python中利用已有h5模型调用摄像头识别水果并框选出水果位置以及注明标签

以下是一个简单的示例代码，使用已有的h5模型调用摄像头识别水果并框选出水果位置以及注明标签：

import cv2
import numpy as np
import tensorflow as tf
from tensorflow import keras

# 加载模型
model = keras.models.load_model('fruit_model.h5')

# 标签列表
labels = ['apple', 'banana', 'orange', 'pear']

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取摄像头帧
    ret, frame = cap.read()

    # 调整帧大小和颜色通道
    frame = cv2.resize(frame, (224, 224))
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

    # 预处理帧
    frame = np.expand_dims(frame, axis=0)
    frame = tf.keras.applications.mobilenet_v2.preprocess_input(frame)

    # 预测水果类别
    preds = model.predict(frame)
    class_idx = np.argmax(preds)
    label = labels[class_idx]

    # 绘制框选区域和标签
    cv2.putText(frame, label, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
    cv2.rectangle(frame, (0, 0), (224, 224), (0, 255, 0), 2)

    # 显示框选结果
    cv2.imshow('Fruit Detection', frame)

    # 按下q键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头和窗口
cap.release()
cv2.destroyAllWindows()

在该示例代码中，我们首先加载了预训练的水果识别模型，然后打开了摄像头并循环读取摄像头帧，预测水果类别并绘制框选区域和标签，最后显示框选结果。按下q键即可退出循环。请注意，该示例代码仅供参考，实际应用时可能需要对其进行适当修改以满足需求。