- 综合排序
- 最热优先
- 最新优先
- 来自专栏Python学习必看
python实现人工智能识别水果
1） 需求分析 1.水果数据处理：对水果(苹果，香蕉)数据集进行处理转化为标签和图像，并转化为one-hot码。 2） 概要设计 1. np #//载入模型 model = ResNet50(weights='imagenet') #//使model指向ResNet50模型 img_path = '鸟.jpg' #//等待识别的图像 (可用车，水果等)，注：需把图片放该代码的同目录下 img = image.load_img(img_path, target_size=(224, 224)) #//载入图像 #//-图像的预处理 img = cv2.cvtColor(np.array(pil_img), cv2.COLOR_RGB2BGR) # 变得可以拉伸 winname 必须要一样，且设置可以拉伸在前面 cv2.namedWindow
1.5K61编辑于 2021-12-21 - 来自专栏深度学习和计算机视觉
深度学习水果识别系统-python
传统图像识别原理 传统的水果图像识别系统的一般过程如下图所示，主要工作集中在图像预处理和特征提取阶段 在大多数的识别任务中， 实验所用图像往往是在严格限定的环境中采集的， 消除了外界环境对图像的影响。 但是实际环境中图像易受到光照变化、 水果反光、 遮挡等因素的影响， 这在不同程度上影响着水果图像的识别准确率。 在传统的水果图像识别系统中， 通常是对水果的纹理、 颜色、 形状等特征进行提取和识别。 深度学习水果识别 CNN 是一种专门为识别二维特征而设计的多层神经网络， 它的结构如下图所示，这种结构对平移、 缩放、 旋转等变形具有高度的不变性。 数据集 数据库分为训练集(train)和测试集(test)两部分 训练集包含四类apple,orange,banana,mixed(多种水果混合)四类237张图片；测试集包含每类图片各两张。 处理训练集的数据结构 模型网络结构 训练模型 顺便输出训练曲线 识别效果 原文地址 https://blog.csdn.net/caxiou/article/details/127785858?
46710编辑于 2024-04-24 - 来自专栏我爱计算机视觉
水果图像识别：基于 Arduino 和 TensorFlow Lite Micro
这样便可使用一些现成的炫酷 ML 示例，例如语音识别、简单的机器视觉，甚至是端到端手势识别训练教程。如需全面了解背景信息，我们建议您阅读这篇文章。 在这里，我们将使用水果，但您可以使用任何您喜欢的其他对象。
2.8K20发布于 2020-11-23 - 来自专栏ypw
水果
题意：就是最后给出哪个地方哪种水果买了多少钱，首先是地方联系水果，水果又联系数量~！这摆明了是用map啊，并且还应该是镶嵌的map.
45220发布于 2020-09-11 - 来自专栏全栈程序员必看
Cocos2d-x 水果忍者划痕效果
网上找的一个关于水果忍者划痕的，效果还算凑合。 其原理就是基于OpenGL绘制直线，因为版本号过老，此处笔者改动了一些方法，粘贴后可直接使用 适用于Cocos2d-x 2.2.1 .h文件里须要添�的代码： void draw(); void =pointList.end();it++) { int distanceToMiddle = fabs(pointIndex-pointListCount/2); float percent
42310编辑于 2022-07-09 - 来自专栏成套网站
基于yolov8的深度学习水果识别检测系统
其中，YOLOv8作为最新演进版本，通过C2f模块优化骨干网络、引入Anchor-Free检测头、采用解耦头结构分离分类与回归任务等技术创新，显著提升了多尺度特征提取能力与小目标检测精度。 在农业生产端，系统可部署于田间地头，通过无人机或固定摄像头实时监测果实成熟度，辅助精准采摘；在流通环节，集成于智能分拣线，实现每小时2000 - 3000件水果的自动化分级；在消费终端，支持超市自助结算台快速识别商品品类 2、研究意义在农业智能化与消费市场高效运转的迫切需求下，开展基于YOLOv8的深度学习水果识别检测系统研究具有重大且多维的意义。 于消费终端而言，系统支持超市自助结算台快速识别商品品类，让消费者购物结算更加便捷高效，优化购物体验，满足消费升级下人们对高效、便捷服务的需求。 3、研究现状当前，基于YOLOv8的深度学习水果识别检测系统研究正成为计算机视觉与农业交叉领域的热点。
62310编辑于 2025-12-29 机器学习模型训练项目分享 深度学习水果识别
文章目录1前言2开发简介3识别原理+3.1传统图像识别原理3.2深度学习水果识别4数据集5部分关键代码+5.1处理训练集的数据结构5.2模型网络结构5.3训练模型6识别效果1前言Hi，大家好，这里是丹成学长 ，今天做一个基于深度学习的水果识别毕业设计2开发简介深度学习作为机器学习领域内新兴并且蓬勃发展的一门学科，它不仅改变着传统的机器学习方法，也影响着我们对人类感知的理解，已经在图像识别和语音识别等领域取得广泛的应用 因此，本文在深入研究深度学习理论的基础上，将深度学习应用到水果图像识别中，以此来提高了水果图像的识别性能。 3识别原理3.1传统图像识别原理传统的水果图像识别系统的一般过程如下图所示，主要工作集中在图像预处理和特征提取阶段。 在传统的水果图像识别系统中，通常是对水果的纹理、颜色、形状等特征进行提取和识别。
