diff --git a/README.md b/README.md
index 47d502acbfb722b0487bb6eb4b2451ed375b2a94..48f776c255497bd93810f8efe32e3eaf1919f4cc 100644
--- a/README.md
+++ b/README.md
@@ -92,6 +92,8 @@ Lockzhiner Vision Module 拥有丰富的 IO 接口，其接口图片如下图所
 * [凌智视觉模块条码检测与识别部署指南](./example/special/bar_code_recognition)
 * [凌智视觉模块人脸检测部署指南](example/vision/face_detection)
 * [凌智视觉模块人脸识别部署指南](example/vision/face_recognition)
+* [凌智视觉模块猫狗识别部署指南](example/special/cat_and_dog_classification)
+* [凌智视觉模块花卉识别部署指南](example/special/flower_classfication/)
 <!-- * [人脸佩戴口罩检测部署指南(支持中)]() -->
 
 ## 🐛 Bug反馈
diff --git a/example/special/cat_and_dog_classification/README.md b/example/special/cat_and_dog_classification/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..79e003e27e51fa3ae60660d1e7229d089b44d235
--- /dev/null
+++ b/example/special/cat_and_dog_classification/README.md
@@ -0,0 +1,50 @@
+<h1 align="center">凌智视觉模块猫狗分类识别部署指南</h1>
+
+发布版本：V0.0.0
+
+日期：2024-11-13
+
+文件密级：□绝密 □秘密 □内部资料 ■公开  
+
+---
+
+**免责声明**  
+
+本文档按**现状**提供，福州凌睿智捷电子有限公司（以下简称**本公司**）不对本文档中的任何陈述、信息和内容的准确性、可靠性、完整性、适销性、适用性及非侵权性提供任何明示或暗示的声明或保证。本文档仅作为使用指导的参考。  
+
+由于产品版本升级或其他原因，本文档可能在未经任何通知的情况下不定期更新或修改。  
+
+**读者对象**  
+
+本教程适用于以下工程师：  
+
+- 技术支持工程师  
+- 软件开发工程师  
+
+**修订记录**  
+
+| **日期**   | **版本** | **作者** | **修改说明** |
+| :--------- | -------- | -------- | ------------ |
+| 2024/11/13 | 0.0.0    | 钟海滨     | 初始版本     |
+
+## 1 简介
+
+猫狗分类是计算机视觉入门的常见任务，我们基于 [凌智视觉模块分类模型部署指南](../../vision/classification) 训练了凌智视觉模块专用的模型，该模型能够实现对猫狗分类识别。
+
+## 2 运行前的准备
+
+- 请确保你已经下载了 [凌智视觉模块猫狗分类识别模型](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.2/LZ-Dog-and-Cat-classfication.rknn)
+
+## 3 在凌智视觉模块上部署猫狗分类识别案例
+
+下载模型后，请参考以下教程使用 Python 在凌智视觉模块上部署分类模型例程：
+
+- [凌智视觉模块猫狗分类识别 Python 部署指南](./python)
+
+## 4 模型性能指标
+
+以下测试数据为模型执行 Predict 函数运行 1000 次耗时的平均时间
+
+| 分类模型 | FPS(帧/s) | 精度(%) |
+|:-------:|:----:|:----:|
+|LZ-Flower-Classfication|35||
diff --git a/example/special/cat_and_dog_classification/python/README.md b/example/special/cat_and_dog_classification/python/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..b788cca34a0cd5670e2ee3a09dca9d5d92cb72a5
--- /dev/null
+++ b/example/special/cat_and_dog_classification/python/README.md
@@ -0,0 +1,108 @@
+<h1 align="center">凌智视觉模块猫狗分类识别 Python 部署指南</h1>
+
+发布版本：V0.0.0
+
+日期：2024-11-13
+
+文件密级：□绝密 □秘密 □内部资料 ■公开  
+
+---
+
+**免责声明**  
+
+本文档按**现状**提供，福州凌睿智捷电子有限公司（以下简称**本公司**）不对本文档中的任何陈述、信息和内容的准确性、可靠性、完整性、适销性、适用性及非侵权性提供任何明示或暗示的声明或保证。本文档仅作为使用指导的参考。  
+
+由于产品版本升级或其他原因，本文档可能在未经任何通知的情况下不定期更新或修改。  
+
+**读者对象**  
+
+本教程适用于以下工程师：  
+
+- 技术支持工程师  
+- 软件开发工程师  
+
+**修订记录**  
+
+| **日期**   | **版本** | **作者** | **修改说明** |
+| :--------- | -------- | -------- | ------------ |
+| 2024/11/13 | 0.0.0    | 钟海滨     | 初始版本     |
+
+## 1 简介
+
+接下来让我们基于 Python 来部署猫狗分类识别案例，在开始本章节前：
+
+- 请确保你已经参考 [凌智视觉模块猫狗分类识别部署指南](../README.md) 正确下载了模型。
+- 请确保你已经参考 [凌智视觉模块摄像头部署指南](../../../periphery/capture/README.md) 正确下载了凌智视觉模块图片传输助手。
+- 请确保你已经按照 [开发环境搭建指南](../../../../docs/introductory_tutorial/python_development_environment.md) 正确配置了开发环境。
+
+## 2 Python API 文档
+
+同[分类模型 Python 部署 API 文档](../../../vision/classification/python/README.md)
