计算机可以通过以下方法来识别和计算蔬果：
基于计算机视觉的智能果蔬结算系统
硬件组成：系统通过摄像头获取果蔬图像，并使用压力传感器来检测果蔬的重量。
软件算法：
构建果蔬数据集，并进行整张图像标注。
基于Faster R-CNN算法构建果蔬检测模型，并改进锚窗尺寸以训练果蔬识别模块。
融合果蔬的识别结果及重量信息生成二维码，实现自动结算功能。
测试结果：系统在真实场景测试中，对常见果蔬种类的平均识别率达到91.27%，单件商品结算时间约为5秒，约为人工结算时间的1/6。
K最近邻算法
计算机通过存储柚子和橙子的颜色与个头信息，并绘制成坐标图。
当输入手上的水果的颜色与大小信息时，计算机可以通过计算距离判断水果种类。例如，如果离橙子近，则判断为橙子，否则判断为柚子。
简单的分类与计算
输入包含菜种、数量和单价的数据组，计算每组数据的菜价并进行四舍五入处理。
输出精度为角的菜价总量。
基于数据的计算
存储蔬菜的单价和重量在数组中，通过循环计算总价格。
基于神经网络的识别
使用改进的神经网络算法构建蔬菜图像识别模型，并结合其他技术如遗传算法来实现水果识别。
这些方法各有优缺点，适用于不同的场景和需求。在实际的果蔬结算系统中，通常会采用基于计算机视觉的智能结算系统，因为它具有较高的识别准确率和效率。