Mindket

Food Waste CV

新上架第 1 版 · 更新于

概览

用小型 YOLO11n 检测器在照片里找出食堂餐盘上的食物浪费类别。这是一个早期原型,用于探索和初步分类,不用于核算或合规。

Food Waste CV 是一款工具包,属于商务类,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
  • Python 3.11
  • Windows、macOS 或 Linux
  • requirements.txt 里列出的包
用在
  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Python 3.11 运行本地副本
先运行
pip install -U huggingface_hub
hf download archiii/food-waste-cv-demo --repo-type space --local-dir food-waste-cv-demo
cd food-waste-cv-demo

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Food Waste CV 是一个早期原型,版本 0.3,用来在食堂餐盘照片里找出食物浪费的类别。YOLO11n 目标检测器会寻找米饭、蔬菜、熟肉、碳水、纸巾和酱汁。它是一个用于探索的 Gradio 演示。

适合谁

它适合想看看计算机视觉如何给餐盘浪费分类的食堂管理者、可持续发展团队和学生。想把一个小型检测器包进 Gradio 页面的开发者也适合用它。

行业谁在用怎么用例子
餐饮服务食堂管理者探索退回餐盘上都剩下了什么上传一张餐盘照片并查看标签
可持续发展减少浪费的团队在全面研究前先对浪费类别做初步分类查看检测器找到了哪些类别
教育计算机视觉专业的学生研究一个小型 YOLO 检测器阅读 app.py 和权重文件
软件开发者把自定义检测器包进网页演示换成自己的权重

需要自动核算或合规报告的人可以跳过它,因为作者说它不是为此设计的。

用在哪里

这个演示可以在两个地方运行。

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Python 3.11 运行本地副本
Use caseWhoWhat they get back
餐盘照片检查食堂员工餐盘上找到的浪费类别的标签
初步分类可持续发展团队对剩下哪些食物的粗略了解
检测器学习学生一个带训练好权重的可运行示例

如何设置

在线页面不需要安装任何东西。本地副本需要下面这些。

  • Python 3.11
  • Windows、macOS 或 Linux
  • requirements.txt 里列出的包
  1. 安装 Python 3.11。
  2. 安装 Hugging Face 的 hub 包,并下载这个 Space 的副本。
  3. 进入新文件夹,安装 Gradio 5.25.0 和 requirements.txt 里的包。
  4. 用 python app.py 启动应用。
pip install -U huggingface_hub
hf download archiii/food-waste-cv-demo --repo-type space --local-dir food-waste-cv-demo
cd food-waste-cv-demo
pip install gradio==5.25.0
pip install -r requirements.txt
python app.py

如何使用

打开页面,给它一张食堂餐盘的照片,查看它标出的类别。在本地副本上,用下面这条命令启动页面。

python app.py
工具作用
YOLO11n 检测器在照片里找出食物浪费类别
best.pt应用加载的训练好的权重
app.py存放 Gradio 页面
requirements.txt列出应用需要的 Python 包

示例

你上传一张用过的餐盘照片,上面有米饭、一张纸巾和一些酱汁。页面会标出它认出的物品和类别,不过可能会漏掉一些。

新手与专家

如果你刚接触这类工具,把输出当作初步印象。逐项自己核对标出的物品,因为即使标签没错,检测器也可能漏掉东西。

如果你熟悉这个领域,这是一个在 960 图像尺寸下训练的 YOLO11n 模型,验证集 mAP50 约为 0.43。作者报告说它对纸巾和酱汁最可靠,对其他类别则偏保守。也就是说,它给出的标签通常是对的,但有些物品检测不到。

  1. 餐盘照片
  2. YOLO11n 检测浪费物品
  3. 给类别打标签
  4. 你复查它漏掉的东西

注意事项

这是早期成果。应用本身带有使用说明,作者表示只用于探索和初步分类。

  • License: AGPL-3.0,继承自 Ultralytics YOLO11
  • Cost to run: 未提及
  • Data it reaches: 你给它的照片和仓库里的权重文件
  • Not for: 自动核算或合规用途

README 和文件

README

Food Waste CV

用小型 YOLO11n 检测器在照片里找出食堂餐盘上的食物浪费类别。这是一个早期原型,用于探索和初步分类,不用于核算或合规。

由 archiii 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:Food Waste CV 是一个早期原型,版本 0.3,用来在食堂餐盘照片里找出食物浪费的类别。YOLO11n 目标检测器会寻找米饭、蔬菜、熟肉、碳水、纸巾和酱汁。它是一个用于探索的 Gradio 演示。