+
+## 3 项目介绍
+
+为了方便大家入手，我们做了一个简易的猫狗分类识别例程。该程序可以使用摄像头进行端到端推理，并可视化推理结果到凌智视觉模块图片传输助手。
+
+```python
+from lockzhiner_vision_module.cv2 import VideoCapture
+from lockzhiner_vision_module.vision import PaddleClas, visualize
+from lockzhiner_vision_module.edit import Edit
+import sys
+
+if __name__ == "__main__":
+    args = sys.argv
+    if len(args) != 2:
+        print("Need model path. Example: python test_dog_and_cat_classfication.py LZ-Dog-and-Cat-Classfication.rknn")
+        exit(1)
+        
+    edit = Edit()
+    edit.start_and_accept_connection()
+
+    model = PaddleClas()
+    if model.initialize(args[1]) is False:
+        print("Failed to initialize PaddleClas")
+        exit(1)
+
+    video_capture = VideoCapture()
+    if video_capture.open(0) is False:
+        print("Failed to open capture")
+        exit(1)
+
+    while True:
+        ret, mat = video_capture.read()
+        if ret is False:
+            continue
+
+        result = model.predict(mat)
+        print(f"The label_id is {result.label_id} and the score is {result.score}")
+
+        vis_mat = visualize(mat, result)
+        edit.print(vis_mat)
+```
+
+## 4 上传并测试 Python 程序
+
+参考 [连接设备指南](../../../../docs/introductory_tutorial/connect_device_using_ssh.md) 正确连接 Lockzhiner Vision Module 设备。
+
+![](../../../../docs/introductory_tutorial/images/connect_device_using_ssh/ssh_success.png)
+
+请使用 Electerm Sftp 依次上传以下两个文件:
+
+- 进入存放 **test_dog_and_cat_classfication.py** 脚本文件的目录，将 **test_dog_and_cat_classfication.py** 上传到 Lockzhiner Vision Module
+- 进入存放 **LZ-Dog-and-Cat-Classfication.rknn** 模型存放的目录（模型存放在训练模型后下载的 output 文件夹内），将 **LZ-Dog-and-Cat-Classfication.rknn** 上传到 Lockzhiner Vision Module
+
+![](images/stfp.png)
+
+请使用 Electerm Ssh 并在命令行中执行以下命令:
+
+```bash
+python test_dog_and_cat_classfication.py LZ-Dog-and-Cat-Classfication.rknn
+```
+
+运行程序后，使用凌智视觉模块图片传输助手连接设备，屏幕上开始打印标签索引和置信度，凌智视觉模块图片传输助手出现可视化的结果
+
+![alt text](images/cat.png)
+
+<!-- ## 5 其他 -->
+
+<!-- 如果你需要使用 C++ 来部署 PaddleClas 请参考[凌智视觉模块分类模型 C++ 部署指南](../cpp/README.md)。 -->
diff --git a/example/special/cat_and_dog_classification/python/images/cat.png b/example/special/cat_and_dog_classification/python/images/cat.png
new file mode 100644
index 0000000000000000000000000000000000000000..d39bebd46a9083bd30b881b4510e27977aabf5b6
Binary files /dev/null and b/example/special/cat_and_dog_classification/python/images/cat.png differ
diff --git a/example/special/cat_and_dog_classification/python/images/stfp.png b/example/special/cat_and_dog_classification/python/images/stfp.png
new file mode 100644
index 0000000000000000000000000000000000000000..ed0aa465776c65c295de9c8e051ba65573ef89a9
Binary files /dev/null and b/example/special/cat_and_dog_classification/python/images/stfp.png differ
diff --git a/example/special/cat_and_dog_classification/python/test_dog_and_cat_classfication.py b/example/special/cat_and_dog_classification/python/test_dog_and_cat_classfication.py
new file mode 100644
index 0000000000000000000000000000000000000000..ac43bf881122aa59979188844f7951803850a5e4
