《数据挖掘与机器学习》 课件 项目八 中草药识别-神经网络

处理中草药图像数据中草药识别——神经网络任务描述中药主要由植物药、动物药和矿物药组成，因植物药占中药的大多数，所以中药也称中草药。中国是中草药的发源地，中草药是中国宝贵的传统文化，目前中国大约有12000种药用植物。古代先贤对中草药和中医药学的深入探索、研究和总结，使得中草药得到了广泛的认同与应用。中草药是中国传统文化的重要组成部分，通过中草药图像识别技术的应用，可以促进对中草药知识和传统医药文化的传承和保护，有助于维护国家的文化多样性和传统价值观念，增强文化自信。处理中草药图像数据任务要求使用OpenCV库读取图像数据。使用OpenCV库处理图像数据。处理中草药图像数据读取、显示、保存图像数据图像缩放灰度化处理二值化处理读取、显示、保存图像数据怎么读取图像数据?处理中草药图像数据Python中，使用OpenCV库中的imread函数读取图像数据。该方法可以读取指定路径下的图像文件，并将其作为一个NumPy数组对象存储在内存中。读取时需要指定颜色模式和通道数。读取、显示、保存图像数据处理中草药图像数据imread函数的主要参数如下。参数名称说明filename接收字符串，用于指定图像文件的路径和文件名，默认值为空字符串''flags接收int或者是枚举类型，用于读取图像的模式，默认值为0imread函数的基本使用格式如下。cv2.imread(filename[,flags])读取、显示、保存图像数据怎么显示图像数据?处理中草药图像数据显示图像数据，可以使用OpenCV库中的imshow函数。该函数用于将图像显示在新建的窗口中，可以接收NumPy数组或者PIL

Image对象作为输入。同时，还可以对图像进行缩放、平移、旋转等操作，方便观察和调试。读取、显示、保存图像数据怎么保存图像数据?处理中草药图像数据保存图像数据，可以使用OpenCV库中的imwrite函数。该函数用于将图像写入到指定路径下的文件中，可以接收NumPy数组或者PILImage对象作为输入。在保存图像时，需要指定图像的格式、保存路径以及保存质量等参数。读取、显示、保存图像数据处理中草药图像数据导入库读取图像文件显示图像保存图像以野菊花图片为例，进行读取、显示、保存图像，操作流程如下。图像缩放处理中草药图像数据当需要将一个图像放大或缩小到一个新的大小时，可以使用双线性插值来获取新的像素值。双线性插值是一种常用的图像处理技术，可将低分辨率图像放大到更高的分辨率，同时保留尽可能多的细节和清晰度。图像缩放处理中草药图像数据在双线性插值中，假设原始图像中每个像素的值都对应于一个连续的函数，该函数在离散像素网格上进行采样。当需要计算一个新位置的像素值时，首先在原始图像中找到最近的四个像素，并计算它们的加权平均值。这四个像素通常被称为“参考像素”。使用cv2.resize函数进行图像缩放01使用thumbnail()方法进行图像缩放02cv2.resize函数OpenCV库中的resize函数进行双线性插值压缩，其语法格式如下。处理中草药图像数据resized_image=cv2.resize(src,dsize[,dst[,fx[,fy[,interpolation]]]])resize函数常用参数及说明如下。参数名称说明src接收str，用于指定图像、音频或视频等，默认值为Nonedsize接收tuple[int,int]，用于输出图像的大小，默认值为Noneinterpolation接收int或str，用于指定图像缩放时使用的插值算法，默认值为cv2.INTER_LINEARthumbnail()方法在Python的图像处理库Pillow中，有一种可以缩放图像的方法叫做thumbnail()。这个方法可以将原始图像按照指定的尺寸进行等比例缩放，并直接修改原始图像，而不需要生成一个新的缩放后的副本。这个方法非常适合对大量的图像进行批量处理，例如在网站上展示缩略图时，就可以使用thumbnail()方法来快速生成。然而在图像处理中，thumbnail通常是一个较小尺寸的图像版本，用于快速预览或显示。由于thumbnail是原始图像的缩小版本，因此它们可能会失去一些细节和清晰度。处理中草药图像数据图像缩放处理中草药图像数据以野菊花图片为例，将野菊花图片压缩至指定大小(400,400)，并保存图片。

