学生姓名

**

专业班级

******

学号

******

指导教师

**

职称

副教授

学位

博士

题目名称

基于BP神经网络的手写数字识别系统设计

起止时间

2023年3月13日  至  2023年6月4日

选题性质

□理论研究    □应用研究    þ技术开发    □产品设计   □其他

设计（研究）目标：

基于深度学习的手写识别算法在经过大数据训练出的模型，在识别率上基本可以与人识别的准确率不相上下，保证了数字的准确性。同时通过本次毕业设计基于深度学习的手写数字识别算法的实现，以提高自己对于新知识的学习能力、发现问题、分析问题、解决问题能力以及将理论知识应用到实际的能力，在实践的同时提高自的编码能力

1. 深入了解卷积神经网络的原理。

2. 掌握深度学习模型的建立，训练及使用。

设计（研究）内容及具体要求：

1. 学习卷积神经网络原理，深度学习框架的使用，训练并保存手写数字识别模型。

2. 结合opencv实现基于摄像头调用已训练好的模型进行数字识别。

技术实现：借助深度学习框架keras，以MINIST数据集为训练数据，实现手写数字识别卷积神经网络模型的训练及保存，通过用OPencv实现摄像头调用训练好的模型进行画面内的实时数字识别。

进度安排：

1. 寻找相关资料。

2. 研究并确定项目开发设计方案计划时间进度，完成课题报告。

3. 学习深度学习基本概念，卷积神经网络的相关原理知识。

4. 实践卷积神经网络经典结构。

5. 完成以opencv技术的图像处理部分，并与网络模型进行调整。

6. 完善系统与论文并准备答辩。

指导教师签字：                  年   月   日

主要参考文献：

[1]李征宇. 基于HBase的轨迹大数据查询系统研究与实现[D].北方工业大学,2022.

[2]岳斌. 基于脉冲神经网络的手写数字识别系统的设计与实现[D].中国科学院大学(中国科学院深圳先进技术研究院),2022.

[3]黄一格,张炎生.基于BP神经网络的手写数字识别系统[J].机电工程技术,2020

[4]吕红.基于卷积神经网络的手写数字识别系统的设计[J].智能计算机与应用,2019

[5]王际凯. 基于神经网络的手写数字识别改进算法和系统研究[D].西安电子科技大学,2018.

教研室意见：

主任签字：                            年   月   日

院（系）意见：

负责人签字：                            年   月   日