智能动物识别系统
基于 ResNet50 深度学习模型 + DeepSeek 大语言模型
《Python编程实践》期末课程设计作品
项目简介
本系统是《Python编程实践》课程的期末设计项目，实现了基于深度学习的动物识别功能。 用户上传动物图片后，系统通过深度学习模型识别动物类别，并调用DeepSeek大模型生成生动的科普介绍。 项目采用前后端分离架构，后端部署在腾讯云服务器上，提供云端推理服务。
技术架构
深度学习模型 + 云端推理 + 大模型增强
📸 图片上传 支持 JPG / PNG
点击或拖拽上传动物图片
建议使用清晰、正面、光线充足的照片
🐘 识别能力
基于 ImageNet 数据集预训练的 ResNet50 深度神经网络， 可识别包括 老虎、狮子、大象、长颈鹿、斑马、熊、狼、狐狸、猴子、熊猫、袋鼠、 考拉、鹿、马、牛、羊、兔子、企鹅、鹰、猫、狗等 在内的 1000 种常见物体。
🤖 AI增强
识别结果实时调用 DeepSeek 大语言模型， 自动生成该动物的特征、习性、分布区域、有趣知识等科普介绍， 实现「深度学习识别 + 大模型科普」的完整闭环。
📌 课程设计说明 | 后端：FastAPI + ResNet50 + DeepSeek API | 前端：HTML5 + Tailwind CSS + 原生JS | 部署：腾讯云轻量服务器 (4核4G) | 实现「本地操作 + 云端推理 + 结果展示」闭环
《Python编程实践》期末课程设计 | 指导教师：XXX | 作者：XXX