本关任务1（水质图像识别，教材上的案例）：在水养殖业中，水体生态系统中存在着各种浮游植物、动物与各类微生物，其动态平衡尤为重要。一般地，这些大多是通过有经验的专家肉眼观察来进行判断，存在一定的主观性和不易推广应用。本实验基于数字图像处理技术和机器学习、深度学习方法，以专家经验为基础对水色图像进行优劣分级，并以专家标注的水色图像作为模型的训练数据集，最终实现对水色图像的快速判别。 本案例将水色分为五类：第1类为浅绿色，采集了51张图片；第2类为灰蓝色，采集了44张图片；第3类为黄褐色，采集了78张图片；第4类为茶褐色，采集了24张图片；第5类为绿色，采集了6张图片。图片总数为203张，其中图片大小不统一。 对5种类型共203张图片，按照80%训练、20%测试进行随机划分，构建基于水色图像的水质识别模型。

本关任务2（纸币图像识别）：现有1元、5元、10元、20元、50元、100元共6种面额的纸币彩色图像数据集（每种纸币按正、反面和两个不同的方向，分别采集10张图片，累计每个币种采集40张图片，6种币种合计240张图片），请计算每张图片R、G、B三个颜色通道的一阶、二阶、三阶颜色矩阵，共9个特征指标数据，记为自变量X，同时构造纸币面额标签数据集，记为因变量Y。利用所得的自变量X和因变量Y，数据集按照80%训练、20%测试进行随机划分，构建纸币面额识别模型。

根据提示，在右侧编辑器补充代码，完成建模、代码编写和分析。