宠物识别系统，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37种常见的猫狗宠物种类数据集【‘阿比西尼亚猫（Abyssinian）’, ‘孟加拉猫（Bengal）’, ‘暹罗猫（Birman）’, ‘孟买猫（Bombay）’, ‘英国短毛猫（British Shorthair）’, ‘埃及猫（Egyptian Mau）’, ‘缅因猫（Maine Co

蔬菜识别系统，本系统使用Python作为主要编程语言，通过收集了8种常见的蔬菜图像数据集（‘土豆’, ‘大白菜’, ‘大葱’, ‘莲藕’, ‘菠菜’, ‘西红柿’, ‘韭菜’, ‘黄瓜’），然后基于TensorFlow搭建卷积神经网络算法模型，通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面，实现用户上传一张蔬菜图片识别其名称。

蘑菇识别系统，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9种常见的蘑菇种类数据集【“香菇（Agaricus）”, “毒鹅膏菌（Amanita）”, “牛肝菌（Boletus）”, “网状菌（Cortinarius）”, “毒镰孢（Entoloma）”, “湿孢菌（Hygrocybe）”, “乳菇（Lactarius）”, “红菇（Russula）

果蔬识别系统，本系统使用Python作为主要开发语言，通过收集了12种常见的水果和蔬菜（‘土豆’, ‘圣女果’, ‘大白菜’, ‘大葱’, ‘梨’, ‘胡萝卜’, ‘芒果’, ‘苹果’, ‘西红柿’, ‘韭菜’, ‘香蕉’, ‘黄瓜’），然后基于TensorFlow库搭建CNN卷积神经网络算法模型，然后对数据集进行训练，最后得到一个识别精度较高的算法模型，然后将其保存为h5格式的本地文件方便后期调

植物识别系统，使用Python作为主要编程语言开发，通过收集常见的6中植物树叶（‘广玉兰’, ‘杜鹃’, ‘梧桐’, ‘樟叶’, ‘芭蕉’, ‘银杏’）图片作为数据集，然后使用TensorFlow搭建ResNet50算法网络模型，通过对数据集进行处理后进行模型迭代训练，得到一个识别精度较高的H5模型文件。并基于Django框架开发网页端平台，实现用户在网页上上传一张植物树叶图片识别其名称。Tens

基于Tensorflow 鸟类识别系统。通过对数据集的训练模型，从而实现预测200种鸟类。并在网页端可视化展现。同时配有一个后台管理系统，编程语言Python。

天气识别系统，以Python作为主要编程语言，通过收集了4种常见的天气图像数据集（多云、雨天、晴天、日出），然后基于TensorFlow搭建卷积神经网络算法模型，通过多轮迭代训练，最后得到一个识别精度较高的h5格式模型文件，然后基于Django搭建Web网页端操作界面，实现用户上传一张天气图片识别其名称。

眼疾识别系统，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4种常见的眼疾图像数据集（白内障、糖尿病性视网膜病变、青光眼和正常眼睛）再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型，然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面，实现用户上传一张眼疾图片识别其名称。

岩石种类识别系统，基于TensorFlow搭建卷积神经网络算法，通过对7种常见的岩石图片数据集（‘玄武岩（Basalt）’, ‘煤（Coal）’, ‘花岗岩（Granite）’, ‘石灰岩（Limestone）’, ‘大理石（Marble）’, ‘石英岩（Quartzite）’, ‘砂岩（Sandstone））进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。前端后端：Dja

花朵识别系统，基于TensorFlow搭建Resnet50卷积神经网络算法，通过对5种常见的花朵图片数据集（‘雏菊’, ‘蒲公英’, ‘玫瑰’, ‘向日葵’, ‘郁金香’）进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。技术栈项目前端使用Html、CSS、BootStrap搭建界面。后端基于Django处理逻辑请求基于Ajax实现前后端数据通信选题背景与意义。