基于opencv-ANN的水果识别模型训练

最新推荐文章于 2025-09-26 02:00:30 发布

原创

最新推荐文章于 2025-09-26 02:00:30 发布 · 3.8k 阅读

50 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #人工智能 #qt

本文介绍了如何使用OpenCV库训练一个基于多层感知器（ANN_MLP）的机器视觉模型，用于识别苹果、香蕉等五种水果。步骤包括简化训练样本、生成训练数据、设置参数并训练模型，最终实现100%的预测准确率，并详细讲解了关键步骤和注意事项。

机器视觉---ANN

前言

本文通过opencv提供的ANN-MLP训练水果识别模型，样本为苹果、香蕉、梨、葡萄、橙，训练集为5种水果各100个样本（共500个），测试集为每类水果10个样本（共50个）。

一、简化训练样本

原样本为尺寸不一的图片，大部分图片的宽高比例范围在3：2～2：1，为将图片拉成同等长度的向量，生成训练集时将读取的图片统一为3：2的宽高比例，本文样本宽高选取45：30。（src原图像为灰度图片）

void MainWindow::FruitAnnPrePro(cv::Mat &src, cv::Mat &dst)
{
    using namespace cv;
    src.convertTo(src,CV_32FC1);
    cv::resize(src,src,Size(45,30));
    dst.push_back(src.reshape(0,1));
}

二、生成训练数据

1.读取样本

样本存储在5个文件夹下，先将文件夹名称和文件名称以字符串数组形式保存，以便逐项读取。读取后将经预处理函数简化并拉成长度为45*30=1350的行向量，然后将向量压入trainData中形成符合要求的训练集。

代码如下（示例）：

    string fruits[5] = {"apple","banana","grape","pear","orange"};
    string path = "/home/ghoson-x/Downloads/fruits/";//样本所在文件夹
    string * filePath = new string;
    filePath->append(path).append(fruits[i]).append("/");//i文件夹序号，对应文件夹名
    for(int j=0;j<100;++j){
    string * imagePath = new string;               imagePath->append(filePath->data(