适合谁:它适合想看看计算机视觉如何给餐盘浪费分类的食堂管理者、可持续发展团队和学生。想把一个小型检测器包进 Gradio 页面的开发者也适合用它。

行业 | 谁在用 | 怎么用 | 例子
餐饮服务 | 食堂管理者 | 探索退回餐盘上都剩下了什么 | 上传一张餐盘照片并查看标签
可持续发展 | 减少浪费的团队 | 在全面研究前先对浪费类别做初步分类 | 查看检测器找到了哪些类别
教育 | 计算机视觉专业的学生 | 研究一个小型 YOLO 检测器 | 阅读 app.py 和权重文件
软件 | 开发者 | 把自定义检测器包进网页演示 | 换成自己的权重

需要自动核算或合规报告的人可以跳过它,因为作者说它不是为此设计的。

用在哪里:这个演示可以在两个地方运行。

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Python 3.11 运行本地副本
Use case | Who | What they get back
餐盘照片检查 | 食堂员工 | 餐盘上找到的浪费类别的标签
初步分类 | 可持续发展团队 | 对剩下哪些食物的粗略了解
检测器学习 | 学生 | 一个带训练好权重的可运行示例

如何设置:在线页面不需要安装任何东西。本地副本需要下面这些。

  • Python 3.11
  • Windows、macOS 或 Linux
  • requirements.txt 里列出的包
  1. 安装 Python 3.11。
  2. 安装 Hugging Face 的 hub 包,并下载这个 Space 的副本。
  3. 进入新文件夹,安装 Gradio 5.25.0 和 requirements.txt 里的包。
  4. 用 python app.py 启动应用。
pip install -U huggingface_hub
hf download archiii/food-waste-cv-demo --repo-type space --local-dir food-waste-cv-demo
cd food-waste-cv-demo
pip install gradio==5.25.0
pip install -r requirements.txt
python app.py

如何使用:打开页面,给它一张食堂餐盘的照片,查看它标出的类别。在本地副本上,用下面这条命令启动页面。

python app.py
工具 | 作用
YOLO11n 检测器 | 在照片里找出食物浪费类别
best.pt | 应用加载的训练好的权重
app.py | 存放 Gradio 页面
requirements.txt | 列出应用需要的 Python 包

示例:你上传一张用过的餐盘照片,上面有米饭、一张纸巾和一些酱汁。页面会标出它认出的物品和类别,不过可能会漏掉一些。

新手与专家:如果你刚接触这类工具,把输出当作初步印象。逐项自己核对标出的物品,因为即使标签没错,检测器也可能漏掉东西。

如果你熟悉这个领域,这是一个在 960 图像尺寸下训练的 YOLO11n 模型,验证集 mAP50 约为 0.43。作者报告说它对纸巾和酱汁最可靠,对其他类别则偏保守。也就是说,它给出的标签通常是对的,但有些物品检测不到。

餐盘照片
YOLO11n 检测浪费物品
给类别打标签
你复查它漏掉的东西

注意事项:这是早期成果。应用本身带有使用说明,作者表示只用于探索和初步分类。

  • License: AGPL-3.0,继承自 Ultralytics YOLO11
  • Cost to run: 未提及
  • Data it reaches: 你给它的照片和仓库里的权重文件
  • Not for: 自动核算或合规用途

Hugging Face 上的数据(2026年11月13日)

  • 点赞:1
  • 构建方式:gradio
  • 许可证:agpl-3.0

链接

  • Space:https://huggingface.co/spaces/archiii/food-waste-cv-demo
  • 文件:https://huggingface.co/spaces/archiii/food-waste-cv-demo/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
Food Waste CV 本页1gradioagpl-3.0
Signature Detection共有 gradio12gradioagpl-3.0
Salamtak سلامتك共有 gradio2gradioagpl-3.0
Customer Churn Predictor共有 gradio1gradiomit
Whisper Chileno共有 gradio1gradioapache-2.0
Medical Insight Explorer Agent共有 gradio1gradiomit
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

商务类的相似商品

查看商务类的全部商品

pplx-decider-v1.1-27b

perplexity-ai · 工具包

根据文字和图片为一个决策挑出最合适的选项,比如哪个团队应该处理一条请求,并给出每个选项的概率,适合构建分流和审核工作流的开发者。

新上架

NuExtract3

numind · 工具包

以文本或图像读取文档,按你要的字段填写 JSON 模板,或把页面转成 Markdown。这是一个 4B 模型,适合处理扫描件、表单和发票的团队。

新上架

Drex DLM

nace-ai · 工具包

一次推理就对一份文档的是非题、选择题和打分题给出每个选项的概率。这是 Nace.AI 的 8B 决策模型,你可以自己运行,许可证为非商业。

新上架