Chapter 9 基于水色图像的水质评价

最新推荐文章于 2022-04-16 10:56:08 发布

静水``流深

最新推荐文章于 2022-04-16 10:56:08 发布

阅读量790

点赞数 1

CC 4.0 BY-SA版权

分类专栏：学习笔记 # Python数据分析与挖掘实战

本文链接：https://blog.youkuaiyun.com/weixin_46623003/article/details/106368233

本文介绍了一种基于机器学习的水质评价系统构建流程，包括样本数据采集、数据预处理、特征提取、模型构建与评价，以及水质自动评价系统的实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、样本数据采集

从采集到的原始水样图像中进行选择性抽取和实时的抽取，形成建模数据和增量数据。

二、数据预处理

2.1 图像切割

用其他编程软件进行编程，切割水样图像中央101*101像素的图像。若原始图像大小为M*N，则截取宽从宽从(M/2-50)到(M/2+50)，长度从 (M/2-50) 到 (M/2+50) 个像素点的子图像。

2.2 颜色矩特征提取

构造出特征：

RGB各颜色的一阶颜色矩
RGB各颜色的二阶颜色矩
RGB各颜色的三阶颜色矩

三、构建专家样本

根据已完成预处理的建模数据，由有经验的专家对水样图像据经验进行分类，构建专家样本。

四、模型构建

4.1 建模

#-*- coding: utf-8 -*-
import pandas as pd

inputfile = '../data/moment.csv' #数据文件
outputfile1 = '../tmp/cm_train.xls' #训练样本混淆矩阵保存路径
outputfile2 = '../tmp/cm_test.xls' #测试样本混淆矩阵保存路径
data = pd.read_csv(inputfile, encoding = 'gbk') #读取数据，指定编码为gbk
data = data.as_matrix()

from numpy.random import shuffle #引入随机函数
shuffle(data) #随机打乱数据
data_train = data[:int(0.8*len(data)), :] #选取前80%为训练数据
data_test = d