- 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.卷积模型搭建：采用keras搭建模型，卷积层、池化层、Dropout层、全连接层、输出层 3.模型训练把数据集在建立的模型上进行训练，并把最好的模型保存到h5文件中，便于直接对模型进行测试。 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 封", 10, 65, (255, 0, 0), 20) #//cv2.imshow('capture_pic',frame) #显示图像 c=cv2.waitKey(5)
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。 Classify_Object_Color.ino https://create.arduino.cc/editor/TensorFlowExamples/8508c70f-5155-4e3b-b982-c5f6bd36ea5c
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 - 来自专栏成套网站
基于yolov8的深度学习水果识别检测系统
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。 5、系统实现
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 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。
20910编辑于 2025-12-31- 来自专栏白话互联
基于5G的水果成熟判断及采收系统
据相关数据显示，我国水果采摘的平均损耗率已高达20%，而水果采摘过程中造成的经济损失超过1000亿元/a。发达国家的水果损耗率却普遍低于5%，甚至有些国家的损耗率仅有1%～2%。 原因之一便是水果的成熟期不一致，导致果农在采摘时容易误判进而导致误采。误采摘影响鲜食水果的品质，也不利于水果的存储。因此，根据水果的成熟度加以区分可以降低误采摘几率。 水果成熟度检测技术在缩小果农直接经济损失的同时，亦协助果农对水果进行一次分揀，增加果农的经济效益，提高果园生产效率，激发果农的生产积极性，并且为水果后加工提供参考依据，对拉动我国水果业及相关产业的稳定、 ，受限于目前前端成本和计算能力的限制，将前端采集的图形图形回传到云平台，然后由云平台进行深度学习及算法模型来识别并量化水果的成熟度，然后向前端下达指令进行采收或者放弃采收。 借助5G高带宽、低延时的网络特性使得在田间地头就可以随时把前端采集的图形图像以及视频回传。 ?
98230发布于 2021-02-05 - 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
水果成篮 题目描述 题目链接：904水果成蓝 你正在探访一家农场，农场从左到右种植了一排果树。这些树用一个整数数组 fruits 表示，其中 fruits[i] 是第 i 棵树上的水果 种类 。 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。 一旦你走到某棵树前，但水果不符合篮子的水果类型，那么就必须停止采摘。给你一个整数数组 fruits ，返回你可以收集的水果的 最大 数目。 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。 每篮水果的数量没有限制。 从您选择的任何一棵树开始，您必须在向右移动时从每棵树（包括起始树）中恰好摘下一个水果,摘下的水果必须放在你的一个篮子里。
55110编辑于 2022-09-27 - 来自专栏云市场精选
案例 | 富山水果商城：上线5小时成交66单
博白县富山水果种植专业合作社位于广西玉林博白县城以南33公里的富山村，于2015年6月10日成立，目前已种植水果约1700亩。 2018年末，富山水果种植专业合作社借助微信小程序社交的力量，将新鲜的水果销往全国，富山水果商城上线5小时成交66单，打造2019年销售开门红。 图片1.png 新鲜保证，做大自然的搬运工 相比普通水果零售商，富山水果合作社直接在果园现场采摘现卖能保证产品的新鲜。 500137304.png 预售发货，做服务的先行者 水果的预订保障了采摘数量的多少与水果的新鲜度，富山水果商城通过小程序，设置商品明预售时间，让客户购买时一目了然的了解到自己购买的果品采摘时间。 图片5.png 博白县富山水果种植专业合作社力足打造绿色环保，无公害的柑橘生态种植示范基地。采取农业产业一体化运作模式。
1.2K10发布于 2019-01-23 - 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？ 与传统YOLOv5/YOLOv7相比，YOLOv8在水果识别这类“多目标、小尺度、实时性要求高”的任务中具有明显优势：Anchor-Free架构对不同大小水果的适应性更强，减少锚框设计成本更合理的正负样本分配策略在水果密集
21410编辑于 2026-02-20 - 来自专栏宜达数字
Unity项目-水果忍者
