說到機器學習就要提程式設計，配置環境，模型訓練，這讓有需求而無程式設計基礎的朋友們望而卻步。

基於JAVA開發的Weka是一款不錯的機器學習以及資料探勘的開源軟體。在上一個文章（Top期刊中擬南芥高質量摳圖，不用PS用這個，點點滑鼠就搞定）當為大家介紹了一款神器ImageJ，而Weka也作為一個外掛整合在該軟體中。

緊接著軟體彈窗提示開啟圖片，我們這次訓練識別孢子模型，如下圖：

選擇圖片後即可進入WEKA介面。

該介面包括：

• 訓練欄：模型訓練（Train classifier）
• 選項欄：載入模型（Load classifier）、載入資料（Load Data）、新建類別（Create new class）、設定（Settings）
• 標籤欄：新增不同分類（此處分類預設兩個，可以在Settings中進行詳細設定）

我們進入設定，可以對類別進行重新命名，這樣防止混亂。

模型訓練

接下來我們開始訓練模型

首先在ImageJ面板上選擇形狀選擇工具，圈選孢子並填入到孢子分類（紅色模組），同理分類背景（綠色模組）。全選完畢後點擊模型訓練（Train classifier）等待機器訓練完畢。

短暫等待後，我們發現所有孢子都標紅，背景標綠。

模型訓練還不錯，但還需要進行微調。如相鄰較近的孢子被圈成一塊，我們需要將其分開，所以這次我們使用劃線分割並新增到背景標籤中，然後再次進行訓練。

再次訓練後的模型，此時的模型比上次更好，如果還不滿意，可以繼續微調。

個數統計

訓練完畢後選擇 Create result

點選後結果如下圖：

這時只需要這幾步操作：

1、Image→Type→8 bit

2、Image→Adjust→Threshold

3、拖動滑輪調節成 白背景 黑孢子如下圖

4、Process→Filters→Median

5、Process→Binary→Watershed

6、Analyze→Analyze Particles（注意：因為邊界上面有孢子，所以不勾選Exclude on edges）

計數結果如下圖：

模型儲存與呼叫

• 儲存模型：

我們再次回到WEKA介面，然後點選 儲存分類模型 （Save classifier），檔案格式是classifier.model

• 呼叫模型

使用WEKA開啟新的孢子圖片後直接載入模型（Load classifier），然後直接Create result 即可分析圖片，然後重複 個數統計 操作流程即可。

最後

清代彭端淑在《為學一首示子侄》說“天下事有難易乎？為之，則難者亦易矣；不為，則易者亦難矣。人之為學有難易乎？學之，則難者亦易矣；不學，則易者亦難矣。”

祝各位，SCI發到手軟~