用python代码写水果识别

可以使用机器学习中的图像分类模型来实现水果识别。下面是一个使用Python和Keras库的例子：

首先，导入必要的库和模块：

import numpy as np
import keras
from keras.preprocessing import image
from keras.applications import resnet50

接下来，加载预训练的ResNet50模型：

model = resnet50.ResNet50(weights='imagenet')

然后，定义一个函数来对输入的图像进行预处理：

def preprocess_img(img_path):
    img = image.load_img(img_path, target_size=(224, 224))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    x = resnet50.preprocess_input(x)
    return x

接着，定义一个函数来对输入的图像进行分类：

def classify_fruit(img_path):
    img = preprocess_img(img_path)
    preds = model.predict(img)
    decoded_preds = resnet50.decode_predictions(preds, top=3)[0]
    return decoded_preds

最后，调用上述函数，输入一个水果图像的路径，即可得到该图像的分类结果：

img_path = 'path/to/fruit/image.jpg'
preds = classify_fruit(img_path)
print(preds)

输出结果将会是一个列表，包含了该图像最可能的三个类别及其对应的概率。