《數(shù)據(jù)挖掘與機器學(xué)習(xí)》 課件 項目八 中草藥識別-神經(jīng)網(wǎng)絡(luò)

處理中草藥圖像數(shù)據(jù)中草藥識別——神經(jīng)網(wǎng)絡(luò)任務(wù)描述中藥主要由植物藥、動物藥和礦物藥組成，因植物藥占中藥的大多數(shù)，所以中藥也稱中草藥。中國是中草藥的發(fā)源地，中草藥是中國寶貴的傳統(tǒng)文化，目前中國大約有12000種藥用植物。古代先賢對中草藥和中醫(yī)藥學(xué)的深入探索、研究和總結(jié)，使得中草藥得到了廣泛的認(rèn)同與應(yīng)用。中草藥是中國傳統(tǒng)文化的重要組成部分，通過中草藥圖像識別技術(shù)的應(yīng)用，可以促進(jìn)對中草藥知識和傳統(tǒng)醫(yī)藥文化的傳承和保護(hù)，有助于維護(hù)國家的文化多樣性和傳統(tǒng)價值觀念，增強文化自信。處理中草藥圖像數(shù)據(jù)任務(wù)要求使用OpenCV庫讀取圖像數(shù)據(jù)。使用OpenCV庫處理圖像數(shù)據(jù)。處理中草藥圖像數(shù)據(jù)讀取、顯示、保存圖像數(shù)據(jù)圖像縮放灰度化處理二值化處理讀取、顯示、保存圖像數(shù)據(jù)怎么讀取圖像數(shù)據(jù)?處理中草藥圖像數(shù)據(jù)Python中，使用OpenCV庫中的imread函數(shù)讀取圖像數(shù)據(jù)。該方法可以讀取指定路徑下的圖像文件，并將其作為一個NumPy數(shù)組對象存儲在內(nèi)存中。讀取時需要指定顏色模式和通道數(shù)。讀取、顯示、保存圖像數(shù)據(jù)處理中草藥圖像數(shù)據(jù)imread函數(shù)的主要參數(shù)如下。參數(shù)名稱說明filename接收字符串，用于指定圖像文件的路徑和文件名，默認(rèn)值為空字符串''flags接收int或者是枚舉類型，用于讀取圖像的模式，默認(rèn)值為0imread函數(shù)的基本使用格式如下。cv2.imread(filename[,flags])讀取、顯示、保存圖像數(shù)據(jù)怎么顯示圖像數(shù)據(jù)?處理中草藥圖像數(shù)據(jù)顯示圖像數(shù)據(jù)，可以使用OpenCV庫中的imshow函數(shù)。該函數(shù)用于將圖像顯示在新建的窗口中，可以接收NumPy數(shù)組或者PIL

Image對象作為輸入。同時，還可以對圖像進(jìn)行縮放、平移、旋轉(zhuǎn)等操作，方便觀察和調(diào)試。讀取、顯示、保存圖像數(shù)據(jù)怎么保存圖像數(shù)據(jù)?處理中草藥圖像數(shù)據(jù)保存圖像數(shù)據(jù)，可以使用OpenCV庫中的imwrite函數(shù)。該函數(shù)用于將圖像寫入到指定路徑下的文件中，可以接收NumPy數(shù)組或者PILImage對象作為輸入。在保存圖像時，需要指定圖像的格式、保存路徑以及保存質(zhì)量等參數(shù)。讀取、顯示、保存圖像數(shù)據(jù)處理中草藥圖像數(shù)據(jù)導(dǎo)入庫讀取圖像文件顯示圖像保存圖像以野菊花圖片為例，進(jìn)行讀取、顯示、保存圖像，操作流程如下。圖像縮放處理中草藥圖像數(shù)據(jù)當(dāng)需要將一個圖像放大或縮小到一個新的大小時，可以使用雙線性插值來獲取新的像素值。雙線性插值是一種常用的圖像處理技術(shù)，可將低分辨率圖像放大到更高的分辨率，同時保留盡可能多的細(xì)節(jié)和清晰度。圖像縮放處理中草藥圖像數(shù)據(jù)在雙線性插值中，假設(shè)原始圖像中每個像素的值都對應(yīng)于一個連續(xù)的函數(shù)，該函數(shù)在離散像素網(wǎng)格上進(jìn)行采樣。當(dāng)需要計算一個新位置的像素值時，首先在原始圖像中找到最近的四個像素，并計算它們的加權(quán)平均值。這四個像素通常被稱為“參考像素”。