种植园AI哨兵 · 第二阶梯「橙」以类聚：用机器学习自动分类橙子疾病

从"规则驱动"到"特征驱动"

第一阶梯中学生通过人工编写规则实现检测，但规则依赖人工经验、难以覆盖复杂场景。第二阶梯引入机器学习方法，让学生体验机器如何"自动"从数据中发现模式，理解智能技术从"人工定义规则"到"机器自动学习"的演进脉络。

核心内容

• 特征提取：提取图像的 HSV 颜色特征与 LBP 纹理特征，将"图像"转化为"特征向量"
• 聚类算法：利用 K-Means 聚类算法对橙子疾病进行自动分类
• 概念跃迁：从"人工定义规则"到"机器自动发现数据模式"，体验"特征驱动"的智能

学习体验

学生通过提取图像特征、运行聚类算法，观察机器如何将病果与健康果"自动分开"。在对比传统图像处理与机器学习的过程中，理解"数据 + 算法"如何协同产生智能，为进入深度学习阶段建立认知桥梁。

与第一阶梯的对比

第一阶梯：人工写规则（规则驱动）；第二阶梯：机器学特征（特征驱动）。这一对比帮助学生在攻克同一核心问题（橙子疾病检测）的过程中，循序渐进地理解从人工定义规则到机器自动学习的智能技术发展脉络。