Dev7z的博客

苹果作为重要的经济作物，其质量分级对于提高市场竞争力和经济效益具有重要意义。传统的人工分级方法存在效率低、主观性强、成本高等问题。为实现苹果质量的快速、准确、客观分级，本文提出了一种基于MATLAB实现的CNN-SVM苹果质量智能检测与分级系统。

业产品表面缺陷检测是质量控制的关键环节，传统人工检测方法存在效率低、主观性强、漏检率高等问题。本文设计并实现了一个基于深度学习的工业表面缺陷多分类检测系统，能够自动识别金属表面的6种典型缺陷类型：龟裂、夹杂、斑块、点蚀表面、压入氧化皮和划痕。

肺癌是当前威胁人类健康的重要疾病之一，肺结节作为肺癌早期筛查和诊断的重要影像学表现，其准确检测具有重要意义。CT影像因具有较高的空间分辨率，被广泛应用于肺部疾病检查。然而，传统人工阅片方式存在工作量大、主观性强、检测效率受限等问题，尤其在海量切片数据中，医生容易出现漏检和误判。因此，研究一种高效、准确的肺部CT结节智能检测方法与系统，对于辅助医生诊断、提升早期筛查效率具有重要的理论价值和实际意义。

低质量图像会直接影响图像的视觉效果与后续信息提取效果，因此开展图像增强技术研究具有一定的理论意义和应用价值。针对传统增强方法在复杂场景下适应性不足、细节恢复能力有限等问题，本文选择基于深度学习的低照度图像增强方法作为主要研究对象，并对相关增强技术进行了系统分析。

口腔疾病是影响人群健康水平和生活质量的常见疾病类型之一，龋齿、牙龈炎、牙结石、口腔溃疡以及牙齿变色等问题在临床中较为常见。部分口腔疾病在早期症状不够明显，若不能及时发现和干预，可能进一步引发疼痛、咀嚼功能下降、口腔感染甚至影响整体健康。传统口腔疾病诊断主要依赖医生结合临床检查和图像观察进行人工判断，不仅对专业经验依赖较强，而且在大规模筛查和基层辅助诊断场景下效率有限。因此，研究并设计一种基于深度学习的口腔疾病图像辅助分类识别系统，对于提高口腔疾病初步筛查效率、辅助医生诊断以及推动智能医疗技术在口腔健康领域的

糖尿病视网膜病变是糖尿病常见且严重的微血管并发症之一，也是导致成年人视力下降甚至失明的重要原因。由于该病在早期往往缺乏明显症状，若不能及时筛查和干预，容易造成不可逆的视觉损伤。传统眼底图像判读主要依赖专业医生人工完成，不仅工作量大，而且对临床经验具有较强依赖性。因此，研究并设计一种基于深度学习的糖尿病眼底图像分类识别系统，对于提高眼底病变筛查效率、辅助临床诊断以及推动智能医疗技术应用具有重要的现实意义。

本文针对海量新闻文本场景下信息过载、人工摘要效率低以及用户难以快速获取核心内容等问题，设计并实现了一套基于 LSTM 的新闻文本摘要系统。系统以新闻标题与新闻正文为输入，围绕“文本预处理—模型训练—摘要生成—结果展示”构建完整流程，旨在 提升新闻信息的提炼效率与系统展示性，为新闻内容智能处理提供可实现的工程方案。

本文针对温度时间序列预测，设计并实现了一套基于注意力机制与LSTM相结合的温度预测系统。通过构建Attn-LSTM模型，并基于Flask搭建可视化平台，实现了数据分析、模型训练、结果评估与预测展示等功能，为温度预测提供了一体化的建模与应用方案。

随着网络安全威胁的日益严峻，恶意软件的检测与识别已成为信息安全领域的重要研究课题。传统的基于特征码匹配的检测方法难以应对快速变化的恶意软件变种，而基于深度学习的检测方法能够自动学习恶意软件的深层特征，具有更强的泛化能力。本文设计并实现了一个基于卷积神经网络（CNN）和递归神经网络（RNN）的PE（PortableExecutable）恶意文件检测识别系统。

随着网络安全威胁的日益严峻，恶意软件的检测与识别已成为信息安全领域的重要研究课题。传统的基于特征码匹配的检测方法难以应对快速变化的恶意软件变种，而基于深度学习的检测方法能够自动学习恶意软件的深层特征，具有更强的泛化能力。本文设计并实现了一个基于卷积神经网络（CNN）和递归神经网络（RNN）的PE（PortableExecutable）恶意文件检测识别系统。

随着AI产业发展，岗位需求与人才供给的结构性矛盾日益突出。本文基于2000条AI招聘数据（8类职位、7个行业），设计了融合知识图谱、NLP与图神经网络的职位需求分析与人才竞争力评估系统。

共享单车作为城市公共交通的重要组成部分，在缓解城市交通拥堵、促进绿色出行方面发挥着重要作用。然而，共享单车的运营管理面临着严峻的供需平衡挑战：车辆调度不当会导致热点区域车辆不足或冷门区域车辆堆积，严重影响用户体验和运营效率。因此，准确预测共享单车的需求量对于优化车辆调度策略、提升运营效率具有重要的实际意义。

