子午的博客

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）”, “蜗牛（snail）”, “黄蜂（wasp）”, “象鼻虫（weevil）”】

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）”, “松茸（Suillus）”】

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。

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 Coon）’, ‘波斯猫（Persian）’, ‘布偶猫（Ragdoll）’, ‘俄罗斯蓝猫（Russian Blu

果蔬识别系统，主要开发语言为Python，基于TensorFlow搭建ResNet卷积神经网络算法模型，通过对12种常见的果蔬（‘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’）图像数据集进行训练，最后得到一个识别精度较高的模型文件。再基于Django框架搭建Web网页端可视化操作界面，以下为项目实现介绍。

汽车租聘管理与推荐系统。本系统使用Python作为主要编程语言，前端采用HTML、CSS、BootStrap等技术搭建前端界面，后端采用Django框架处理用户的请求。创新点：使用协同过滤推荐算法实现对当前用户个性化推荐。系统分为管理员和用户两个角色算法应用：系统使用协同过滤推荐算法基于用户评分信息计算相似度进行推荐管理员可以对用户和车辆信息进行管理。

农产品管理与推荐系统。本系统使用Python作为主要开发语言，前端使用HTML，CSS，BootStrap等技术和框架搭建前端界面，后端使用Django框架处理应用请求，使用Ajax等技术实现前后端的数据通信。实现了一个综合性的农产品管理与推荐平台。系统分为普通用户和管理员两个角色管理员可以在后台对用户和物品信息进行管理编辑在推荐功能模块中分为两个推荐模块：物品推荐 和 猜你喜欢物品推荐界面中，通过获取当前用户个人信息中填写的感兴趣的标签属性对用户进行推荐。

酒店管理系统。分为普通用户和管理员两个角色管理员：在后台管理系统中可以对用户和酒店房间等信息进行管理Django是一个高级的Python Web框架，它鼓励快速开发和干净、实用的设计。Django遵循MVC设计模式，即模型（Model）、视图（View）和模板（Template）。它旨在让开发者能够快速构建网站，同时提供许多内置功能，如用户认证、内容管理、站点地图、RSS订阅等，无需从头开始编写。自动管理数据库迁移，使得数据库的版本控制变得简单。

果蔬购物管理与推荐系统。本系统以Python作为主要开发语言，前端通过HTML、CSS、BootStrap等框架搭建界面，后端使用Django框架作为逻辑处理，通过Ajax实现前后端的数据通信。并基于用户对商品的评分信息，采用协同过滤推荐算法，实现对当前登录用户的个性化商品推荐。该系统分为普通用户和管理员两个角色普通用户登录、注册普通用户查看商品、加入购物车、购买、查看详情、发布评论、进行评分、查看购物车、个人订单、商品推荐等界面功能管理员可以对商品和用户所有信息进行管理。

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。

车辆车型识别，使用Python作为主要编程语言，通过收集多种车辆车型图像数据集，然后基于TensorFlow搭建卷积网络算法模型，并对数据集进行训练，最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面，实现用户上传一张车辆图片识别其类型。局部感知能力：通过卷积层，CNN能够捕捉图像的局部特征，如边缘和纹理信息，这使得它在处理图像时具有空间感知能力。参数共享：卷积层中的权重在整个输入图像上共享，减少了模型的参数数量，降低了过拟合的风险，并提高了训练效率。平移不变性。

美食管理与推荐系统。本系统使用Python作为主要开发语言开发的一个美食管理推荐网站平台。网站前端界面采用HTML、CSS、BootStrap等技术搭建界面。后端采用Django框架处理用户的逻辑请求，并将用户的相关行为数据保存在数据库中。通过Ajax技术实现前后端的数据通信。创新点：项目中使用协同过滤推荐算法通过用户对美食的评分作为推荐数据基础，通过计算相似度实现对当前登录用户的个性化推荐。系统分为管理员和用户两个角色管理员在后台系统中可以对用户和食物信息进行管理。

花店鲜花管理与推荐系统。本系统使用Python作为主要开发语言开发的一个花店鲜花管理与推荐的网站平台。网站前端界面采用HTML、CSS、BootStrap等技术搭建界面。后端采用Django框架处理用户的逻辑请求，并将用户的相关行为数据保存在数据库中。通过Ajax技术实现前后端的数据通信。创新点：项目中使用基于用户的协同过滤推荐算法通过用户对鲜花的评分作为推荐数据基础，通过计算相似度实现对当前登录用户的个性化推荐。系统分为管理员和用户两个角色。

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用。再使用Django框架搭建Web网页平台操作界面，实现用户上传一张果蔬图片识别其名称。

手势识别系统，使用Python作为主要编程语言，通过收集了10种手势图片数据集（0~9），然后基于TensorFlow搭建卷积神经网络算法模型，然后训练模型得到一个识别精度较高的模型文件，在基于Django搭建网页端操作界面平台，实现用户上传一张图片识别其名称。卷积神经网络（CNN）是一种深度学习算法，特别适合于图像识别任务。它通过模拟人类视觉皮层处理图像的方式，能够自动提取图像特征。卷积层：使用滤波器（或称为卷积核）在输入图像上滑动，提取局部特征，如边缘、纹理等。激活函数。

电影推荐管理系统。本系统使用Python作为主要开发语言，前端采用HTML、CSS、BootStrap等技术语言框架搭建展示界面，后端采用Django作为功能逻辑处理，并使用Ajax实现前端与和后端的通信。系统平台分为管理员和用户两个角色管理员在后台管理系统中可以对上述的用户和电影所有数据进行管理协同过滤（Collaborative Filtering）是一种推荐系统算法，它基于用户或物品之间的相似性来预测用户可能喜欢的物品。用户相似性。

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。

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’, ‘黄鱼’, ‘黄鳝’, ‘黑鱼’, ‘龙头鱼’）图片作为数据集，然后使用TensorFlow搭建ResNet5

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。TensorFlow 是一个强大的开源机器学习框架，广泛应用于图像识别领域。

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。TensorFlow是一个由Google开发的开源机器学习库，广泛应用于各种人工智能领域，特别是在图像识别技术方面表现出色。