1） 需求分析

1.水果數據處理：對水果(蘋果，香蕉)數據集進行處理轉化為標簽和圖像，并轉化為one-hot碼。
2.卷積模型搭建：采用keras搭建模型，卷積層、池化層、Dropout層、全連接層、輸出層
3.模型訓練把數據集在建立的模型上進行訓練，并把最好的模型保存到h5文件中，便于直接對模型進行測試。
4.模型測試：打開攝像頭，使用通用物體進行測試。測試結果將錄制成視頻展示。

2） 概要設計

測試前代碼：

from keras.applications.resnet50 import ResNet50 #//導入AI軟件平臺keras 里的AI模型　ResNet50 from keras.preprocessing import image#//導入圖像處理庫　ｉｍａｇｅ from keras.applications.resnet50 import preprocess_input, decode_predictions import numpy as np#//載入模型 model = ResNet50(weights='imagenet') #//使model指向ResNet50模型 img_path = '鳥.jpg' #//等待識別的圖像(可用車，水果等)，注：需把圖片放該代碼的同目錄下 img = image.load_img(img_path, target_size=(224, 224)) #//載入圖像#//-圖像的預處理 x = image.img_to_array(img) #//把圖像轉換為數組 x = np.expand_dims(x, axis=0) #//沿軸0(行)擴展 -> 多維數組 x = preprocess_input(x) #//做輸入預處理#//預測 preds = model.predict(x) #//運行模型進行預測 print('Predicted:', decode_predictions(preds, top=3)[0]) #//解碼預測，輸出結果

主程序：

import cv2 from keras.applications.resnet50 import ResNet50 from keras.preprocessing import image from keras.applications.resnet50 import preprocess_input, decode_predictions import numpy as npimg_path = 'capyure.jpg'def capture_camera_pic(): cv2.namedWindow('capture_pic') cp = cv2.VideoCapture(0) # //指定攝像頭，默認0指向第一個 while cp.isOpened(): # //檢測攝像頭是否打開，如果攝像頭能成功打開，則進行循環的視頻拍照顯示ok, frame = cp.read() # 讀取一幀數據if not ok: # 如果拍照失敗，退出breakcv2.imwrite(img_path, frame) # 保存圖像# 翻譯# translator = Translator(to_lang='chinese')# translation = translator.translate(jieguo())cv2.putText(frame, jieguo(), (30, 50), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 0, 0), 4)cv2.imshow('capture_pic', frame) # 顯示圖像c = cv2.waitKey(10)if c & 0xff == ord('q'):break cp.release() cv2.destroyAllWindows()def jieguo(): model = ResNet50(weights='imagenet') img_path = 'capyure.jpg' img = image.load_img(img_path, target_size=(224, 224))x = image.img_to_array(img) x = np.expand_dims(x, axis=0) x = preprocess_input(x) preds = model.predict(x)return decode_predictions(preds, top=3)[0][0][1];if __name__ == '__main__': capture_camera_pic() ｝

3）詳細設計

改進為可以把文字由英文轉中文的代碼： import cv2 from keras.applications.resnet50 import ResNet50 from keras.preprocessing import image from keras.applications.resnet50 import preprocess_input,decode_predictions import numpy as np from translate import Translator from PIL import Image, ImageDraw, ImageFont #調用攝像頭 img_path='capyure.jpg' def capture_camera_pic(): cv2.namedWindow('capture_pic') cp=cv2.VideoCapture(0) #//指定攝像頭，默認0指向第一個 while cp.isOpened(): #//檢測攝像頭是否打開，如果攝像頭能成功打開，則進行循環的視頻拍照顯示ok,frame=cp.read() #讀取一幀數據if not ok: #如果拍照失敗，退出breakcv2.imwrite(img_path,frame) #保存圖像#cv2.putText(frame,jieguo(),(30,50),cv2.FONT_HERSHEY_COMPLEX,1,(255,0,0),4)#cv2.putText(frame,jieguo(),(30,50), cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,1,(255,0,0),4)change()# change_cv2_draw(frame, jieguo(), (0,0), 20, (255, 0, 0))# cv2ImgAddText(frame, "封", 10, 65, (255, 0, 0), 20)#//cv2.imshow('capture_pic',frame) #顯示圖像c=cv2.waitKey(5)if c & 0xff == ord('q'):break cp.release() cv2.destroyAllWindows()def jieguo():model = ResNet50(weights='imagenet')img_path = 'capyure.jpg'img = image.load_img(img_path, target_size=(224, 224))x = image.img_to_array(img)x = np.expand_dims(x, axis=0)x = preprocess_input(x)preds = model.predict(x)translator = Translator(to_lang='chinese')str =decode_predictions(preds, top=3)[0][0][1]translation = translator.translate(str.replace('_', ' '))return translation;def change(): # 讀取文件 pil_img = Image.open('capyure.jpg',) # 讀取cv2文件 #frame = Image.fromarray(cv2.cvtColor(img_path, cv2.COLOR_BGR2RGB)) # pil_img.show() # 生成畫筆 draw = ImageDraw.Draw(pil_img) # 第一個參數是字體文件的路徑，第二個是字體大小 font = ImageFont.truetype('msyh.ttc', 30, encoding='utf-8') # 第一個參數是文字的起始坐標，第二個需要輸出的文字，第三個是字體顏色，第四個是字體類型 draw.text((30,50), jieguo(), (0, 0, 0), font=font)# PIL圖片轉cv2 img = cv2.cvtColor(np.array(pil_img), cv2.COLOR_RGB2BGR) # 變得可以拉伸 winname 必須要一樣，且設置可以拉伸在前面 cv2.namedWindow('capture_pic', cv2.WINDOW_NORMAL) # 顯示 cv2.imshow("capture_pic", img) # 等待 cv2.waitKey(10)if __name__=='__main__':

總結

以上是生活随笔為你收集整理的python实现人工智能识别水果的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。