基于python的水果识别 写几个实际例子的代码

基于Python的水果识别通常会利用计算机视觉和机器学习技术，比如深度学习框架如TensorFlow或PyTorch。这里举一个简单的例子，我们将使用OpenCV库和预训练的模型（如ResNet或VGG16）进行基础的图像分类，假设我们已经下载了一个用于水果分类的小型数据集。

# 导入所需库
import cv2
from tensorflow.keras.applications import ResNet50
from tensorflow.keras.applications.resnet50 import preprocess_input, decode_predictions

# 加载预训练模型（权重）
model = ResNet50(weights='imagenet')

def predict_fruit(image_path):
    # 读取图片
    img = cv2.imread(image_path)
    # 调整尺寸并预处理
    img_resized = cv2.resize(img, (224, 224))
    img_array = np.array(img_resized) / 255.0
    img_tensor = preprocess_input(img_array[np.newaxis, :, :, :])

    # 预测
    predictions = model.predict(img_tensor)
    top_prediction = decode_predictions(predictions, top=1)[0]

    # 返回最有可能的水果名称
    return top_prediction[0][1]

# 测试模型
image_path = 'path_to_your_image.jpg'
fruit_name = predict_fruit(image_path)
print(f"预测的水果是: {fruit_name}")