62、基于机器学习的绿豆病虫害实时识别系统

基于机器学习的绿豆病虫害实时识别系统

1. 评估指标

在目标识别任务中，有几个关键的评估指标用于衡量模型性能。
- 精确率（Precision）和召回率（Recall） ：
精确率计算公式为：$Precision = \frac{TP}{TP + FP}$
召回率计算公式为：$Recall = \frac{TP}{TP + FN}$
其中，$TP$ 表示正确标记的正样本，$FP$ 表示误判为正的负样本，$FN$ 表示误判为负的正样本。
- 平均精度（AP） ：对于特定类别的整体表示由 AP 的计算值定义。AP 是一组等间距召回标准（0, 0.1, 0.2, 0.3 … 1）的平均精度，总结了精确率/召回率曲线的轮廓，计算公式为：
$AP = \frac{1}{11} \sum_{r\in{0,0.1,\cdots,1}} P_{interp}(r)$
其中，$P_{interp}(r)$ 定义为：$P_{interp}(r) = \max_{r’:r’\geq r} P(r’)$，$P(r)$ 是在召回率为 $r$ 时计算得到的精确率。
- 平均精度均值（mAP） ：mAP 是多类识别中所有 AP 值的平均值。AP 和 mAP 都用于分析每个模型在图像集上的性能。
- 交并比（IoU） ：用于衡量定位准确性。计算公式为：
$IoU = \frac{area(true bounding box \cap predicted bounding box)}{area(true