• 水果智能识别 App：手机现拍现教，镜头一对就报出水果名和热量
  • 准备
  • 第一步：打开摄像头
  • 第二步：教会四个类别
  • 第三步：实时显示识别结果
  • 第四步：显示热量，换了水果才播报
  • 第五步：保存模型，下次打开直接能认
  • 排错
  • 下一步

« 返回首页

水果智能识别 App：手机现拍现教，镜头一对就报出水果名和热量

一句话结论：用即教即识组件在手机上给每种水果拍几十张样本即可做水果识别 App，镜头对准就显示名称、置信度和热量，无需电脑训练和联网，需要 Android 7.0 以上。

做完的效果：手机镜头对准一个苹果，屏幕上立刻显示「苹果 96%」和「约 52 千卡 / 100 克」，同时语音说出「这是苹果」；换成香蕉，结果马上跟着变；什么都不放，就提示「请把水果放到镜头前」。

用的是本站内置的 即教即识 组件：不用电脑训练模型、不用联网、不用导入拓展，在手机上对着水果拍几十张样本就教会了。原理很简单：每张画面先变成一串特征数字，识别时找和它最像的样本，所以加完样本立刻生效，不用等训练。

准备

• 手机：安卓 7.0 以上，装好 AI 伴侣（即教即识暂不支持鸿蒙）。
• 水果：苹果、香蕉、橙子各一个（换成你手边的任意水果都行，类别名改一下即可）。
• 一块干净的桌面或一张白纸当背景。

第一步：打开摄像头

when Screen1.Initialize() {
  即教即识1.StartLiveCamera()
  标签_结果.Text = "请先教几种水果"
}

跑起来看：连上 AI 伴侣，允许相机权限后，布局里出现实时画面，左上角还没有标注（因为一个类别都没教过）。看不到画面先查布局的高度是不是 300 像素。

第二步：教会四个类别

每个按钮从摄像头连续拍 20 张样本，每张间隔约 0.15 秒，3 秒左右拍完：

when 按钮_苹果.Click() {
  即教即识1.AddSamplesFromCamera("苹果", 20)
}
when 按钮_香蕉.Click() {
  即教即识1.AddSamplesFromCamera("香蕉", 20)
}
when 按钮_橙子.Click() {
  即教即识1.AddSamplesFromCamera("橙子", 20)
}
when 按钮_背景.Click() {
  即教即识1.AddSamplesFromCamera("背景", 20)
}
when 即教即识1.SampleAdded(类别, 数量) {
  标签_介绍.Text = join("正在教「", 类别, "」：", 数量, " / 20 张")
}

怎么教：点「教苹果」后，把苹果放在镜头前慢慢转动、拉远拉近，让 20 张样本各不相同；香蕉、橙子照做。最后点「教背景」，镜头对着空桌面拍 20 张。

跑起来看：标签从「正在教「苹果」：1 / 20 张」一路数到 20。教完苹果后，画面左上角就开始出现「苹果」标注了。

为什么要教「背景」：即教即识只会在教过的类别里挑最像的。不教背景，镜头对着空桌子时它也会硬说是某种水果。

第三步：实时显示识别结果

when 即教即识1.LiveClassification(类别, 置信度, 结果JSON) {
  if 类别 == "" or 类别 == "背景" {
    标签_结果.Text = "请把水果放到镜头前"
  } else {
    标签_结果.Text = join(类别, " ", round(置信度 * 100), "%")
  }
}

「实时分类」每秒最多触发 5 次（「实时事件间隔」默认 200 毫秒）。类别为空表示拿不准：最像的类别置信度低于「最低置信度」（默认 0.6），比如镜头前放了一个没教过的梨。

跑起来看：苹果放到镜头前，显示「苹果 9x%」；拿走，显示「请把水果放到镜头前」。

第四步：显示热量，换了水果才播报

用一个字典存每种水果的介绍。语音不能每次事件都念（一秒 5 次会念个不停），所以用一个变量记住上一次念过的水果，换了水果才念：

global 水果资料 = {"苹果": "约 52 千卡 / 100 克，富含膳食纤维", "香蕉": "约 93 千卡 / 100 克，富含钾", "橙子": "约 48 千卡 / 100 克，富含维生素 C"}
global 上次水果 = ""

when 即教即识1.LiveClassification(类别, 置信度, 结果JSON) {
  if 类别 == "" or 类别 == "背景" {
    标签_结果.Text = "请把水果放到镜头前"
    标签_介绍.Text = ""
    上次水果 = ""
  } else {
    标签_结果.Text = join(类别, " ", round(置信度 * 100), "%")
    标签_介绍.Text = dictGet(水果资料, 类别, "还没有这种水果的介绍")
    if 类别 != 上次水果 {
      上次水果 = 类别
      文本朗读器1.Speak(join("这是", 类别))
    }
  }
}

这段替换第三步的「实时分类」事件（同一个事件只能有一个）。

跑起来看：苹果放上去，手机说一次「这是苹果」，下面显示热量；苹果一直放着不会重复念；换成香蕉，立刻说「这是香蕉」；拿走再放回苹果，又会念一次。

第五步：保存模型，下次打开直接能认

教好的样本在关闭 App 后就没了。点「保存模型」存成文件，下次启动自动载入：

when Screen1.Initialize() {
  即教即识1.StartLiveCamera()
  即教即识1.LoadModel("fruit.json")
}
when 按钮_保存.Click() {
  即教即识1.SaveModel("fruit.json")
}
when 即教即识1.ModelSaved(路径) {
  标签_介绍.Text = join("模型已保存，共 ", 即教即识1.SampleCount, " 张样本")
}
when 即教即识1.ModelLoaded(类别数, 样本数) {
  标签_结果.Text = join("已载入 ", 类别数, " 种类别，请把水果放到镜头前")
}
when 即教即识1.ClassifierError(操作, 错误信息) {
  if 操作 == "LoadModel" {
    标签_结果.Text = "还没有模型，请先教几种水果"
  } else {
    标签_介绍.Text = join("出错：", 错误信息)
  }
}

这段的「Screen1.初始化」替换第一步那个。模型只存特征数字、不存照片，80 张样本约 650KB，存在 App 自己的目录里，不需要存储权限。

文件名用英文：只在手机上存取时，中文文件名也能用；但模型文件要作为素材上传时，App Inventor 的素材名不支持中文，上传会被自动改成英文名，LoadModel 里写的中文名就对不上了。所以一开始就用字母、数字取名，如 fruit.json。

跑起来看：教完点「保存模型」，提示「模型已保存，共 80 张样本」；退出 App 重新打开，提示「已载入 4 种类别」，不用再教就能认。

想让别人装上就能用：把手机里保存的模型文件（或用电脑上的即教即识训练台导出的模型）作为素材上传到项目，LoadModel 写素材名即可，编译出的 APK 一打开就会认。

排错

下一步

• 多认几种：加按钮、加字典条目就行。类别上几十种、要求很高的准确率时，改用电脑训练的 TFLite 模型配合自定义图像分类。
• 称重算价：接蓝牙电子秤读重量，按识别出的水果查单价，做一个自助称重收银台。
• 成熟度：同一种水果分「青香蕉」「熟香蕉」「过熟香蕉」三类来教，就成了成熟度检测。

几种图像分类方案（即教即识、自定义图像分类、PIC、Teachable Machine）的区别，看图像分类方案对比。