20910编辑于 2025-12-31- 来自专栏全栈程序员必看
水果篮一般装几种水果_one step closer水果篮子
你想要尽可能多地收集水果。然而，农场的主人设定了一些严格的规矩，你必须按照要求采摘水果： 你只有 两个 篮子，并且每个篮子只能装 单一类型 的水果。每个篮子能够装的水果总量没有限制。 解题思路 树由整数数组fruits表示，其中水果[i]是第i棵树产生的水果类型。 你想收集尽可能多的水果。但是，所有者有一些严格的规则，您必须遵守： 你只有两个篮子，每个篮子只能装一种水果。 给定整数数组水果，返回可以拾取的最大水果数。 本题，其实就是选只有两个元素的最长连续子序列，比如1，2，3，2，2最长就是2，3，2，2（只包括2或者3，而且是最长的）。 ] # fruits = [0,1,2,2] # fruits = [1,2,3,2,2] # fruits = [3,3,3,1,2,1,1,2,3,3,4] fruits = [1,1] r = : return len(fruits) # 记录当前篮子里的水果 basket1 = -1 basket2 =
55110编辑于 2022-09-27 - 来自专栏HHTjim'S 部落格
水果忍者网页版
水果忍者网页版 作者：matrix 被围观: 1,571 次 发布时间：2013-01-18 分类：兼容并蓄 | 无评论 » 这是一个创建于 3512 天前的主题，其中的信息可能已经有所发展或是发生改变 用 HTML5 和 Javascript 仿制一个水果忍者网页版！ 它由百度js小组开发的一款开源网页游戏，游戏的手感和音效与原版相差无几，你可以无需安装，不用手机，打开浏览器就直接玩！
3.3K20编辑于 2022-09-26 - 来自专栏算法工程师的学习日志
车牌识别（2）-搭建车牌识别模型
上一期分享了模拟生成车牌的方法，今天分享一下搭建要给简单的车牌识别模型，模拟生成车牌的方法参看：车牌识别（1）-车牌数据集生成 生成的车牌如下图 准备数据集，图片放在path下面，同时把图片名称和图片的车牌号对应关系写入到 y_train是长度为7的列表，其中每个都是shape为(n, # )的ndarray，分别对应n张图片的第一个字符，第二个字符....第七个字符 因为车牌是固定长度，所以有个想法，就是既然我们知道识别七次 ，那就可以用七个模型按照顺序识别。 ，识别成功 chars = '' for arg in np.argmax(lic_pred, axis=1): # 取每行中概率值最大的arg,将其转为字符 Lic_pred.append(chars) # 将车牌和识别结果一并存入Lic_pred return Lic_pred
3.4K30编辑于 2022-07-27 - 来自专栏AI
基于 YOLOv8 的多水果智能识别系统工程化实战
基于YOLOv8的多水果智能识别系统工程化实战[目标检测完整源码]引言：为什么“水果识别”值得单独做一个完整系统？ 在很多计算机视觉教学或示例项目中，“水果识别”往往被当作一个简单的目标检测Demo：跑个模型、画个框就结束了。但在真实应用场景中，水果识别远不止“识别出是什么”这么简单。 YOLOv8+PyQt5的多水果种类识别系统，覆盖从模型选择、数据组织、推理逻辑到桌面级应用封装的全过程。 二、YOLOv8在水果识别场景中的优势分析2.1为什么选择YOLOv8？ y2=map(int,box.xyxy[0])通过这种方式，推理层对输入来源完全无感，只关注“当前帧”。
21410编辑于 2026-02-20 - 来自专栏宜达数字
Unity项目-水果忍者
endPos.x - startPos.x); float angle1 = Mathf.Atan(angle); float angle2 Mathf.PI; // 计算位置 Vector3 knifPos =(startPos + (endPos - startPos) / 2) knif.transform.position = knifPos; knif.transform.rotation = Quaternion.AngleAxis(angle2, "Banana") { InitFruitTwo("Prefabs/banana", other.gameObject); // 分数加2 Destroy(obj); // 销毁切后的水果对象 Destroy(fruit, 0.2f); } // 两种图片水果 public
97620发布于 2020-06-02 - 来自专栏ml
HDUOJ----1263水果
(s): 2791 Accepted Submission(s): 1056 Problem Description 夏天来了~~好开心啊,呵呵,好多好多水果~~ Joe经营着一个不大的水果店 .他认为生存之道就是经营最受顾客欢迎的水果.现在他想要一份水果销售情况的明细表,这样Joe就可以很容易掌握所有水果的销售情况了. 每组测试数据的第一行是一个整数M(0<M<=100),表示工有M次成功的交易.其后有M行数据,每行表示一次交易,由水果名称(小写字母组成,长度不超过80),水果产地(小写字母组成,长度不超过80)和交易的水果数目 Output 对于每一组测试数据,请你输出一份排版格式正确(请分析样本输出)的水果销售情况明细表.这份明细表包括所有水果的产地,名称和销售数目的信息.水果先按产地分类,产地按字母顺序排列;同一产地的水果按照名称排序 sugarcane(1) shandong |----apple(3) Source 浙江工业大学第四届大学生程序设计竞赛 C++ STL做的 代码： 1 #include<iostream> 2
