版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/github_27587443/article/details/72859273
搭配好python-opencv环境后,写一段python代码进行测试:
import numpy as np
import cv2
img = cv2.imread('askbutton.png', 0)
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
可以发现成功读取了askbutton这个图片,如下图所示:
接下来开始视频的捕获,python代码如下:
import numpy as np
import cv2
cap = cv2.VideoCapture(0)
while(True):
# Capture frame-by-frame
ret, frame = cap.read()
# Our operations on the frame come here
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# Display the resulting frame
cv2.imshow('frame',gray)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# When everything done, release the capture
cap.release()
cv2.destroyAllWindows()
获取的是视频的灰度图,可以以正常的帧率进行捕获,那么程序的输入便成功的获取,输出为向arduino发送的串口数据。那么接下来的核心问题就是关于果蔬种类的识别程序了,用接下来的时间去进行这项工作。
大体的思路为通过深度学习训练好模型,然后提取出测试样本的特征,把这些特征通过分类器进行分类,进行到这里,就是一个相对简单的分类(classification)问题了。