近来某高校的本科学生要参加省软件设计大赛的人工智能赛题，结果医学方面的学生专业知识很够，但是不熟悉一些基本流程，写了个图像标注有关的方案，简单说明一下，顺便发个技术博客吧。

🧰 推荐工具：LabelMe 中文版

安装命令：

pip install labelme
labelme

---

✅ 标注流程（适用于菌落图像）

第一步：准备

• 建议使用 .jpg 图像，放在 images/ 文件夹中
• 每张图命名规范：如 ecoli_001.jpg
• 创建一个空文件夹 annotations/ 用于存放标注文件

准备阶段：切记做好初始标准统一

• 所有标注者先练习同样的5张图像
• 团队内部讨论：
  • 哪些算菌落？
  • 多大才标？
  • 粘连怎么标？
  • 类别命名：建议使用英文统一（如 ecoli, staph）

---

第二步：开始标注

1. 启动 labelme → 打开一张图片
2. 点击“多边形工具” → 沿菌落边缘绘制封闭区域
3. 输入类别名（如 大肠杆菌，可统一用英文/拼音：ecoli）
4. 重复标注多个菌落
5. 保存，自动生成 .json 文件，放在 annotations/ 文件夹

---

第三步：转换格式（用于训练）

labelme_json_to_dataset annotations/ecoli_001.json

输出内容包括：

• img.png：原图
• label.png：彩色mask图（每种菌类一个颜色）
• label_names.txt：标签列表

---

👥 多人标注一致性方案（建议三人制）

角色分配：

角色	说明
A 标注员	负责第一轮绘制和命名
B 审核员	检查是否遗漏、错误命名
C 终审/融合员	再次确认，最终保存定稿

要点：

• 提前统一标签列表（如使用 ecoli、staph 等）
• 所有人使用同一套 LabelMe 软件和默认配置
• 每次标注前先做3张样例图测试 → 三人对比 → 校准标准
• 发现争议时，由 C 统一定夺

🎯 目标

• 控制标注误差
• 保证模型训练数据的有效性

---

✅ 评估方法

项目	方法	指标
分割一致性	IoU（交并比）	≥ 0.85
分类一致性	Cohen’s Kappa	≥ 0.8

🧑‍⚖️ 复审机制

角色	职责
A/B	各自标注
C	对比IoU + Kappa，发现异常图像 → 复审重标或融合

---

📈 一致性记录表（Excel）

图像	A标注	B标注	IoU均值	Kappa值	复查结果
ecoli_001	小张	小王	0.91	0.84	✔️
ecoli_002	小李	小王	0.63	0.59	❌重标

---

⚠️ 新手注意事项

问题	建议
标签拼写不一致	建议用英文+统一模板，如 ecoli、staph
画多边形不封闭	每次闭环时点在起点上，出现黄色高亮表示闭合
菌落重叠怎么办	重叠也要单独标，每个菌落一套多边形
类别不清楚怎么办	用 unknown 标签代替，后期可补标
图片太多	每人标注10–15张即可，后续模型可自动扩展

---

📦 文件结构建议

project/
├── images/               # 原始图像
├── annotations/          # .json标注文件
├── datasets/             # 输出的训练格式（mask等）
├── label_names.txt       # 标签名列表
└── log.xlsx              # 标注进度记录（建议用表格管理）

---

📝 标注日志表建议（可用Excel）

文件名	标注人	审核人	类别数量	审核备注
ecoli_001.jpg	A同学	B同学	3类	完整
staph_002.jpg	B同学	A同学	2类	建议重命名

---

🎯 最终目标（第一阶段）

• 完成 10–20 张高质量菌落标注图像
• 至少 3–5 个菌种标签
• 所有图像通过审核，准备训练分割模型

最终菌群种类和数据取决于你的业务场景、实际能力和可用时间