77050发布于 2018-03-22 - 来自专栏Node开发
NodeJS人脸识别(2)
上一篇介绍了NodeJS实现人脸识别中的人脸注册，搜索，检测功能。可以看到其实抛开用户量不说，其实任何想要实现的功能最终用NodeJS都是可以实现的。 今天我们来看下SDK文档关于人脸识别其他的接口，我们可以来看看整套人脸识别具体有什么功能，我们可以怎么在实际应用中去进行应用呢？ frr_1e-4：万分之一误识率的阈值；frr_1e-3：千分之一误识率的阈值；frr_1e-2：百分之一误识率的阈值。 ；质量检测：返回模糊、光照等质量检测信息，用于辅助判断图片是否符合识别要求； ? 我们先看下测试结果： ? 到这里其实SDK关于人脸识别的所有接口都介绍完毕了。其实还有几个接口，必须账户进行企业实名认证才有权限调用，在这里我就不介绍了。本篇内容到这里差不多结束了。
2.4K40发布于 2019-06-03 - 来自专栏Node开发
图片文字识别(2)
上篇文章主要对百度AI文字识别接口最基础的通用文字以及手写文字图片进行了接入识别，本篇文章我们来接着看几个实用性比较强的文字识别接口。百度AI接口对接挺容易的，签名加密都没有涉及到。 2.如果图片需要进行保存，可以前端将图片转化为binary格式，后端先将图 片上传到服务器或者直接传到对象存储oss，然后获得图片路径，使用现 在的方法加载缓冲数据，进行BASE64编码最后调用接口解析图片文字信息 首先我们先来看看第一个实用性接口：银行卡照片识别。 银行卡照片识别 这个接口的用处看接口名就可以知道了：识别银行卡并返回卡号、有效期、发卡行和卡片类型。首先我们先看看文档对于接口的具体说明： ? 营业执照识别 顾名思义这个接口就是识别营业执照的照片：可以识别营业执照，并返回关键字段的值，包括单位名称、类型、法人、地址、有效期、证件编号、社会信用代码等。首先一样直接贴下文档请求参数的说明： ? 但是我这里就不准备一一介绍了，有兴趣可以自行查看百度AI文字识别文档： https://ai.baidu.com/docs#/OCR-API/87932804 其实业务开发过程如果适当的引入人脸识别，文字识别等
54.4K30发布于 2019-07-01 - 来自专栏个人技术博客
【JDBC实战】水果库存系统
CSDN话题挑战赛第2期 参赛话题：学习笔记 JDBC专栏 更多文章，进入专栏阅读：（点击进入专栏） 【1】idea添加mysql-jar包 【2】使用IDEA连接数据库，执行增删改操作。 二、结构设计： 1）.Fruit类 2）.Menu类 3）.Client类 4）.DAO设计理念 ①提供抽象接口FruitDAO ②接口实现类FruitDAOImpl ---- 前言 JDBC专栏，我们在前面的文章中学习了 return fid +"\t\t\t"+ fname +"\t\t\t"+ price +"\t\t\t"+ fcount +"\t\t\t"+ remark; } } ---- ---- 2） ================="); System.out.println("1.查看水果库存列表"); System.out.println("2.添加水果库存信息 //查看列表 m.showFruitList(); break; case 2:
58420编辑于 2022-11-15 - 来自专栏个人技术博客
【JDBC实战】水果库存系统
CSDN话题挑战赛第2期 参赛话题：学习笔记 JDBC专栏 （点击进入专栏） 【1】idea添加mysql-jar包 【2】使用IDEA连接数据库，执行增删改操作。 【4】JDBC实战 水果库存系统 [设计阶段] 【5】 水果库存系统 [功能实现①]（接口实现类FruitDAOImpl） 【6】 水果库存系统 [功能实现②] 功能完善+使用效果 【7】 水果库存系统 【9】数据库连接池：德鲁伊druid的使用 ---- JDBC实战，优化水果库存系统 JDBC专栏 一、前言 二、包装：加载驱动，连接数据库的操作 三、包装：关闭资源的操作 四、包装：执行增删改操作，返回影响行数 返回结果集输出 六、包装：查询指定数据，返回单个实体对象 七、BaseDAO类：存放优化后的通用方法 八、优化后的实现类FruitDAOImpl 九、总结 ---- 一、前言 在上一篇文章中，我们完成了水果库存系统的功能实现
1.3K20编辑于 2022-11-15 - 来自专栏花叔的专栏
水果的游戏开发总结
游戏的玩法很简单，就是把水果送到旋涡处，并被旋涡吸走即可过关，游戏依然与“物理的游戏”一样具备“创造模式”，但不同的是，这次创造模式我给元素增加了可放大缩小以及旋转的功能： ? 要谈技术有多难，其实也没多难，跟“物理的游戏”一样用的都是Cocos Creator利用Box2D封装好的物理引擎，碰撞、弹跳效果一步到位，也没什么好说的。 所以在水果的update事件里加上以下代码即可实现“吸走”效果： ? 代码的意思是：先用Cocos Creator现成的碰撞区域检测方法，判断水果是否已经到达旋涡作用范围，如果是，那么给旋涡加上Distance Joint组件，并指向水果，同时指定两者距离为0，与此同时， 只要水果的缩放比例大于0.01就以-0.01的等值递减；如果不是，就删除Distance Joint组件，并逐步回复缩放比例。
