使用机器学习创建植物健康分类器

Question

第一次发布海报所以请温柔。

正如标题所示，我计划通过使用有监督的机器学习来创建一个通用的（即每个实例可以检测一种植物）植物健康分类器，该机器学习利用健康和不健康植物的图像。指标将是植物任何部分的叶子颜色，形状和任何真菌的存在。

我之前涉足过机器学习，并使用Eigenfaces方法和使用Knn方法分类编写面部识别程序，但仍然是新手。我没有数学天才，所以任何直观的解释都会非常感激。

这就是说，我想做同样的事情，但是对于植物，并且愿意恭敬地问一些事情，如下面的方括号所示。由于这个项目肯定需要一些时间，我想看看我的思维过程是否正确。

我的预定步骤（如果我错了，请纠正我）如下：

1. 获取受控图像的加载（例如，仅限离开，没有 背景）
2. 标准化图像会将图像更改为灰度。 [1]
3. 确保尺寸相同
4. 特征提取？ [2]
5. 标记并输入机器学习算法[3]
6. 插入图像，重复步骤2-4进入机器学习算法并弹出标签。

因此，我的问题如下：

1. 标准化或转换为灰度会导致图像功能丢失吗？
2. 如果我只使用Knn方法，这是否必要？如果是这样，这将是我的机器学习算法的基础吗？
3. 我是否仍然可以使用Eigenfaces方法进行植物生成，并且如果我要在面上执行特征脸，则会产生类似精度的结果？否则，我应该使用什么类型的算法？
4. 有什么我可能错过的，我应该知道吗？

我为长篇大论道歉。感谢您的帮助！

Answer 1

查看最近完成的Kaggle Competition on Diabetic Retinopathy Detection的解决方案。 问题似乎与您的相似，图像处理和识别图像中的斑点。

Top-10-finisher的

This blog post Jeffrey De Fauw写得非常好，python源代码是available 。

这不能回答你的问题（相反，它指的是你的“预期步骤”），也许他使用的算法不适合你，但也许你可以瞥见一般策略，至少图像预处理工作流程。