使用cv2.resize函數(shù)進(jìn)行圖像縮放01使用thumbnail()方法進(jìn)行圖像縮放02cv2.resize函數(shù)OpenCV庫中的resize函數(shù)進(jìn)行雙線性插值壓縮，其語法格式如下。處理中草藥圖像數(shù)據(jù)resized_image=cv2.resize(src,dsize[,dst[,fx[,fy[,interpolation]]]])resize函數(shù)常用參數(shù)及說明如下。參數(shù)名稱說明src接收str，用于指定圖像、音頻或視頻等，默認(rèn)值為Nonedsize接收tuple[int,int]，用于輸出圖像的大小，默認(rèn)值為Noneinterpolation接收int或str，用于指定圖像縮放時使用的插值算法，默認(rèn)值為cv2.INTER_LINEARthumbnail()方法在Python的圖像處理庫Pillow中，有一種可以縮放圖像的方法叫做thumbnail()。這個方法可以將原始圖像按照指定的尺寸進(jìn)行等比例縮放，并直接修改原始圖像，而不需要生成一個新的縮放后的副本。這個方法非常適合對大量的圖像進(jìn)行批量處理，例如在網(wǎng)站上展示縮略圖時，就可以使用thumbnail()方法來快速生成。然而在圖像處理中，thumbnail通常是一個較小尺寸的圖像版本，用于快速預(yù)覽或顯示。由于thumbnail是原始圖像的縮小版本，因此它們可能會失去一些細(xì)節(jié)和清晰度。處理中草藥圖像數(shù)據(jù)圖像縮放處理中草藥圖像數(shù)據(jù)以野菊花圖片為例，將野菊花圖片壓縮至指定大小(400,400)，并保存圖片。

處理中草藥圖像數(shù)據(jù)中草藥識別——神經(jīng)網(wǎng)絡(luò)任務(wù)描述中藥主要由植物藥、動物藥和礦物藥組成，因植物藥占中藥的大多數(shù)，所以中藥也稱中草藥。中國是中草藥的發(fā)源地，中草藥是中國寶貴的傳統(tǒng)文化，目前中國大約有12000種藥用植物。古代先賢對中草藥和中醫(yī)藥學(xué)的深入探索、研究和總結(jié)，使得中草藥得到了廣泛的認(rèn)同與應(yīng)用。中草藥是中國傳統(tǒng)文化的重要組成部分，通過中草藥圖像識別技術(shù)的應(yīng)用，可以促進(jìn)對中草藥知識和傳統(tǒng)醫(yī)藥文化的傳承和保護(hù)，有助于維護(hù)國家的文化多樣性和傳統(tǒng)價值觀念，增強文化自信。處理中草藥圖像數(shù)據(jù)任務(wù)要求使用OpenCV庫讀取圖像數(shù)據(jù)。使用OpenCV庫處理圖像數(shù)據(jù)。處理中草藥圖像數(shù)據(jù)讀取、顯示、保存圖像數(shù)據(jù)圖像縮放灰度化處理二值化處理灰度化處理什么是灰度化處理圖像數(shù)據(jù)?處理中草藥圖像數(shù)據(jù)在Python圖像識別中，RGB是表示顏色的一種方法，它是由紅色（R）、綠色（G）和藍(lán)色（B）三種基本顏色組合而成。在RGB模式下，每個像素都有一個對應(yīng)的顏色值，其中包括紅、綠、藍(lán)三種顏色的強度值，這些強度值會影響到最終的顏色顯示效果。RGB顏色值的取值范圍為0~255，其中0表示最小亮度（黑色），255表示最大亮度（白色）?；叶然幚硖幚碇胁菟巿D像數(shù)據(jù)在進(jìn)行圖像處理或圖像識別時，經(jīng)常需要對RGB顏色值進(jìn)行處理和計算。因此，了解RGB顏色值的取值范圍非常重要。具體地說，對于一個RGB三通道的像素點，其中每個通道的取值范圍都是0~255，共有256個不同的值。例如，(0,0,0)表示黑色，(255,255,255)表示白色，(255,0,0)表示紅色，(0,255,0)表示綠色，(0,0,255)表示藍(lán)色，(255,255,0)表示黃色等。灰度化處理處理中草藥圖像數(shù)據(jù)當(dāng)需要將一張彩色圖像轉(zhuǎn)換為灰度圖像時，通常使用加權(quán)平均法來計算每個像素的灰度值。