项目进度（十）

接下来果蔬秤解决的是关于输入的问题，通过摄像头来捕获拍摄的果蔬，这是需要解决的一个问题。

搭配好Python-opencv环境后，写一段python代码进行测试：

[python] view plain copy

1. import numpy as np  
2. import cv2  
3.   
4. img = cv2.imread('askbutton.png', 0)  
5. cv2.imshow('image', img)  
6. cv2.waitKey(0)  
7. 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：

[html] view plain copy

1. import numpy as np  
2. import cv2  
3.   
4. cap = cv2.VideoCapture(0)  
5.   
6. while(True):  
7.     # Capture frame-by-frame  
8.     ret, frame = cap.read()  
9.   
10.     # Our operations on the frame come here  
11.     gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  
12.   
13.     # Display the resulting frame  
14.     cv2.imshow('frame',gray)  
15.     if cv2.waitKey(1) & 0xFF == ord('q'):  
16.         break  
17.   
18. # When everything done, release the capture  
19. cap.release()  
20. cv2.destroyAllWindows()  

运行，得到的结果如下图：

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。