Paramètres

Labels du modèle unique

Un seul modèle .pt pour toutes les cultures. Le class_id dans chaque fichier .txt = l'index du label (0, 1, 2…). Après un entraînement, les labels utilisés sont verrouillés (ordre fixe). Vous pouvez en ajouter à la fin ; supprimer uniquement un label jamais entraîné et sans annotation. Contrôle dataset

class_id Label État Annotations
0 weed Verrouillé 38 bbox
1 maize Verrouillé 9196 bbox
2 rapeseed Verrouillé 683 bbox
Ajouté à la fin de la liste (nouveau class_id).

3 label(s) verrouillé(s) par le dernier entraînement.

File de validation

39999 bbox en attente de validation. Confiance dans la file : 0.65 à 0.90 (seuil d'inférence actuel : conf_min = 0.6).

Supprime les bbox dont la confiance est strictement inférieure au seuil. Ex. 0.65 supprime tout ce qui est < 65 %.

Suppression en cours…

0 %

Ne fermez pas cette page. L’opération peut prendre jusqu’à une minute.

Hyperparamètres YOLO

Entier ou « auto » (4 en CPU, 16 en GPU)

Augmentation de données

Modèle de base & vidéo

1 frame analysée toutes les N images de la vidéo.
Limite pour éviter surcharge disque/RAM (défaut : 30).
Copie uniquement (pas de file validation). Utile pour inspection ou annotation manuelle ultérieure.

Entraînement

Ex. 0.2 = 80 % train / 20 % val (recalculé à chaque entraînement).

Entraînement automatique (récurrence)

L'app doit rester lancée. Au créneau prévu, l'entraînement auto ne démarre que s'il y a de nouvelles images ou annotations depuis le dernier entraînement terminé. Sinon il est ignoré (nouvelle tentative au créneau suivant). Entraînement manuel : Dashboard.

Ex. 1 = chaque jour, 7 = chaque semaine.

État

Actif Dernier auto : 2026-08-04
Prochain créneau : 2026-08-11 01:00
Nouvelles données depuis le dernier entraînement.

Notifications Telegram

Utilise le token et le Chat ID saisis ci-dessus (enregistrez ensuite pour les conserver).
Annuler