這種方法會將每個像素的紅、綠、藍(lán)三個通道的值進(jìn)行加權(quán)平均，得到一個新的灰度值。RGB灰度化系數(shù)是將RGB彩色圖像轉(zhuǎn)換為灰度圖像時所使用的系數(shù)。將彩色圖像轉(zhuǎn)換為灰度圖像的目的是減少圖像數(shù)據(jù)的大小并提高計算效率。在轉(zhuǎn)換過程中，需要用到三個系數(shù)來計算每個像素的灰度值?；叶然幚碓趺椿叶然幚韴D像數(shù)據(jù)?處理中草藥圖像數(shù)據(jù)使用OpenCV庫中的cvtColor函數(shù)可以將圖像轉(zhuǎn)換為灰度圖像，其基本使用格式如下。cv2.cvtColor(src,code[,dst[,dstCn]])灰度化處理怎么灰度化處理圖像數(shù)據(jù)?處理中草藥圖像數(shù)據(jù)cvtColor函數(shù)的主要參數(shù)如下。參數(shù)名稱說明src接收array，用于指定圖像、音頻或視頻等，默認(rèn)值為空code接收int，用于顏色空間轉(zhuǎn)換的類型，默認(rèn)值為空灰度化處理以野菊花圖像為例，進(jìn)行灰度化處理如下。處理中草藥圖像數(shù)據(jù)二值化處理什么是二值化處理圖像數(shù)據(jù)?二值化在圖像處理中是一種常見的操作，它將灰度圖像轉(zhuǎn)換為只有兩種顏色的圖像，通常是黑色和白色。二值化處理可以將圖像轉(zhuǎn)換為只包含黑白兩種顏色的像素矩陣，從而簡化了數(shù)據(jù)集的表示和處理，并提高了模型的效率和準(zhǔn)確率。處理中草藥圖像數(shù)據(jù)二值化處理處理中草藥圖像數(shù)據(jù)在圖像識別中，二值化的必要性如下。二值化可以將圖像中的灰度級別降到最低限度，從而提高圖像的對比度。這使得圖像中的特征更加明顯，有助于提高圖像識別的準(zhǔn)確性。二值化后的圖像只有兩種顏色，其中一種顏色通常是黑色。這使得計算機能夠更快地處理圖像數(shù)據(jù)，同時減少了存儲所需的空間。便于特征提取二值化可以將圖像中的細(xì)節(jié)變得更加突出，從而使得特征提取更加容易。這有助于提高圖像識別的準(zhǔn)確性和效率。減少計算復(fù)雜度提高圖像的對比度二值化處理怎么二值化處理圖像數(shù)據(jù)?處理中草藥圖像數(shù)據(jù)Python中，使用OpenCV庫的threshold函數(shù)可以對圖像進(jìn)行二值化，其基本使用格式如下。threshold(src,thresh,maxval,type[,dst])二值化處理怎么二值化處理圖像數(shù)據(jù)?處理中草藥圖像數(shù)據(jù)threshold函數(shù)的主要參數(shù)如下。參數(shù)名稱說明src接收array，表示輸入的圖像，無默認(rèn)值thresh接收float或int，表示閾值，用于對像素進(jìn)行分類，默認(rèn)值為0type接收int，默認(rèn)值為默認(rèn)值為cv2.THRESH_BINARYdst接收array，表示存儲輸出的圖像，無默認(rèn)值二值化圖像例題處理中草藥圖像數(shù)據(jù)以野菊花圖像為例，進(jìn)行二值化處理如下。處理中草藥圖像數(shù)據(jù)中草藥識別模型——圖像處理、BP神經(jīng)網(wǎng)絡(luò)任務(wù)描述中藥主要由植物藥、動物藥和礦物藥組成，因植物藥占中藥的大多數(shù)，所以中藥也稱中草藥。中國是中草藥的發(fā)源地，中草藥是中國寶貴的傳統(tǒng)文化，目前中國大約有12000種藥用植物。古代先賢對中草藥和中醫(yī)藥學(xué)的深入探索、研究和總結(jié)，使得中草藥得到了廣泛的認(rèn)同與應(yīng)用。中草藥是中國傳統(tǒng)文化的重要組成部分，通過中草藥圖像識別技術(shù)的應(yīng)用，可以促進(jìn)對中草藥知識和傳統(tǒng)醫(yī)藥文化的傳承和保護(hù)，有助于維護(hù)國家的文化多樣性和傳統(tǒng)價值觀念，增強文化自信。處理中草藥圖像數(shù)據(jù)任務(wù)要求使用OpenCV庫讀取圖像數(shù)據(jù)。