编程语言: Python;数据集来自网络，其中包括1986张麦穗图片，检测目标分3类：ripe(成熟)、semiripe(半成熟)、unripe(未成熟)；在项目中位于data/tomato文件夹内， 对应的索引文件在data/tomato/data.yaml;模型采用了ultralytics源码的yolov11目标检测模型，预训练权重文件为weights/yolov11n.pt，训练轮数为200

编程语言: Python;数据集来自网络mushrooms_9，其中包括6714张蘑菇图片，分9类，依次为伞菌属(Agaricus)、鹅膏属(Amanita)、牛肝菌属(Boletus)、丝膜菌属(Cortinarius)、粉褶蕈属(Entoloma)、蜡伞科(Hygrocybe)、乳菇属(Lactarius)、红菇属(Russula)、乳牛肝菌属(Suillus)；

视频演示：【鲲码园Python】基于pytorch的猫咪品种分类系统_演示飞书文档：classification_of_cats_breeds_based_on_pytorch

视频演示：

视频演示：【鲲码园Python】基于pytorch的人脸表情识别系统_演示_哔哩哔哩_bilibili飞书文档: Doc

导入单图后，点击识别按钮进行识别，右侧展示识别结果，根据识别的类别结果展示类别名，数据集中对应类别的随机图片比对，以及中药材的简介；

导入单图后，点击识别按钮进行识别，右侧展示识别结果，根据识别的类别结果展示中英文类别名，数据集中对应类别的随机图片比对，以及果蔬的简介；

导入单图后，点击识别按钮进行识别，右侧展示识别结果；

视频演示: 飞书文档:

视频演示：【鲲码园Python】基于yolov8的肺结节识别系统_演示