Мультисекторальный центр по разработке моделей для эффективной фенологической классификации на этапе огурцов

arXiv:2610.37118v1 Annualce Type: New Humber: Vision Foundation Models (VFM), предварительно обученные самоконтролям обучения, например DINOv2, обеспечивают высокопереносимые характеристики, однако их адаптация к небольшим, переключенным на домен наборам данных по-прежнему сопряжена с трудностями. Мы предлагаем регулярную многоотраслевую ансамбльную схему: программу подготовки и вывода, которая сочетает в себе низко- и высокопроизводительные отрасли, выборку одного отделения стохастно на каждом этапе обучения и усреднение обеих ветвей вероятного пространства. Проект предусматривает добавление незначительных параметров и, по сути дела, отсутствие каких-либо выводов относительно накладных расходов в отношении одной большой головы при одновременном повышении точности и эффективности в условиях дефицита данных. Точная классификация этапов роста растений имеет решающее значение для точного ведения сельского хозяйства, что позволяет своевременно принимать решения по вопросам обогащения, орошения и сбора урожая. Поэтому в качестве сложного практического случая мы используем классификацию огурцовых фенологических стадий, где цветы и фрукты часто заклепаются листвем.