使用OpenCV庫處理圖像數(shù)據(jù)。處理中草藥圖像數(shù)據(jù)查看中草藥圖像數(shù)據(jù)圖片縮放灰度化處理二值化處理查看中草藥圖像數(shù)據(jù)處理中草藥圖像數(shù)據(jù)導(dǎo)入開發(fā)庫查看文件夾中的文件名查看數(shù)據(jù)使用import導(dǎo)入cv2、os、NumPy等開發(fā)類庫。使用os.listdir函數(shù)查看文件夾中的文件名。中草藥是國家重要的傳統(tǒng)醫(yī)藥資源，中草藥圖像識別采用兩種中草藥的圖像查看數(shù)據(jù)處理中草藥圖像數(shù)據(jù)中草藥圖像識別采用兩種中草藥的圖像，數(shù)據(jù)的形式如下所示中草藥圖像的圖像大小并不統(tǒng)一圖像縮放處理中草藥圖像數(shù)據(jù)使用os庫中os.listdir函數(shù)設(shè)置類別標(biāo)簽使用cv2庫的cv2.imread函數(shù)讀取圖像使用cv2.imwrite函數(shù)保存圖像使用os.path.join函數(shù)設(shè)置文件路徑使用cv2.resize函數(shù)對圖像進(jìn)行放縮灰度化處理處理中草藥圖像數(shù)據(jù)灰度化的目的是為了簡化矩陣，提高運算速度。使用cv2庫的cvtColor函數(shù)對放縮后的圖像進(jìn)行灰度化處理，用cv2.imwrite函數(shù)保存圖像。二值化處理并將圖像轉(zhuǎn)換為特征向量使用cv2庫的cv2.threshold函數(shù)將灰度圖像進(jìn)行二值化處理，并用cv2.imwrite函數(shù)保存圖像。使用NumPy庫的np.array函數(shù)將圖像轉(zhuǎn)換為數(shù)組，并用flatten函數(shù)將數(shù)組展開為一維的特征向量。處理中草藥圖像數(shù)據(jù)獲取數(shù)據(jù)標(biāo)簽設(shè)置圖像文件夾的路徑，并獲取數(shù)據(jù)標(biāo)簽。使用enumerate函數(shù)遍歷文件名，并為每個文件名生成一個索引，將文件名的第一個字符轉(zhuǎn)換為整數(shù)并保存在表格y中。處理中草藥圖像數(shù)據(jù)查看特征向量和數(shù)據(jù)標(biāo)簽處理中草藥圖像數(shù)據(jù)檢驗特征向量數(shù)據(jù)標(biāo)簽。用print('：\n',y)輸出圖像文件的特征向量和數(shù)據(jù)標(biāo)簽。構(gòu)建中草藥識別模型中草藥識別——神經(jīng)網(wǎng)絡(luò)任務(wù)描述古語有云，對癥下藥。醫(yī)生需正確識別中草藥才能準(zhǔn)確無誤的為患者抓取所需藥材。如果抓取藥材時差之毫厘，那么可能造成謬以千里的結(jié)果，患者的癥狀非但沒有減輕，反而加重，由此可見準(zhǔn)確識別中草藥的重要性。本任務(wù)將使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行中草藥的識別。構(gòu)建中草藥識別模型任務(wù)要求使用sklearn庫建立BP神經(jīng)網(wǎng)絡(luò)模型。構(gòu)建中草藥識別模型BP神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)什么是BP神經(jīng)網(wǎng)絡(luò)?構(gòu)建中草藥識別模型BP神經(jīng)網(wǎng)絡(luò)，即反向傳播神經(jīng)網(wǎng)絡(luò)（BackpropagationNeuralNetwork）。BP神經(jīng)網(wǎng)絡(luò)是一種廣泛應(yīng)用于分類、回歸和聚類等任務(wù)的人工神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)構(gòu)建中草藥識別模型BP神經(jīng)網(wǎng)絡(luò)由一個輸入層、隱藏層和一個輸出層組成。