涉及技术卷积神经网络算法搭建、模型训练、前端Vue3+Element plus搭建界面、后端Django处理任务。项目简介中草药识别系统，通过收集10种常见的中草药数据集，基于TensorFlow搭建卷积神经网络算法模型进行多轮迭代训练，最后得到一个识别精度较高的模型，然后使用最新的Vue3+Element plus搭建界面，后端Django处理请求，实现前后端分离开发模式，实现一个完整的可视化操

鸟类识别系统，通过TensorFlow搭建卷积神经网络算法，数据集使用经典的加利福尼亚大学CUB-200-2011鸟类数据集，对其进行多轮迭代训练，最后得到了一个精度较高的模型，并搭建Web可视化操作平台。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的页面模块。登录系统后可发布、查看、编辑文章，创建文章功能中集成

卫星影像识别系统，基于TensorFlow搭建卷积神经网络算法，通过对7种常见的卫星遥感影像图片数据集（‘草地（Grass）’, ‘农田（Field）’, ‘工业区（Industry）’, ‘河流湖泊（RiverLake）’, ‘森林（Forest）’, ‘居民区（Resident）’, ‘停车场（Parking）’）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

蘑菇识别系统基于TensorFlow框架，采用ResNet50卷积神经网络结构进行算法构建。系统在包含九类常见蘑菇（香菇、毒鹅膏菌、牛肝菌、网状菌、毒镰孢、湿孢菌、乳菇、红菇、松茸）的数据集上进行了多轮迭代训练，最终获得高精度识别模型，并部署于Web端实现可视化交互。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的

中草药识别系统。本系统基于TensorFlow搭建卷积神经网络算法（ResNet50算法）通过对10中常见的中草药图片数据集（‘丹参’, ‘五味子’, ‘山茱萸’, ‘柴胡’, ‘桔梗’, ‘牡丹皮’, ‘连翘’, ‘金银花’, ‘黄姜’, ‘黄芩’）进行训练，得到一个识别精度较高的H5格式模型文件，然后基于Django开发可视化的Web网页操作界面，实现用户上传一张图片识别其名称。TensorF

鸟类识别系统，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。MobileNetV2 是一种用于图像分类和目标检测的轻量级深度神经网络模型。它是MobileNetV1的进一步改进版本，旨在提供更好的性能和更高的效率。

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）”

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。

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。

基于Python和TensorFlow，开发了一个表情识别系统，该系统利用先进的深度学习技术，通过卷积神经网络模型ResNet50对人脸表情进行识别。该系统主要针对七种基本人脸表情：中性、愤怒、厌恶、恐惧、快乐、悲伤和惊讶，进行分类和识别。这种表情识别技术在人机交互、情绪分析、安全监控等领域具有广泛的应用前景。ResNet50是一种具有50层网络的深度残差网络，因其出色的性能和较低的训练成本，在图