void Start () { } private void OnTriggerEnter(Collider other) { // 可以获取水果类型了 public void InitFruit(string path, GameObject obj) { // 切到水果了，创建切后的水果对象 GameObject Destroy(obj); // 销毁切后的水果对象 Destroy(fruit, 0.2f); } // 两种图片水果 public void InitFruitTwo(string path, GameObject obj) { // 切到水果了，创建切后的水果对象 GameObject fruit Destroy(obj); // 销毁切后的水果对象 Destroy(fruit, 0.2f); Destroy(fruit1, 0.2f
97620发布于 2020-06-02 - 来自专栏ml
HDUOJ----1263水果
.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. 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 Sample Input 1 5 apple shandong 3 pineapple guangdong 1 sugarcane guangdong 1 pineapple guangdong 3 pineapple guangdong 1 Sample Output guangdong |----pineapple(5) |----sugarcane(1) shandong |----apple(3) Source C++ STL做的 代码： 1 #include<iostream> 2 #include<algorithm> 3 #include<string> 4 #include<vector> 5
77050发布于 2018-03-22 - 来自专栏个人技术博客
【JDBC实战】水果库存系统
【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]（接口实现类FruitDAOImpl的功能实现） ---- JDBC实战，实现水果库存系统 JDBC专栏 前言 一、水果库存系统介绍 接下来，就到检验学习成果的时刻了，我们将运用JDBC一系列常规操作，实现一个水果库存系统，将之前学到的知识融会贯通在一起… ---- 一、水果库存系统介绍 水果库存系统的需求是实现以下几个功能： 查看水果库存列表 ； 添加水果库存信息； 查看特定水果库存信息； 水果下架； 退出； 只要是更新或者是查看信息的功能，都需要我们去使用JDBC规范连接数据库来实现。 ("5.退出"); System.out.println("=============================================="); System.out.print //下架 m.delFruit(); break; case 5:
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
【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： ? 真要说的话，也许可以介绍一下“旋涡吸走水果”的效果： ? 实现这个效果的关键点在于：利用Cocos Creator的物理引擎里的DistanceJoint组件。 ? 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 ● 然后基于TensorFlow搭建ResNet50卷积神经网络算法模型，并通过多轮迭代训练，最终得到一个精度较高的模型，并将其保存为h5格式的本地文件。
49030编辑于 2023-07-09 - 来自专栏燧机科技-视频AI智能分析
离岗识别 yolov5
离岗识别算法模型通过yolov5网络模型技术，离岗识别可以自动识别现场画面中人员离岗等行为，发现违规行为立即抓拍告警。 YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。 而YOLOv5的Neck网络中，采用借鉴CSPnet设计的CSP2结构，从而加强网络特征融合能力。 下图展示了YOLOv4与YOLOv5的Neck网络的具体细节，通过比较我们可以发现：（1）灰色区域表示第1个不同点，YOLOv5不仅利用CSP2_\1结构代替部分CBL模块，而且去掉了下方的CBL模块； （2）绿色区域表示第2个不同点，YOLOv5不仅将Concat操作之后的CBL模块更换为CSP2_1模块，而且更换了另外一个CBL模块的位置；（3）蓝色区域表示第3个不同点，YOLOv5中将原始的CBL
55000编辑于 2023-05-20 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- 来自专栏OpenCV与AI深度学习
应用实例 | 手把手教你用OpenCV实现餐盘水果识别计价程序(附代码)
导读 本文主要介绍使用Python-OpenCV实现餐盘水果识别与计价的应用。 测试图像与说明 使用图像如下，拍摄环境有待改善(存在光照不均和拍摄角度的影响): ? ? ? ? ? ? 餐盘/菜品识别一般方法： (1)识别餐盘---传统方法和机器学习/深度学习方法； (2)识别菜品---机器学习/深度学习方法； 本文使用传统方法识别餐盘。 ； (3)计价：盘子和水果的数量乘以对应的单价即可； (4)设计UI，计价时显示收款码。 结尾语 (1) 算法只针对水果和餐盘数量和形态较少的情形，方法供参考； (2) 实际应用将更复杂，要求更高，一般开源的目标检测网络也很难满足要求； (3) 常见菜品识别的实际应用要求：一个菜只用一张图片训练或做模板 ，训练和识别时间尽量短，能够及时更新使用。
2.4K21发布于 2021-07-01
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