--- /dev/null
+++ b/example/special/cat_and_dog_classification/python/test_dog_and_cat_classfication.py
@@ -0,0 +1,36 @@
+from lockzhiner_vision_module.cv2 import VideoCapture
+from lockzhiner_vision_module.vision import PaddleClas, visualize
+from lockzhiner_vision_module.edit import Edit
+import sys
+
+if __name__ == "__main__":
+    args = sys.argv
+    if len(args) != 2:
+        print(
+            "Need model path. Example: python test_flower_classfication.py LZ-DigitHandRecog.rknn"
+        )
+        exit(1)
+
+    edit = Edit()
+    edit.start_and_accept_connection()
+
+    model = PaddleClas()
+    if model.initialize(args[1]) is False:
+        print("Failed to initialize PaddleClas")
+        exit(1)
+
+    video_capture = VideoCapture()
+    if video_capture.open(0) is False:
+        print("Failed to open capture")
+        exit(1)
+
+    while True:
+        ret, mat = video_capture.read()
+        if ret is False:
+            continue
+
+        result = model.predict(mat)
+        print(f"The label_id is {result.label_id} and the score is {result.score}")
+
+        vis_mat = visualize(mat, result)
+        edit.print(vis_mat)
diff --git a/example/special/flower_classfication/README.md b/example/special/flower_classfication/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..0a875177c804b5fe25aa5022dcc837b92a63e565
--- /dev/null
+++ b/example/special/flower_classfication/README.md
@@ -0,0 +1,50 @@
+<h1 align="center">凌智视觉模块花卉分类识别部署指南</h1>
+
+发布版本：V0.0.0
+
+日期：2024-11-13
+
+文件密级：□绝密 □秘密 □内部资料 ■公开  
+
+---
+
+**免责声明**  
+
+本文档按**现状**提供，福州凌睿智捷电子有限公司（以下简称**本公司**）不对本文档中的任何陈述、信息和内容的准确性、可靠性、完整性、适销性、适用性及非侵权性提供任何明示或暗示的声明或保证。本文档仅作为使用指导的参考。  
+
+由于产品版本升级或其他原因，本文档可能在未经任何通知的情况下不定期更新或修改。  
+
+**读者对象**  
+
+本教程适用于以下工程师：  
+
+- 技术支持工程师  
+- 软件开发工程师  
+
+**修订记录**  
+
+| **日期**   | **版本** | **作者** | **修改说明** |
+| :--------- | -------- | -------- | ------------ |
+| 2024/11/13 | 0.0.0    | 钟海滨     | 初始版本     |
+
+## 1 简介
+
+花卉的种类繁多，为了应对花卉种类繁多带来的分类挑战，我们基于 [凌智视觉模块分类模型部署指南](../../vision/classification) 训练了凌智视觉模块专用的模型，该模型能够实现对五种常见花卉的精确分类，包括向日葵、蒲公英、雏菊、玫瑰和郁金香。
+
+## 2 运行前的准备
+
+- 请确保你已经下载了 [凌智视觉模块花卉分类识别模型](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.2/LZ-Flower-Classfication.rknn)
+
+## 3 在凌智视觉模块上部署花卉分类识别案例
+
+下载模型后，请参考以下教程使用 Python 在凌智视觉模块上部署分类模型例程：
+
+- [凌智视觉模块花卉分类识别 Python 部署指南](./python)
+
+## 4 模型性能指标
+
+以下测试数据为模型执行 Predict 函数运行 1000 次耗时的平均时间
+
+| 分类模型 | FPS(帧/s) | 精度(%) |
+|:-------:|:----:|:----:|
+|LZ-Flower-Classfication|35||
diff --git a/example/special/flower_classfication/python/README.md b/example/special/flower_classfication/python/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..6c853b30d7c553e9dfa61a5e9e27dc80b8da7ad2
--- /dev/null
+++ b/example/special/flower_classfication/python/README.md
@@ -0,0 +1,108 @@
+<h1 align="center">凌智视觉模块花卉分类识别 Python 部署指南</h1>
+
+发布版本：V0.0.0
+
+日期：2024-11-13
+
+文件密级：□绝密 □秘密 □内部资料 ■公开  
+
+---
+
+**免责声明**  
+
+本文档按**现状**提供，福州凌睿智捷电子有限公司（以下简称**本公司**）不对本文档中的任何陈述、信息和内容的准确性、可靠性、完整性、适销性、适用性及非侵权性提供任何明示或暗示的声明或保证。本文档仅作为使用指导的参考。  
+
+由于产品版本升级或其他原因，本文档可能在未经任何通知的情况下不定期更新或修改。  
