python实现人工智能识别水果_python水果识别

1） 需求分析

1.水果数据处理：对水果(苹果，香蕉)数据集进行处理转化为标签和图像，并转化为one-hot码。
2.卷积模型搭建：采用keras搭建模型，卷积层、池化层、Dropout层、全连接层、输出层
3.模型训练把数据集在建立的模型上进行训练，并把最好的模型保存到h5文件中，便于直接对模型进行测试。
4.模型测试：打开摄像头，使用通用物体进行测试。测试结果将录制成视频展示。

2） 概要设计

1. 测试前代码：

from keras.applications.resnet50 import ResNet50  #//导入AI软件平台keras 里的AI模型　ResNet50
from keras.preprocessing import image#//导入图像处理库　ｉｍａｇｅ
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

#//载入模型
model = ResNet50(weights='imagenet')  #//使model指向ResNet50模型
img_path = '鸟.jpg'     #//等待识别的图像(可用车，水果等)，注：需把图片放该代码的同目录下
img = image.load_img(img_path, target_size=(224, 224))   #//载入图像
    #//-图像的预处理
x = image.img_to_array(img)     #//把图像转换为数组
x = np.expand
1
2
3
4
5
6
7
8
9
10
11