学生和开发者。

Agrishield Ai 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Windows、macOS 或 Linux 上的 Docker
  • 装有 pip 的 Python,这里只用来下载文件
  • Hugging Face hub 客户端,第一步会安装它
用在
  • 浏览器:打开 Hugging Face 上这个 Space 的页面,不用安装任何东西
  • 在 Windows、macOS 或 Linux 上,使用 Docker 的副本
先运行
pip install -U huggingface_hub
hf download Vratika7/agrishield-ai --repo-type space --local-dir agrishield-ai
cd agrishield-ai

平台

Windows操作系统
macOS操作系统
Linux操作系统
Docker容器

关于

它是什么

这是一个 Docker Space,里面有一个植物病害模型、一份类别清单和一个治疗建议文件。从这些文件看,它会根据植物图片判断病害并给出处理办法。来源没有任何说明,所以这个理解来自文件名。templates 和 static 文件夹说明有一个由 app.py 提供的网页。

适合谁

它适合想试用植物病害检查器的种植者和学生,也适合想看训练好的模型是怎样被包装进小型网页应用的开发者。

IndustryWho uses itHow they use itExample
农业小型种植者对看起来生病的叶子试用基于图片的检查上传一张叶子的照片,读结果
教育农学学生看图像模型是怎样和治疗建议配合的把结果和治疗建议文件对照
软件开发者研究围绕 Keras 模型的小型 Docker 网页应用打开 app.py 和 remedies.py

如果你需要可以信赖的诊断,可以跳过它,因为来源没有给出准确率数字。

用在哪里

  • 浏览器:打开 Hugging Face 上这个 Space 的页面,不用安装任何东西
  • 在 Windows、macOS 或 Linux 上,使用 Docker 的副本
Use caseWhoWhat they get back
检查叶子照片种植者一个可能的病害名称和处理办法,如果页面像文件暗示的那样工作
研究模型学生一个训练好的模型文件和它的类别清单
阅读代码开发者一个带有模板和 Dockerfile 的小型网页应用

如何设置

在线版本什么都不用准备。要在自己的电脑上运行副本,你需要下面这些。

  • Windows、macOS 或 Linux 上的 Docker
  • 装有 pip 的 Python,这里只用来下载文件
  • Hugging Face hub 客户端,第一步会安装它
  1. 安装 Hugging Face hub 客户端。
  2. 把这个 Space 的文件下载到本地文件夹。
  3. 进入这个文件夹。
  4. 用 Docker 构建镜像。
  5. 运行容器并发布 7860 端口。
pip install -U huggingface_hub
hf download Vratika7/agrishield-ai --repo-type space --local-dir agrishield-ai
cd agrishield-ai
docker build -t agrishield-ai .
docker run -it -p 7860:7860 agrishield-ai

如何使用

在线使用时,打开这个 Space 的页面,按它显示的内容操作。在自己的电脑上,按上面所示构建并运行容器,然后在浏览器里打开 7860 端口。来源没有描述页面,所以请照着它的标签操作。

示例

你给一片看起来不健康的叶子拍照,并上传到页面。如果应用像它的文件暗示的那样工作,它会指出一个可能的病害,并列出处理办法。来源没有给出示例结果。

新手与专家

如果你是新手,试一张清晰、近距离、光线好的单片叶子照片。把答案当作提示,在给作物用药之前先问问当地的专家。

如果你熟悉这个领域,仓库里有一个 Keras 模型文件、一个类别索引的 JSON 文件和一个治疗建议模块,通过 Docker 镜像在 7860 端口提供服务。这个 Space 运行在 Hugging Face 的 cpu-basic 硬件上。来源没有列出模型涵盖的植物种类或类别。

  1. 你上传一张植物图片
  2. 模型预测一个类别
  3. 类别索引对应到病害名称
  4. 治疗建议文件给出处理办法

注意事项

来源很简短,所以没有描述支持的植物和准确率。

  • License: mit,按 Hugging Face 上的标注
  • Cost to run: 没有提到 API 密钥或付费服务,在线版本运行在 cpu-basic 硬件上
  • Data it reaches: 你上传的图片,在线 Space 在 Hugging Face 的服务器上处理它们,本地副本会下载这个 Space 的文件
  • Not for: 来源没有列出排除项,但不要把它的输出当作关于作物处理的专家意见

