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
• 语义分割
• 医学应用
• 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

• 针对叶片植被的RGB三通道二元分割，适用于灌木或乔木场景
• 具备潜在医学应用价值（原始设计目标）
• 经过特定物种专项训练，采用语义分割确保精度
• 基于Keras/TensorFlow的.h5监督学习模型
• 支持LoRA等迁移学习与微调拓展
• 数据来源为手绘掩膜样本（专有数据集）
• 部分源数据已进行合成数据衍生
• 创新应用需配合特定植被影像
• 扩展场景：植被二维面积测算、野火可燃物评估、地表覆盖变化监测、医学影像分析、线路清障、毒草识别、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
示例说明 - 当前不可用
中度至严重甲虫害枯木分析
科罗拉多州针叶林可燃物分布

美国林务局区域火险等级

LoRA适配可燃物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

模型输入输出规格

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

参考信息

待补充

示例代码

Keras调用

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

目标植被评估精度

兰德指数：0.92-0.96（受地理纬度与区域植被色差影响）

训练与验证数据

• 3840张256×256 RGB图像及对应二值掩膜
• 约1/3数据用于验证
• 按纬度和区域划分测试集（目标物种存在地域色差）

训练超参数

• 学习率：1e-04
• 训练批次：8
• 评估批次：3
• 分布式类型：多GPU
• 设备数量：2
• 批次步长：60
• 评估步长：9
• 优化器：Adam
• 训练轮次：8

训练结果

框架版本

Keras 3.6.0
TensorFlow 2.16.2