采用opencv实现实时摄像头识别水果，至少包含苹果、香蕉,并在实时画面以及调试窗口打印出水果位置信息以及物体分类信息，用红框框住水果。 立即签到待办任务

使用OpenCV（Open Source Computer Vision Library）实现实时水果识别，首先需要准备一些步骤：

1. **数据集准备**：收集大量苹果和香蕉的图片作为训练样本，并确保它们有清晰的标签区分。

2. **目标检测模型选择**：可以选择预训练的深度学习模型，如YOLOv5 (You Only Look Once) 或 SSD (Single Shot MultiBox Detector)，它们适合于实时物体检测任务。

3. **模型加载和训练**：如果已有模型，从磁盘加载；如果没有，可以在线下载预训练模型并进行微调，以适应水果分类。

4. **设置视频流**：使用`cv2.VideoCapture`获取摄像头输入，初始化一个循环来处理每一帧。

5. **图像预处理**：对每一帧进行灰度化、缩放等操作以便进行后续处理。

6. **物体检测**：通过模型对当前帧进行预测，得到每个水果的位置和类别。

7. **结果解析**：根据检测结果，定位水果的位置，并确定其是苹果还是香蕉。

8. **绘制结果**：在原始帧上画出红框标识水果位置，以及文本显示水果类别。这一步通常需要用到`cv2.rectangle`和`cv2.putText`函数。

9. **实时展示和调试**：将处理后的图像显示在监控窗口和调试日志中。

import cv2
import numpy as np

# 加载模型
model = cv2.dnn.readNetFromDarknet("yolov5s.cfg", "yolov5s.weights")

# 初始化摄像头
cap = cv2.VideoCapture(0)

while True:
    _, frame = cap.read()
    blob = cv2.dnn.blobFromImage(frame, 1 / 255.0, (416, 416), swapRB=True, crop=False)
    model.setInput(blob)
    outs = model.forward()

    # 解析结果
    for out in outs:
        class_ids = []
        confidences = []
        boxes = []
        for detection in out:
            scores = detection[5:]
            class_id = np.argmax(scores)
            confidence = scores[class_id]
            if confidence > 0.5:
                center_x = int(detection[0] * frame.shape[1])
                center_y = int(detection[1] * frame.shape[0])
                width = int(detection[2] * frame.shape[1])
                height = int(detection[3] * frame.shape[0])
                x = center_x - width / 2
                y = center_y - height / 2
                class_ids.append(class_id)
                confidences.append(float(confidence))
                boxes.append([x, y, width, height])

        indices = cv2.dnn.NMSBoxes(boxes, confidences, 0.5, 0.4)
        for i in indices:
            i = i[0]
            box = boxes[i]
            x, y, w, h = box
            label = ["Apple", "Banana"][class_ids[i]]
            color = (0, 0, 255) if label == 'Apple' else (0, 255, 0)
            cv2.rectangle(frame, (x, y), (x + w, y + h), color, 2)
            cv2.putText(frame, f"{label}", (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2)

    # 显示结果
    cv2.imshow('Fruit Detection', frame)
    
    # Debug信息（这里只是示例，实际可以更详细）
    print(f"Detected {label} at ({x}, {y}) with confidence {confidence:.2f}")

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()