共享单车需求受时间周期、气象条件和历史趋势等多因素影响，呈现强非线性与多尺度时序依赖特征。本文基于逐小时租赁数据，构建循环神经网络时序预测框架，采用对数变换与标准化处理目标分布偏斜，设计正弦余弦编码消除周期断裂，并引入1/24/168小时三级滞后特征捕捉多尺度时序规律。

随着城市化进程的不断推进和低碳出行理念的深入人心，共享单车作为绿色交通工具得到了广泛普及。然而，共享单车的需求在时间和空间上均呈现出显著的波动性，如何对其需求进行精准预测，进而优化调度和运营管理，已成为共享出行领域亟待解决的关键问题。传统机器学习方法在处理具有复杂时序依赖关系的预测任务时存在明显局限性，而深度学习中的长短时记忆网络（Long Short-Term Memory，LSTM）凭借其对长期依赖关系的出色捕捉能力，为时间序列预测提供了新的解决思路。

呼吸系统疾病是全球主要的健康威胁之一。肺部听诊作为临床诊断中的重要手段，其结果高度依赖医生的主观经验，难以实现标准化与自动化。因此，利用深度学习技术对肺部听诊声音进行智能分析，辅助临床医生快速、准确地识别呼吸系统疾病，具有重要的研究意义和实际应用价值。

肺部听诊是临床诊断呼吸系统疾病的重要手段，但传统人工听诊依赖医生经验，存在主观性强、效率低等问题。本文提出一种基于卷神经网络（CNN）的肺音自动分类方法，实现对异常呼吸音的智能识别。

随着人口老龄化程度的不断加深，老年人居家及机构看护过程中因摔倒、滑倒等意外事件引发的安全问题日益突出。传统人工监护方式存在实时性差、监控成本高等不足，亟需借助智能化技术实现高效、可靠的自动监测与预警。针对上述需求，本文研究并设计了一种基于深度学习的老人摔倒/滑倒智能检测与报警系统。

针对传统中文手写数字识别在多类别汉字数字（“零、一、二、三、四、五、六、七、八、九、十、百、千、万、亿”）上的识别精度与实用性不足问题，本文构建了一套面向 15 类中文数字的深度学习识别系统。首先，整理并标准化多来源手写样本，将数据统一为 64×64 的 RGB 图像格式，并按照训练集、验证集和测试集进行规范化划分，为后续模型训练与评估奠定了高质量数据基础。

随着智能交通系统的快速发展，交通警察手势识别作为交通管理和自动化控制中的重要环节，得到了越来越多的关注。传统的手势识别方法常面临识别精度和实时性等方面的挑战。近年来，深度学习技术，尤其是卷积神经网络（CNN），因其在图像特征提取和模式识别中的优势，成为提升交通警察手势识别效果的理想工具。本研究基于卷积神经网络，提出了一种针对交通警察手势的自动化识别方法，旨在提高手势识别的准确性和实时性。

随着智能交通系统和城市车辆管理需求的不断增长，车辆图像识别技术在交通监控、交通流量统计以及公共安全等应用领域中愈加重要。针对传统人工特征提取方式识别效率低、泛化能力弱的问题，本文基于 MATLAB 平台构建了一种结合主成分分析（PCA）与 BP 神经网络的多车型图像识别系统。

随着深度学习和计算机视觉技术的快速发展，手写数学公式的自动识别与计算在智能教育、人机交互等场景中具有重要应用价值。本文围绕“基于深度学习的手写数学公式识别与计算系统设计与实现”这一课题，设计并实现了一套集公式图像输入、字符分割、字符识别及表达式计算于一体的完整系统。

本课题设计并实现了一套基于图像处理与深度学习的药丸计数与分类系统。系统首先对输入的药丸图像进行预处理，包括灰度化、中值滤波、Sobel 边缘检测、膨胀运算、区域填充及面积开运算等，以获得完整的药丸二值图。随后利用连通域分析提取每个药丸的外接矩形框，并自动将其分割保存到独立文件夹中，从而实现药丸的自动检测与计数。

随着现代社会健康问题的日益严重，糖尿病已经成为全球范围内的主要公共卫生问题。糖尿病的早期诊断和有效干预对于控制疾病进展、提高患者生活质量至关重要。近年来，深度学习技术在医学领域的应用逐渐增多，尤其是在疾病预测和诊断方面取得了显著成果。本研究基于深度学习方法，开发了一种糖尿病医疗数据可视化与预测平台，旨在帮助医疗专业人员和患者实现糖尿病的早期筛查与管理。

本文针对手写数字识别，基于 PyTorch 构建 MNIST CNN 卷积神经网络并实现端到端识别与在线推理系统。模型通过多层卷积与池化提取特征，在全连接层完成十类数字分类；训练采用 MNIST 数据集，结合随机旋转与仿射增强提升鲁棒性，并使用交叉熵损失、Adam 优化器、ReduceLROnPlateau 调度及 Early Stopping 选择最优参数。

本课题以深度学习技术为基础，设计并实现了一套基于卷积神经网络（Convolutional Neural Network，CNN）的手写数字识别系统。系统采用经典的 MNIST 手写数字数据集作为训练数据，通过搭建多层卷积神经网络，实现对 0–9 十个数字类别的自动识别。模型结构包括多个卷积层、最大池化层、Dropout 随机失活层以及全连接层，并采用 Adam 优化器与交叉熵损失函数进行训练。通过 EarlyStopping 和 ReduceLROnPlateau 等回调机制有效防止过拟合、提升模型稳定性。