README 和文件

README

Agrishield Ai

把植物病害模型和一个治疗建议文件打包成 Docker 网页应用,从文件看它会查看植物图片并给出处理建议。适合种植者、学生和开发者。

由 Vratika7 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这是一个 Docker Space,里面有一个植物病害模型、一份类别清单和一个治疗建议文件。从这些文件看,它会根据植物图片判断病害并给出处理办法。来源没有任何说明,所以这个理解来自文件名。templates 和 static 文件夹说明有一个由 app.py 提供的网页。

适合谁:它适合想试用植物病害检查器的种植者和学生,也适合想看训练好的模型是怎样被包装进小型网页应用的开发者。

Industry | Who uses it | How they use it | Example
农业 | 小型种植者 | 对看起来生病的叶子试用基于图片的检查 | 上传一张叶子的照片,读结果
教育 | 农学学生 | 看图像模型是怎样和治疗建议配合的 | 把结果和治疗建议文件对照
软件 | 开发者 | 研究围绕 Keras 模型的小型 Docker 网页应用 | 打开 app.py 和 remedies.py

如果你需要可以信赖的诊断,可以跳过它,因为来源没有给出准确率数字。

用在哪里:

  • 浏览器:打开 Hugging Face 上这个 Space 的页面,不用安装任何东西
  • 在 Windows、macOS 或 Linux 上,使用 Docker 的副本
Use case | Who | What they get back
检查叶子照片 | 种植者 | 一个可能的病害名称和处理办法,如果页面像文件暗示的那样工作
研究模型 | 学生 | 一个训练好的模型文件和它的类别清单
阅读代码 | 开发者 | 一个带有模板和 Dockerfile 的小型网页应用

如何设置:在线版本什么都不用准备。要在自己的电脑上运行副本,你需要下面这些。

  • Windows、macOS 或 Linux 上的 Docker
  • 装有 pip 的 Python,这里只用来下载文件
  • Hugging Face hub 客户端,第一步会安装它
  1. 安装 Hugging Face hub 客户端。
  2. 把这个 Space 的文件下载到本地文件夹。
  3. 进入这个文件夹。
  4. 用 Docker 构建镜像。
  5. 运行容器并发布 7860 端口。
pip install -U huggingface_hub
hf download Vratika7/agrishield-ai --repo-type space --local-dir agrishield-ai
cd agrishield-ai
docker build -t agrishield-ai .
docker run -it -p 7860:7860 agrishield-ai

如何使用:在线使用时,打开这个 Space 的页面,按它显示的内容操作。在自己的电脑上,按上面所示构建并运行容器,然后在浏览器里打开 7860 端口。来源没有描述页面,所以请照着它的标签操作。

示例:你给一片看起来不健康的叶子拍照,并上传到页面。如果应用像它的文件暗示的那样工作,它会指出一个可能的病害,并列出处理办法。来源没有给出示例结果。

新手与专家:如果你是新手,试一张清晰、近距离、光线好的单片叶子照片。把答案当作提示,在给作物用药之前先问问当地的专家。

如果你熟悉这个领域,仓库里有一个 Keras 模型文件、一个类别索引的 JSON 文件和一个治疗建议模块,通过 Docker 镜像在 7860 端口提供服务。这个 Space 运行在 Hugging Face 的 cpu-basic 硬件上。来源没有列出模型涵盖的植物种类或类别。

你上传一张植物图片
模型预测一个类别
类别索引对应到病害名称
治疗建议文件给出处理办法

注意事项:来源很简短,所以没有描述支持的植物和准确率。

  • License: mit,按 Hugging Face 上的标注
  • Cost to run: 没有提到 API 密钥或付费服务,在线版本运行在 cpu-basic 硬件上
  • Data it reaches: 你上传的图片,在线 Space 在 Hugging Face 的服务器上处理它们,本地副本会下载这个 Space 的文件
  • Not for: 来源没有列出排除项,但不要把它的输出当作关于作物处理的专家意见

Hugging Face 上的数据(2026年11月13日)

  • 点赞:1
  • 构建方式:docker
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/Vratika7/agrishield-ai
  • 文件:https://huggingface.co/spaces/Vratika7/agrishield-ai/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
Agrishield Ai 本页1dockermit
AI Jukebox共有 docker426dockermit
AUDIO共有 docker25dockerapache-2.0
Swap Face Model共有 docker21dockermit
Xiaomi OCR 0 Demo共有 docker18dockerapache-2.0
Image To Relief共有 docker3dockermit
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

效率类的相似商品

查看效率类的全部商品

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k