大二下项目总结（二）

二、病虫害识别项目改进keras

1、模型介绍

本模型旨在构建一个基于卷积神经网络（Convolutional Neural Network, CNN）的图像分类模型，用于识别不同类别的病虫害图像。使用Keras库实现模型，包含数据预处理、数据增强、模型搭建、训练及评估等步骤。

2、实验步骤

2.1数据预处理 

1. 导入必要的库：使用Keras、NumPy、Matplotlib等库进行数据处理和模型构建。
2. 获取图像列表：使用glob模块获取指定目录中所有图像文件的路径，并打印图像数量和部分文件路径。
3. 加载和显示图像：使用load_img和img_to_array方法加载图像并显示，以检查数据质量和格式。

导入必要的库

from keras.preprocessing.image import ImageDataGenerator, load_img, img_to_array
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Activation, Dropout, Flatten, Dense
from keras import backend as K
import numpy as np
import matplotlib.pyplot as plt
import glob, os

获取图像列表

path = 'augmented'
img_list = glob.glob(os.path.join(path, '*/*.*'))
print('>>>图像数量：', len(img_list))
print(img_list[:5])

使用glob模块获取指定目录中所有图像文件的路径，并打印前五个文件路径及总图像数量。

加载和显示前几张图像

for i, img_path in enumerate(img_list[:6]):
    img_plot = load_img(img_path)
    arr = img_to_array(img_plot)
    print(arr.shape)
    plt.subplot(2, 3, i+1)
    plt.imshow(img_plot)
plt.show()

加载并显示前六张图像，同时打印每张图像的形状。

2.2 数据增强

1. 定义图像尺寸和