+
+**读者对象**  
+
+本教程适用于以下工程师：  
+
+- 技术支持工程师  
+- 软件开发工程师  
+
+**修订记录**  
+
+| **日期**   | **版本** | **作者** | **修改说明** |
+| :--------- | -------- | -------- | ------------ |
+| 2024/11/13 | 0.0.0    | 钟海滨     | 初始版本     |
+
+## 1 简介
+
+接下来让我们基于 Python 来部署花卉分类识别案例，在开始本章节前：
+
+- 请确保你已经参考 [凌智视觉模块花卉分类识别部署指南](../README.md) 正确下载了模型。
+- 请确保你已经参考 [凌智视觉模块摄像头部署指南](../../../periphery/capture/README.md) 正确下载了凌智视觉模块图片传输助手。
+- 请确保你已经按照 [开发环境搭建指南](../../../../docs/introductory_tutorial/python_development_environment.md) 正确配置了开发环境。
+
+## 2 Python API 文档
+
+同[分类模型 Python 部署 API 文档](../../../vision/classification/python/README.md)
+
+## 3 项目介绍
+
+为了方便大家入手，我们做了一个简易的花卉分类识别例程。该程序可以使用摄像头进行端到端推理，并可视化推理结果到凌智视觉模块图片传输助手。
+
+```python
+from lockzhiner_vision_module.cv2 import VideoCapture
+from lockzhiner_vision_module.vision import PaddleClas, visualize
+from lockzhiner_vision_module.edit import Edit
+import sys
+
+if __name__ == "__main__":
+    args = sys.argv
+    if len(args) != 2:
+        print("Need model path. Example: python test_flower-classfication.py LZ-Flower-Classfication.rknn")
+        exit(1)
+        
+    edit = Edit()
+    edit.start_and_accept_connection()
+
+    model = PaddleClas()
+    if model.initialize(args[1]) is False:
+        print("Failed to initialize PaddleClas")
+        exit(1)
+
+    video_capture = VideoCapture()
+    if video_capture.open(0) is False:
+        print("Failed to open capture")
+        exit(1)
+
+    while True:
+        ret, mat = video_capture.read()
+        if ret is False:
+            continue
+
+        result = model.predict(mat)
+        print(f"The label_id is {result.label_id} and the score is {result.score}")
+
+        vis_mat = visualize(mat, result)
+        edit.print(vis_mat)
+```
+
+## 4 上传并测试 Python 程序
+
+参考 [连接设备指南](../../../../docs/introductory_tutorial/connect_device_using_ssh.md) 正确连接 Lockzhiner Vision Module 设备。
+
+![](../../../../docs/introductory_tutorial/images/connect_device_using_ssh/ssh_success.png)
+
+请使用 Electerm Sftp 依次上传以下两个文件:
+
+- 进入存放 **test_flower-classfication.py** 脚本文件的目录，将 **test_flower-classfication.py** 上传到 Lockzhiner Vision Module
+- 进入存放 **LZ-Flower-Classfication.rknn** 模型存放的目录（模型存放在训练模型后下载的 output 文件夹内），将 **LZ-Flower-Classfication.rknn** 上传到 Lockzhiner Vision Module
+
+![](images/stfp.png)
+
+请使用 Electerm Ssh 并在命令行中执行以下命令:
+
+```bash
+python test_flower_classfication.py LZ-DigitHandRecog.rknn
+```
+
+运行程序后，使用凌智视觉模块图片传输助手连接设备，屏幕上开始打印标签索引和置信度，凌智视觉模块图片传输助手出现可视化的结果
+
+![alt text](images/tulips.png)
+
+<!-- ## 5 其他 -->
+
+<!-- 如果你需要使用 C++ 来部署 PaddleClas 请参考[凌智视觉模块分类模型 C++ 部署指南](../cpp/README.md)。 -->
diff --git a/example/special/flower_classfication/python/images/daisy.png b/example/special/flower_classfication/python/images/daisy.png
new file mode 100644
index 0000000000000000000000000000000000000000..5af34de99568b5dc6cb5716f5c6e9f2b708bfb2d
Binary files /dev/null and b/example/special/flower_classfication/python/images/daisy.png differ
diff --git a/example/special/flower_classfication/python/images/dandelion.png b/example/special/flower_classfication/python/images/dandelion.png
