Weka，基于JAVA开发，是一款不错的机器学习和数据挖掘的开源软件。上一篇（Top期刊中的拟南芥高质量抠图，这个不用PS用，鼠标点一下）介绍了一个神器ImageJ，软件中也集成了Weka作为插件-在。紧接着软件弹出提示打开图片，我们这次是训练识别孢子模型，如下图所示：选择图片后，就可以进入WEKA界面了。界面包括：训练栏：模型训练（Trainclassifier）选项栏：加载模型（Loadclassifier）、加载数据（LoadData）、创建新类（Createnewclass）、设置（Settings）Tab栏：添加不同classifications（这个默认有两个类别，可以在Settings中详细设置）我们进入设置，可以重命名类别，防止混淆。模型训练接下来，我们开始训练模型。首先，选择ImageJ面板上的形状选择工具，圈出孢子并将其填充到孢子分类（红色模块）中，同样对背景进行分类（绿色模块）。全选后，点击模型训练（Trainclassifier），等待机器训练完成。稍等片刻，我们发现所有的孢子都被标记为绿色背景的红色。模型训练还不错，但还是需要fine-tuning。如果相邻的孢子是圈在一起的，我们需要把它们分开，所以这次我们用破折号来划分，加到背景标签上，然后再训练。再次训练后的模型，这次的模型比上次好，如果不满意可以继续微调。数量统计训练完成后，选择Createresult，点击结果如下图：此时只需要这些步骤：1.Image→Type→8bit2，Image→Adjust→Threshold3，拖动滑轮调整为白底黑色孢子如下图4，Process→Filters→Median5，Process→Binary→Watershed6，Analyze→AnalyzeParticles（注意：因为边界上有孢子，所以不要勾选Excludeonedges）的统计结果如下图：模型保存和调用保存模型：我们再次回到WEKA界面，点击保存分类器，文件格式为classifier.model调用模型使用WEKA打开一个新的孢子图片并直接加载模型（Loadclassifier），然后直接创建result进行图片分析，重复数统计操作过程即可。最后，清代彭端枢在《为学一首示子侄》中说：“天下之事，是难是易？做到了，难的也就容易了；困难也容易；不学，易亦难。”