处理中草药图像数据中草药识别——神经网络任务描述中药主要由植物药、动物药和矿物药组成，因植物药占中药的大多数，所以中药也称中草药。中国是中草药的发源地，中草药是中国宝贵的传统文化，目前中国大约有12000种药用植物。古代先贤对中草药和中医药学的深入探索、研究和总结，使得中草药得到了广泛的认同与应用。中草药是中国传统文化的重要组成部分，通过中草药图像识别技术的应用，可以促进对中草药知识和传统医药文化的传承和保护，有助于维护国家的文化多样性和传统价值观念，增强文化自信。处理中草药图像数据任务要求使用OpenCV库读取图像数据。使用OpenCV库处理图像数据。处理中草药图像数据读取、显示、保存图像数据图像缩放灰度化处理二值化处理灰度化处理什么是灰度化处理图像数据?处理中草药图像数据在Python图像识别中，RGB是表示颜色的一种方法，它是由红色（R）、绿色（G）和蓝色（B）三种基本颜色组合而成。在RGB模式下，每个像素都有一个对应的颜色值，其中包括红、绿、蓝三种颜色的强度值，这些强度值会影响到最终的颜色显示效果。RGB颜色值的取值范围为0~255，其中0表示最小亮度（黑色），255表示最大亮度（白色）。灰度化处理处理中草药图像数据在进行图像处理或图像识别时，经常需要对RGB颜色值进行处理和计算。因此，了解RGB颜色值的取值范围非常重要。具体地说，对于一个RGB三通道的像素点，其中每个通道的取值范围都是0~255，共有256个不同的值。例如，(0,0,0)表示黑色，(255,255,255)表示白色，(255,0,0)表示红色，(0,255,0)表示绿色，(0,0,255)表示蓝色，(255,255,0)表示黄色等。灰度化处理处理中草药图像数据当需要将一张彩色图像转换为灰度图像时，通常使用加权平均法来计算每个像素的灰度值。这种方法会将每个像素的红、绿、蓝三个通道的值进行加权平均，得到一个新的灰度值。RGB灰度化系数是将RGB彩色图像转换为灰度图像时所使用的系数。将彩色图像转换为灰度图像的目的是减少图像数据的大小并提高计算效率。在转换过程中，需要用到三个系数来计算每个像素的灰度值。灰度化处理怎么灰度化处理图像数据?处理中草药图像数据使用OpenCV库中的cvtColor函数可以将图像转换为灰度图像，其基本使用格式如下。cv2.cvtColor(src,code[,dst[,dstCn]])灰度化处理怎么灰度化处理图像数据?处理中草药图像数据cvtColor函数的主要参数如下。参数名称说明src接收array，用于指定图像、音频或视频等，默认值为空code接收int，用于颜色空间转换的类型，默认值为空灰度化处理以野菊花图像为例，进行灰度化处理如下。处理中草药图像数据二值化处理什么是二值化处理图像数据?二值化在图像处理中是一种常见的操作，它将灰度图像转换为只有两种颜色的图像，通常是黑色和白色。二值化处理可以将图像转换为只包含黑白两种颜色的像素矩阵，从而简化了数据集的表示和处理，并提高了模型的效率和准确率。处理中草药图像数据二值化处理处理中草药图像数据在图像识别中，二值化的必要性如下。二值化可以将图像中的灰度级别降到最低限度，从而提高图像的对比度。这使得图像中的特征更加明显，有助于提高图像识别的准确性。二值化后的图像只有两种颜色，其中一种颜色通常是黑色。这使得计算机能够更快地处理图像数据，同时减少了存储所需的空间。便于特征提取二值化可以将图像中的细节变得更加突出，从而使得特征提取更加容易。这有助于提高图像识别的准确性和效率。减少计算复杂度提高图像的对比度二值化处理怎么二值化处理图像数据?处理中草药图像数据Python中，使用OpenCV库的threshold函数可以对图像进行二值化，其基本使用格式如下。threshold(src,thresh,maxval,type[,dst])二值化处理怎么二值化处理图像数据?处理中草药图像数据threshold函数的主要参数如下。参数名称说明src接收array，表示输入的图像，无默认值thresh接收float或int，表示阈值，用于对像素进行分类，默认值为0type接收int，默认值为默认值为cv2.THRESH_BINARYdst接收array，表示存储输出的图像，无默认值二值化图像例题处理中草药图像数据以野菊花图像为例，进行二值化处理如下。处理中草药图像数据中草药识别模型——图像处理、BP神经网络任务描述中药主要由植物药、动物药和矿物药组成，因植物药占中药的大多数，所以中药也称中草药。中国是中草药的发源地，中草药是中国宝贵的传统文化，目前中国大约有12000种药用植物。古代先贤对中草药和中医药学的深入探索、研究和总结，使得中草药得到了广泛的认同与应用。中草药是中国传统文化的重要组成部分，通过中草药图像识别技术的应用，可以促进对中草药知识和传统医药文化的传承和保护，有助于维护国家的文化多样性和传统价值观念，增强文化自信。