智能温室植物病害图像识别调试技师（初级）考试试卷及答案

智能温室植物病害图像识别调试技师（初级）考试试卷及答案一、填空题（共10题，每题1分）1.智能温室病害图像识别预处理的第一步通常是______（如去除无关背景）。答案：背景去除2.CNN中提取图像特征的核心层是______层。答案：卷积3.调整图像亮度、对比度属于______增强。答案：光照4.RGB图像的三个通道是红、绿、______。答案：蓝5.准确率=______/总测试样本数。答案：正确识别样本数6.基于像素灰度差异的分割方法是______分割。答案：阈值7.OpenCV读取图像的函数是______。答案：cv2.imread()8.病害样本标注工具常用LabelImg或______。答案：LabelMe9.病害数据集按来源分为实验室和______采集。答案：实际温室10.常用边缘检测算子包括Canny、Sobel和______。答案：Laplacian二、单项选择题（共10题，每题2分）1.病害识别的第一步是（）A.模型训练B.图像采集C.特征提取D.结果输出答案：B2.CNN中减少特征图维度的是（）A.卷积层B.池化层C.全连接层D.激活层答案：B3.光照不足时最有效的增强方法是（）A.旋转B.翻转C.亮度调整D.裁剪答案：C4.准确率计算的分母是（）A.训练样本B.测试样本C.验证样本D.所有样本答案：B5.语义分割标注工具是（）A.LabelImgB.LabelMeC.MaskR-CNND.TensorFlow答案：B6.RGB转灰度图的函数是（）A.cv2.cvtColor(...,cv2.COLOR_RGB2GRAY)B.cv2.resize()C.cv2.blur()D.cv2.threshold()答案：A7.样本标注的核心是（）A.病害类型B.图像大小C.拍摄时间D.温室位置答案：A8.病害识别属于（）任务A.分类B.检测C.分割D.以上都是答案：D9.去除高斯噪声的滤波是（）A.均值滤波B.高斯滤波C.中值滤波D.双边滤波答案：B10.测试集的作用是（）A.训练模型B.调参C.评估泛化D.存储样本答案：C三、多项选择题（共10题，每题2分，多选少选不得分）1.预处理包含（）A.背景去除B.图像增强C.归一化D.模型训练答案：ABC2.CNN常见层有（）A.卷积层B.池化层C.全连接层D.激活层答案：ABCD3.图像增强方法有（）A.旋转B.翻转C.亮度调整D.噪声添加答案：ABCD4.评价指标包括（）A.准确率B.召回率C.F1值D.损失值答案：ABC5.视觉开源库有（）A.OpenCVB.TensorFlowC.PyTorchD.Matplotlib答案：ABC6.标注类型有（）A.分类标注B.检测标注C.分割标注D.时间标注答案：ABC7.识别流程包括（）A.采集B.预处理C.训练D.部署答案：ABCD8.分割方法有（）A.阈值分割B.边缘分割C.区域分割D.语义分割答案：ABCD9.边缘算子有（）A.CannyB.SobelC.LaplacianD.Robert答案：ABCD10.数据集划分包括（）A.训练集B.验证集C.测试集D.标注集答案：ABC四、判断题（共10题，每题2分，√/×）1.归一化可加快模型训练。（）答案：√2.CNN只能处理彩色图像。（）答案：×3.图像增强提高泛化能力。（）答案：√4.准确率越高模型越好。（）答案：×5.OpenCV是Python专属库。（）答案：×6.样本越多模型性能越好。（）答案：×7.测试集需与训练集分布一致。（）答案：√8.边缘检测是可选预处理步骤。（）答案：√9.RGB转灰度减少计算量。（）答案：√10.病害识别不需要农业知识。（）答案：×五、简答题（共4题，每题5分）1.简述病害识别基本流程。答案：流程为：①图像采集：用温室摄像头拍植物病害部位；②预处理：去背景、增强、归一化；③特征提取：CNN自动学病害特征；④模型训练：用标注数据集训练；⑤评估：测试集算准确率/召回率；⑥部署：实时识别并预警。2.归一化的作用及举例。答案：作用：①统一像素范围（如0-1），避免数值差异；②加快训练；③提高稳定性。举例：将RGB图像（0-255）除以255，转为0-1范围，使不同图像像素分布一致。3.CNN在病害识别中的优势。答案：①自动提特征：无需人工设计；②局部感知：捕捉病害细节；③参数共享：减少过拟合；④平移不变性：对病害位置变化鲁棒，适合温室场景。4.如何判断模型泛化能力？答案：①测试集评估：用未训练的独立样本测指标；②对比训练/测试指标：若训练高测试低，说明过拟合；③交叉验证：多次划分数据集取平均，稳定则泛化好；④实际部署：真实温室测试效果是否稳定。六、讨论题（共2题，每题5分）1.模型准确率仅60%的原因及解决思路。答案：原因：①数据集：样本少、标注错、类别不平衡；②模型：结构简单、未优化；③预处理：背景未清、增强不足。解决：①补样本、修正标注；②加CNN层数、Dropout层，调学习率；③完善预处理（去背景、加增强、归一化）。2.采集病害图