许可证：知识共享署名-非商业性使用-相同方式共享 4.0 国际
支持语言：

• 英文
• 中文

评估指标：

• 准确率

任务类型：图像分割

技术标签：

• Keras
• TF-Keras
• TensorFlow
• 生物学
• 农业
• 杂草识别
• 植被分析
• 伪装检测
• 深度学习
• 影像处理
• 医学影像
• 森林火灾
• 野火防控
• 可燃物分析

模型信息 - fire火-fuel薪-vegetation植被-image-segmentation-1.0

• 功能：针对叶片植被的RGB三通道二元分割，适用于灌木/乔木场景
• 医疗潜力：原始设计可能包含医学影像分析用途
• 训练特性：
  • 专有物种定向训练
  • 采用语义分割提升精度
  • 基于Keras/TensorFlow的.h5监督模型
• 扩展应用：
  • 支持LoRA等迁移学习与微调
  • 数据来源为手工标注掩膜样本（含部分合成数据增强）
• 创新场景：需配合特定植被影像使用
• 跨领域应用：
  • 植被二维面积测算
  • 野火可燃物评估
  • 土地覆盖变化监测
  • 医疗影像分析
  • 电力线路清障
  • 有害杂草识别
  • 环境评估
  • 伪装目标检测

森林火灾可燃物分析

• 基础植被分割模型的LoRA适配器
• 当前示例不可用
• 适用场景：中度至严重虫害枯死林
• 数据源：科罗拉多州针叶林可燃物

美国林务局区域火险等级：

LoRA适配的可燃物图层与林务局火险等级叠加效果

开发者：Mark Rodrigo
关联代码库：https://github.com/mprodrigo（即将开放）
模型架构：改进型U-Net

输入输出规格

• 输入尺寸：256×256×3（RGB）
• 输出尺寸：256×256×1（二值掩膜）

参考实现

待补充

调用示例

Keras方式

import keras
model = keras.models.load_model('../model/image-segmentation-vegetation-1.0.keras')
model.summary()

或

import keras
loaded_model = keras.models.load_model('/path/to/image-segmentation-vegetation-1.0.h5')
loaded_model.summary()

TensorFlow参考
https://www.tensorflow.org/tutorials/keras/save_and_load

目标植被识别精度

兰德指数：0.92-0.96（受纬度及区域植被色彩差异影响）

训练数据

• 3840张256×256 RGB图像及对应二值掩膜
• 验证集占比约1/3
• 按纬度和区域划分测试集（目标物种存在地域性色彩差异）

超参数配置

训练指标

框架版本

• Keras 3.6.0
• TensorFlow 2.16.2