80种中草药数据集标注实战：从数据清洗到模型训练的全流程指南

1次阅读

共计 1490 个字符，预计需要花费 4 分钟才能阅读完成。

中草药数据标注与普通物体检测相比有三大难点：

形态相似性高 ：比如金银花和山银花的花瓣差异仅 3 - 5 毫米，标注时容易混淆
药用部位多样 ：同一株植物可能需要标注叶片（如薄荷）、根茎（如黄芪）或花朵（如菊花）等不同部位
生长阶段影响 ：幼株和成熟株的形态差异大（如人参需标注芦头、艼、纹等特征）

经过实际测试，两种工具在草药标注中的表现：

Labelme 优势：
支持多边形标注（适合不规则叶片轮廓）
JSON 格式易与 Python 生态集成
轻量级安装（适合小团队）
CVAT 优势：
多人协作标注功能
内置质量审查工作流
支持视频帧标注（适合记录生长过程）

import cv2
import numpy as np

def clean_herb_images(img_path):
    """
    中草药图像预处理流水线
    :param img_path: 原始图像路径
    :return: 处理后的图像
    """
    # 1. 读取并自动旋转（解决手机拍摄方向问题）img = cv2.imread(img_path)
    exif = img.info.get('exif', {})

    # 2. 背景去除（基于 HSV 色域）hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    lower_green = np.array([35, 43, 46]) 
    upper_green = np.array([77, 255, 255])
    mask = cv2.inRange(hsv, lower_green, upper_green)

    # 3. 形态学处理（消除细小噪点）kernel = np.ones((5,5), np.uint8)
    cleaned = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)

    return cv2.bitwise_and(img, img, mask=cleaned)

图示：叶片标注需包含主脉（红色）和叶缘（蓝色）双重轮廓

整体标注 ：整株植物外接矩形（适用于 YOLO）
局部标注 ：
叶片：沿锯齿状边缘标注多边形
花朵：花蕊与花瓣分层标注
根茎：表面纹理 ROI 区域
属性标注 ：
生长阶段（幼苗 / 成熟）
采集季节（影响有效成分含量）

使用混淆矩阵分析不同标注员的结果（示例数据）：

真实 \ 预测	当归	白芷	党参
当归	87	5	8
白芷	3	92	5
党参	11	4	85

过采样 ：对稀有品种（如雪莲）进行旋转、颜色抖动等增强
欠采样 ：对大众品种（如枸杞）随机抽取样本
分层划分 ：确保每类在训练 / 验证集的分布一致

拍摄时使用灰卡做色彩校准

代码自动校正：

def correct_illumination(img):
    lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)
    l, a, b = cv2.split(lab)
    clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8,8))
    return cv2.merge([clahe.apply(l), a, b])

建立特征比对表辅助标注：