写出python代码，实现利用yolov5对香蕉计数，模型采用自己训练的模型，且已训练好

很高兴为您解答这个问题。为了使用自己训练的 YOLOv5 模型对香蕉进行计数，您需要按照以下步骤进行操作：

1. 首先，确保您已经安装了 `torch`、`torchvision` 和 `numpy` 库。如果没有安装，可以使用以下命令安装：

pip install torch torchvision numpy

2. 下载 YOLOv5 代码库并导入相关的模块：

import torch
from torchvision import transforms
from PIL import Image

# 导入自己训练的模型
model = torch.hub.load('ultralytics/yolov5', 'custom', path_or_model='path/to/your/model.pt')

请将 `'path/to/your/model.pt'` 替换为您自己训练模型的路径。

3. 加载香蕉图片并进行预处理：

image_path = 'path/to/your/image.jpg'  # 替换为您的香蕉图片路径

# 使用PIL库加载图像
image = Image.open(image_path).convert('RGB')

# 进行图像预处理
transform = transforms.Compose([
    transforms.Resize((640, 640)),  # 调整图像大小
    transforms.ToTensor(),  # 转换为张量
])

image = transform(image).unsqueeze(0)  # 添加批次维度并转换为单张图像

# 将图像传递给模型进行预测
results = model(image)

请将 `'path/to/your/image.jpg'` 替换为您的香蕉图片路径。

4. 解析预测结果并计数香蕉：

# 解析预测结果
boxes = results.xyxy[0]  # 获取边界框坐标
scores = boxes[:, 4]  # 获取置信度
class_ids = boxes[:, 5]  # 获取类别ID

# 计数香蕉
banana_count = torch.sum(class_ids == 0).item()  # 假设香蕉类别ID为0

print("香蕉数量:", banana_count)

这样，您就可以使用自己训练的 YOLOv5 模型对香蕉进行计数了。请确保替换代码中的路径为您自己的模型和图片路径。希望对您有所帮助！