new file mode 100644
index 0000000000000000000000000000000000000000..cc8daf50f38a16a8aa9af1f7586caa7a34735826
Binary files /dev/null and b/example/special/flower_classfication/python/images/dandelion.png differ
diff --git a/example/special/flower_classfication/python/images/roses.png b/example/special/flower_classfication/python/images/roses.png
new file mode 100644
index 0000000000000000000000000000000000000000..490425ed8a84d055ef1d6e9d5f05179ca5fed5b6
Binary files /dev/null and b/example/special/flower_classfication/python/images/roses.png differ
diff --git a/example/special/flower_classfication/python/images/stfp.png b/example/special/flower_classfication/python/images/stfp.png
new file mode 100644
index 0000000000000000000000000000000000000000..02d7cc03282dd76568b3b8ebe8a5138890a58d46
Binary files /dev/null and b/example/special/flower_classfication/python/images/stfp.png differ
diff --git a/example/special/flower_classfication/python/images/sunflower.png b/example/special/flower_classfication/python/images/sunflower.png
new file mode 100644
index 0000000000000000000000000000000000000000..28338efd74af4ed09eb9a9141ccfd230bd91cf8d
Binary files /dev/null and b/example/special/flower_classfication/python/images/sunflower.png differ
diff --git a/example/special/flower_classfication/python/images/tulips.png b/example/special/flower_classfication/python/images/tulips.png
new file mode 100644
index 0000000000000000000000000000000000000000..6ba24f31ec95a3f62ac63340b7be7423ff28913c
Binary files /dev/null and b/example/special/flower_classfication/python/images/tulips.png differ
diff --git a/example/special/flower_classfication/python/test_flower-classfication.py b/example/special/flower_classfication/python/test_flower-classfication.py
new file mode 100644
index 0000000000000000000000000000000000000000..ac43bf881122aa59979188844f7951803850a5e4
--- /dev/null
+++ b/example/special/flower_classfication/python/test_flower-classfication.py
@@ -0,0 +1,36 @@
+from lockzhiner_vision_module.cv2 import VideoCapture
+from lockzhiner_vision_module.vision import PaddleClas, visualize
+from lockzhiner_vision_module.edit import Edit
+import sys
+
+if __name__ == "__main__":
+    args = sys.argv
+    if len(args) != 2:
+        print(
+            "Need model path. Example: python test_flower_classfication.py LZ-DigitHandRecog.rknn"
+        )
+        exit(1)
+
+    edit = Edit()
+    edit.start_and_accept_connection()
+
+    model = PaddleClas()
+    if model.initialize(args[1]) is False:
+        print("Failed to initialize PaddleClas")
+        exit(1)
+
+    video_capture = VideoCapture()
+    if video_capture.open(0) is False:
+        print("Failed to open capture")
+        exit(1)
+
+    while True:
+        ret, mat = video_capture.read()
+        if ret is False:
+            continue
+
+        result = model.predict(mat)
+        print(f"The label_id is {result.label_id} and the score is {result.score}")
+
+        vis_mat = visualize(mat, result)
+        edit.print(vis_mat)