56、芦荟叶疾病分类与孟加拉语罗马化方法研究

芦荟叶疾病分类与孟加拉语罗马化方法研究

1. 芦荟叶疾病分类研究

1.1 数据集与模型训练

在芦荟叶疾病分类研究中，使用了特定的数据集。该数据集共有 2600 个样本，具体划分如下：
| 数据集类型 | 数量 | 占比 |
| — | — | — |
| 训练集 | 1950 | 75% |
| 验证集 | 650 | 25% |
| 测试集 | 170（新图像） | - |

数据记录通过随机化划分为训练集和测试集，然后使用保留法将训练集进一步分为训练部分和验证部分。训练深度学习模型时，采用 Adam 作为优化方法，“binary_crossentropy” 作为损失函数，选择准确率作为度量值，学习率设为 “0.001”。同时使用了早期停止技术，以 “val_loss” 作为监控参数，耐心值设为 3，模型训练了 15 个周期。

1.2 性能指标

由于该实验是二分类问题，使用了一些性能指标来评估模型的有效性，具体计算公式如下：
- 精确率（Precision）：$Precision = \frac{TP}{FP + TP}$
- 召回率（Recall）：$Recall = \frac{TP}{FN + TP}$
- 准确率（Accuracy）：$Accuracy = \frac{TP + TN}{TP + FP + TN + FN}$
- F1 分数（F1 - score）：$F1 - score = 2 × \frac{Recall × Precision}{Recall + Precision}$

1.3 工作流程 </