使用机器学习创建植物健康分类器

Question

第一次发帖，请轻点。

正如标题所示，我计划通过使用健康和不健康植物图像的监督机器学习来创建一个通用（即每个实例都可以检测一种植物）植物健康分类器。指标将是叶子的颜色、形状和植物任何部分是否存在任何真菌。

我之前曾涉足机器学习，并使用 Eigenfaces 方法编写了一个面部识别程序，并使用 Knn 方法进行了分类，但我仍然是新手。我不是数学天才，所以任何直观的解释都将不胜感激。

话虽如此，我也想做同样的事情，但对于植物，并想恭敬地问一些事情，如下方括号中所示。由于这个项目肯定需要一些时间，所以我想看看我的想法是否正确。

我的预期步骤（如果我错了，请纠正我）如下：

1. 获取加载受控图像（例如，仅叶子，无 背景）
2. 标准化图像将图像更改为灰度。 [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. 插入一张图片，重复第 2-4 步，输入机器学习算法并弹出标签。

因此，我的问题如下：

1. 标准化或灰度转换会导致图像特征丢失吗？
2. 如果我只使用 Knn 方法，是否有必要这样做？如果是这样，这将是我的机器学习算法的基础吗？
3. 我是否仍然能够对植物使用特征脸方法并产生与我要对人脸执行特征脸相似的准确度的结果？否则，我应该使用什么类型的算法？
4. 有什么我可能遗漏的需要注意的吗？

对于这篇长篇文章，我深表歉意。提前感谢您的帮助！

Answer 1

查看最近完成的Kaggle Competition on Diabetic Retinopathy Detection 中的解决方案。 问题似乎和你的类似，图像处理和识别图像中的点。

This blog post 由 Top-10-finisher Jeffrey De Fauw 撰写，python 源代码为available 。

这并不能回答您的问题（而是指您的“预期步骤”），也许他使用的算法不适合您，但也许您可以大致了解一下总体策略，至少图像预处理工作流程。