本菌子分割项目当前以 ResNet-DeepLabV3p 为最佳深度学习模型(4轮训练 IoU 达 0.9763),显著优于传统 OpenCV 方法和基础 UNet。针对 192 张高分辨率(5472×3648)图片,存在部分缺失文件、气泡干扰及 SVM 掩码小白点、空洞问题,建议采用最大连通区域保留 + 空洞填充 + 圆形度过滤的后处理 pipeline,有效去除噪声并保留主要菌子区域。Nuitka --onefile 打包需通过 resource_path 函数处理 templates、scripts 和 .pth 模型的临时解压路径,并显式包含 index.html。SAM (Segment Anything) 作为强力辅助工具,可用于高质量标注和精修(尤其是气泡和复杂边界),推荐集成 vit_h 权重实现点/框提示预测。未来数据量达到几千张时,可转向 YOLO 分割或 Transformer 模型(如 Swin-UNet)。整体流程为:模型预测 → 掩码清洗 → 可选 SAM 优化 → 可视化/测量,最终打包成独立 exe 程序。