每個層都包含多個神經(jīng)元，每個神經(jīng)元與上一層的所有神經(jīng)元相互連接，并且每個連接都有一個對應(yīng)的權(quán)重。在訓(xùn)練過程中，BP神經(jīng)網(wǎng)絡(luò)使用反向傳播算法來更新每個權(quán)重，以使網(wǎng)絡(luò)的輸出盡可能地接近于真實值。BP神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)運行基本步驟構(gòu)建中草藥識別模型前向傳播：將訓(xùn)練數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，計算網(wǎng)絡(luò)輸出。1計算誤差：將網(wǎng)絡(luò)輸出與真實輸出比較，計算誤差。2反向傳播誤差：從輸出層開始，將誤差反向傳播回每個神經(jīng)元，計算每個神經(jīng)元的誤差梯度。3更新權(quán)重：根據(jù)誤差梯度和學(xué)習(xí)率更新每個神經(jīng)元的權(quán)重值。4重復(fù)以上步驟，直到網(wǎng)絡(luò)的誤差滿足要求或達(dá)到最大訓(xùn)練次數(shù)。5BP神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)優(yōu)缺點構(gòu)建中草藥識別模型優(yōu)點能夠?qū)Ψ蔷€性模式進(jìn)行擬合，并且可以應(yīng)用于多種任務(wù)缺點需要大量的訓(xùn)練數(shù)據(jù)和計算資源，并且容易過擬合因此，在實際應(yīng)用中，需要根據(jù)具體任務(wù)選擇合適的網(wǎng)絡(luò)結(jié)構(gòu)、參數(shù)和優(yōu)化算法，以提高網(wǎng)絡(luò)的性能和泛化能力。BP神經(jīng)網(wǎng)絡(luò)在Python中，使用sklearn庫MLPClassifier類可以建立BP神經(jīng)網(wǎng)絡(luò)模型其基本使用格式如下。構(gòu)建中草藥識別模型classsklearn.neural_network.MLPClassifier(hidden_layer_sizes=(100,),activation='relu',*,solver='adam’,alpha=0.0001,batch_size='auto’,learning_rate='constant',learning_rate_init=0.001,power_t=0.5,max_iter=200,shuffle=True,random_state=None,tol=0.0001,verbose=False,warm_start=False,momentum=0.9,nesterovs_momentum=True,early_stopping=False,validation_fraction=0.1,beta_1=0.9,beta_2=0.999,epsilon=1e-08,n_iter_no_change=10,max_fun=15000)BP神經(jīng)網(wǎng)絡(luò)MLPClassifier類常用的參數(shù)及其說明如下。構(gòu)建中草藥識別模型參數(shù)名稱說明hidden_layer_sizes接收tuple、length，用于表示隱層的個數(shù)和每個隱層中的神經(jīng)元個數(shù)，默認(rèn)值為100activation接收tanh、relu，用于指定激活函數(shù)類型，默認(rèn)為'relu'solver接收sgd、adam，用于指定正則化的懲罰系數(shù)，默認(rèn)值為adambatch_size接收int，用于指定每次迭代中使用的樣本數(shù)，默認(rèn)值為autolearning_rate_init接收double，用于指定學(xué)習(xí)率的初始值，默認(rèn)值為0.001BP神經(jīng)網(wǎng)絡(luò)花卉識別可以幫助植物學(xué)家、生態(tài)學(xué)家和環(huán)