python机器视觉水果分类

以下是一个简单的Python机器视觉水果分类代码示例：

import cv2
import numpy as np

# 加载训练数据
fruits = ['apple', 'banana', 'orange']
samples = []
labels = []
for i, fruit in enumerate(fruits):
    for j in range(1, 11):
        img = cv2.imread(f'data/{fruit}{j}.jpg')
        img = cv2.resize(img, (100, 100))
        samples.append(img)
        labels.append(i)

# 建立模型
model = cv2.ml.KNearest_create()
samples = np.array(samples).reshape(-1, 100 * 100 * 3).astype(np.float32)
labels = np.array(labels).reshape(-1, 1).astype(np.float32)
model.train(samples, cv2.ml.ROW_SAMPLE, labels)

# 测试
img = cv2.imread('data/apple12.jpg')
img = cv2.resize(img, (100, 100))
test = np.array(img).reshape(-1, 100 * 100 * 3).astype(np.float32)
ret, result, neighbours, dist = model.findNearest(test, k=3)
print(fruits[int(result)])

首先，我们加载训练数据，包括苹果、香蕉和橘子的图像。然后，我们使用K最近邻算法建立一个模型，并使用训练数据进行训练。

接下来，我们使用测试图像进行测试。测试图像是一个苹果图像，我们将其调整为100x100大小，并将其转换为模型所需的格式。然后，我们使用模型的findNearest方法找到最接近的三个邻居，然后将结果打印出来。

这个简单的机器视觉水果分类示例可以用于更复杂的任务，例如识别多种不同的水果，或者用于智能农业和食品加工等应用。