81630发布于 2019-07-17 - 来自专栏Python项目
水果识别系统Python+TensorFlow+Django网页平台+深度学习模型+卷积网络算法
一、介绍水果识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。 并基于Django框架，开发网页端操作平台，实现用户上传一张图片识别其名称。 obj.save() return JsonResponse({'code': 200, 'data': {'pred_name': pred_name}})五、实现步骤● 首先收集需要识别的种类数据集
49030编辑于 2023-07-09 水果检测多类水果检测数据集13374张67类别有增强
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：13374 标注数量(xml文件个数)：13374 标注数量(txt文件个数)：13374 标注类别数：67 标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["apple","apricot","avocado","banana","beetroot","blueberry","cactus","cantaloupe","carambula","cauliflower","cherry","chestnut","clementine","cocos","cucumber","dates","dragon fruit","eggplant","ginger","granadilla","grape","grapefruit","guava","hazelnut","huckleberry","kaki","kiwi","kohlrabi","kumquats","lemon","limes","lychee","mandarine","mango","mangostan","maracuja","melon","mulberry","nectarine","nut","onion","orange","papaya","passion","peach","pear","pepino","pepper","physalis","pineapple","pitahaya","plum","pomegranate","pomelo","potato","quince","rambutan","raspberry","redcurrant","salak","strawberry","sugar apple","tamarillo","tangelo","tomato","walnut","watermelon"] 每个类别标注的框数： apple 框数 = 5449 apricot 框数 = 251 avocado 框数 = 294 banana 框数 = 3774 beetroot 框数 = 296 blueberry 框数 = 236 cactus 框数 = 284 cantaloupe 框数 = 258 carambula 框数 = 238 cauliflower 框数 = 278 cherry 框数 = 254 chestnut 框数 = 255 clementine 框数 = 254 cocos 框数 = 246 cucumber 框数 = 134 dates 框数 = 249 dragon fruit 框数 = 1292 eggplant 框数 = 265 ginger 框数 = 287 granadilla 框数 = 270 grape 框数 = 5237 grapefruit 框数 = 264 guava 框数 = 1272 hazelnut 框数 = 261 huckleberry 框数 = 272 kaki 框数 = 281 kiwi 框数 = 293 kohlrabi 框数 = 266 kumquats 框数 = 285 lemon 框数 = 268 limes 框数 = 271 lychee 框数 = 254 mandarine 框数 = 292 mango 框数 = 584 mangostan 框数 = 262 maracuja 框数 = 265 melon 框数 = 276 mulberry 框数 = 260 nectarine 框数 = 276 nut 框数 = 265 onion 框数 = 285 orange 框数 = 1513 papaya 框数 = 276 passion 框数 = 239 peach 框数 = 1207 pear 框数 = 517 pepino 框数 = 266 pepper 框数 = 278 physalis 框数 = 267 pineapple 框数 = 1090 pitahaya 框数 = 233 plum 框数 = 284 pomegranate 框数 = 262 pomelo 框数 = 243 potato 框数 = 256 quince 框数 = 267 rambutan 框数 = 266 raspberry 框数 = 229 redcurrant 框数 = 276 salak 框数 = 266 strawberry 框数 = 268 sugar apple 框数 = 1255 tamar
38911编辑于 2025-07-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号