处理中草药图像数据任务要求使用OpenCV库读取图像数据。使用OpenCV库处理图像数据。处理中草药图像数据查看中草药图像数据图片缩放灰度化处理二值化处理查看中草药图像数据处理中草药图像数据导入开发库查看文件夹中的文件名查看数据使用import导入cv2、os、NumPy等开发类库。使用os.listdir函数查看文件夹中的文件名。中草药是国家重要的传统医药资源，中草药图像识别采用两种中草药的图像查看数据处理中草药图像数据中草药图像识别采用两种中草药的图像，数据的形式如下所示中草药图像的图像大小并不统一图像缩放处理中草药图像数据使用os库中os.listdir函数设置类别标签使用cv2库的cv2.imread函数读取图像使用cv2.imwrite函数保存图像使用os.path.join函数设置文件路径使用cv2.resize函数对图像进行放缩灰度化处理处理中草药图像数据灰度化的目的是为了简化矩阵，提高运算速度。使用cv2库的cvtColor函数对放缩后的图像进行灰度化处理，用cv2.imwrite函数保存图像。二值化处理并将图像转换为特征向量使用cv2库的cv2.threshold函数将灰度图像进行二值化处理，并用cv2.imwrite函数保存图像。使用NumPy库的np.array函数将图像转换为数组，并用flatten函数将数组展开为一维的特征向量。处理中草药图像数据获取数据标签设置图像文件夹的路径，并获取数据标签。使用enumerate函数遍历文件名，并为每个文件名生成一个索引，将文件名的第一个字符转换为整数并保存在表格y中。处理中草药图像数据查看特征向量和数据标签处理中草药图像数据检验特征向量数据标签。用print('：\n',y)输出图像文件的特征向量和数据标签。构建中草药识别模型中草药识别——神经网络任务描述古语有云，对症下药。医生需正确识别中草药才能准确无误的为患者抓取所需药材。如果抓取药材时差之毫厘，那么可能造成谬以千里的结果，患者的症状非但没有减轻，反而加重，由此可见准确识别中草药的重要性。本任务将使用BP神经网络进行中草药的识别。构建中草药识别模型任务要求使用sklearn库建立BP神经网络模型。构建中草药识别模型BP神经网络BP神经网络什么是BP神经网络?构建中草药识别模型BP神经网络，即反向传播神经网络（BackpropagationNeuralNetwork）。BP神经网络是一种广泛应用于分类、回归和聚类等任务的人工神经网络。BP神经网络BP神经网络的结构构建中草药识别模型BP神经网络由一个输入层、隐藏层和一个输出层组成。每个层都包含多个神经元，每个神经元与上一层的所有神经元相互连接，并且每个连接都有一个对应的权重。在训练过程中，BP神经网络使用反向传播算法来更新每个权重，以使网络的输出尽可能地接近于真实值。BP神经网络BP神经网络运行基本步骤构建中草药识别模型前向传播：将训练数据输入神经网络，计算网络输出。1计算误差：将网络输出与真实输出比较，计算误差。2反向传播误差：从输出层开始，将误差反向传播回每个神经元，计算每个神经元的误差梯度。3更新权重：根据误差梯度和学习率更新每个神经元的权重值。4重复以上步骤，直到网络的误差满足要求或达到最大训练次数。5BP神经网络BP神经网络优缺点构建中草药识别模型优点能够对非线性模式进行拟合，并且可以应用于多种任务缺点需要大量的训练数据和计算资源，并且容易过拟合因此，在实际应用中，需要根据具体任务选择合适的网络结构、参数和优化算法，以提高网络的性能和泛化能力。BP神经网络在Python中，使用sklearn库MLPClassifier类可以建立BP神经网络模型其基本使用格式如下。构建中草药识别模型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神经网络MLPClassifier类常用的参数及其说明如下。构建中草药识别模型参数名称说明hidden_layer_sizes接收tuple、length，用于表示隐层的个数和每个隐层中的神经元个数，默认值为100activation接收tanh、relu，用于指定激活函数类型，默认为'relu'solver接收sgd、adam，用于指定正则化的惩罚系数，默认值为adambatch_size接收int，用于指定每次迭代中使用的样本数，默认值为autolearning_rate_init接收double，用于指定学习率的初始值，默认值为0.001BP神经网络花卉识别可以帮助植物学家、生态学家和环