机器视觉案例——水果识别P1

案例来自哔哩哔哩UP主肆十二-

配置环境

思考:为什么要用conda

答:后面程序运行需要requirements,我们可以通过conda去下载相应的条件(买菜)

使用conda创建虚拟环境

网址Latest Miniconda installer links by Python version — miniconda documentation

选择python3.8下载

这里选择just me 

安装的时候安装在除了C盘以外的其他盘 

自己起个新建文件夹 我的是Conda

安装完之后,我们去下载一个代码——本次以BILIBILI的UP主肆十二-提供的代码为案例(CSDN上也有)

安装完之后,在我们的下载好的代码文件夹下输入cmd

再输入conda就表示安装成功

cmd中输入以下代码更换国内镜像 这可以让我们之后下载速度更快

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --set show_channel_urls yes

 pip更换为清华大学源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

命令行输入下面代码创建虚拟环境

conda create -n tf2.3 python==3.7.3

tf2.3指的是环境的名字 版本号为3.7.3

• conda create –n 虚拟环境名字 python=版本

输入下面的代码

conda activate tf2.3 

出现(tf2.3)表示创建环境激活成功

接着在命令中执行程序所需要的包

以哔哩哔哩UP主肆十二-提供的果蔬代码为例

我们可以看到这里我们的requirements

在刚刚的命令提示符继续输入

pip install -r requirements.txt

就会下载requirement里面的内容了

下载pycharm

Download PyCharm: Python IDE for Professional Developers by JetBrains

输入网址下载这个社区版

全部勾选

安装完成之后

右击通过pycharm打开就可以

开始运行

pycharm有我们刚刚创建好的 环境

点击一下

下面会慢慢调用 等待完成

  • 6
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习水果识别是一种利用机器学习算法和图像处理技术对水果进行自动识别的方法。其中,使用Python中的OpenCV库实现物体特征提取是一种常见的实现方式。 OpenCV是一个强大的开源计算机视觉库,提供了许多用于图像处理和分析的函数和工具。它可以辅助我们实现水果识别所需要的特征提取步骤。 首先,我们需要准备水果图像数据集。这些图像可以是不同种类的水果,每个水果都有多个不同视角的图像。接下来,我们使用OpenCV库中的函数加载和处理这些图像。 在特征提取中,我们可以使用很多不同的技术。其中,最常用的方法是使用图像的颜色和纹理特征。在处理图像时,我们可以使用OpenCV中的函数计算这些特征。 例如,我们可以使用OpenCV中的函数提取图像的颜色直方图。这可以帮助我们了解图像中不同颜色的比例和分布情况。在水果识别中,不同水果的颜色特征往往是不同的。 此外,我们还可以使用OpenCV中的纹理特征提取方法,比如局部二值模式(Local Binary Patterns)。这可以帮助我们分析图像中的纹理信息,如图像的细节和纹理变化。这些纹理特征在识别不同类型的水果时也是有用的。 最后,我们可以使用机器学习算法,如支持向量机(SVM)或卷积神经网络(CNN),来训练一个分类模型。这个模型可以根据提取的特征来判断输入图像是否为某种水果。 总之,使用Python中的OpenCV库实现水果识别中的物体特征提取是一种非常有效的方法。通过提取图像的颜色和纹理特征,并使用机器学习算法进行分类,我们可以实现一个准确和高效的水果识别系统。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值