验证码识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。并基于Django框架，开发网页端操作平台，基于Pyqt5搭建桌面端操作界面，实现用户上传一张图片识别其名称。

介绍车牌识别项目，基于tensorflow，使用卷积神经网络实现对车牌地区，字母，数字的识别。通过13675张图片作为数据集，训练生成模型。使用django框架将数据结果进行显示，并增加后台管理系统方便使用信息的查看。效果演示视频：https://www.bilibili.com/video/BV18Y4y1z7WQ/咨询q：2784127853...

在Django中，数据库模型是使用Python代码来定义的。每个模型类对应数据库中的一个表。

果蔬识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。并基于Django框架，开发网页端操作平台，实现用户上传一张图片识别其名称。

介绍动物识别项目，基于tensorflow，使用Xception网络构建模型，进行迭代训练，实现对鸡马猫狗识别。机器学习，人工智能，深度学习项目。通过对4000张数据集图片进行训练生成训练模型，使用django框架将数据结果进行显示，并增加后台管理系统方便使用信息的查看。技术栈PythontensorflowXception网络构建模型构建，模型训练可视化系统搭建咨询q：2784127853演示视

蔬菜识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。并基于Django框架，开发网页端操作平台，实现用户上传一张图片识别其名称。

乐器识别系统。

垃圾识别分类系统。本系统采用Python作为主要编程语言，通过收集了5种常见的垃圾数据集（‘塑料’, ‘玻璃’, ‘纸张’, ‘纸板’, ‘金属’），然后基于TensorFlow搭建卷积神经网络算法模型，通过对图像数据集进行多轮迭代训练，最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面，实现用户在网页端上传一张垃圾图片识别其名称。随着环境问题日益严重，垃圾分类

害虫识别系统，本系统使用Python作为主要开发语言，基于TensorFlow搭建卷积神经网络算法，并收集了12种常见的害虫种类数据集【“蚂蚁（ants）”, “蜜蜂（bees）”, “甲虫（beetle）”, “毛虫（catterpillar）”, “蚯蚓（earthworms）”, “蜚蠊（earwig）”, “蚱蜢（grasshopper）”, “飞蛾（moth）”, “鼻涕虫（slug）”

鱼类识别系统，使用Python作为主要编程语言开发，通过收集常见的30种鱼类（‘墨鱼’, ‘多宝鱼’, ‘带鱼’, ‘石斑鱼’, ‘秋刀鱼’, ‘章鱼’, ‘红鱼’, ‘罗非鱼’, ‘胖头鱼’, ‘草鱼’, ‘银鱼’, ‘青鱼’, ‘马头鱼’, ‘鱿鱼’, ‘鲇鱼’, ‘鲈鱼’, ‘鲍鱼’, ‘鲑鱼’, ‘鲢鱼’, ‘鲤鱼’, ‘鲫鱼’, ‘鲳鱼’, ‘鲷鱼’, ‘鲽鱼’, ‘鳊鱼’, ‘鳗鱼’,