题目

中文

基于深度学习的玉米果穗筛分虚拟仿真系统开发

英文

Development of Virtual Simulation System for Corn Ears Screening Based on Deep Learning

题目类型

A-毕业论文

题目来源

B-结合教师科研(基础研究)的题目

结合学生科创项目情况

E-未结合

指导教师

职称

副教授

学院

信息与电气工程学院

内容摘要（主要应解决的问题、难点）：

玉米果穗智能筛分演示是《人工智能》课程的重要案例教学内容，基于深度学习可进一步提升玉米果穗筛分的精准度和实效性。由于玉米筛分流水线设备成本高，实际操作存在一定的安全隐患；参观教师演示，学生无法了解该系统实际的各功能模块和布局，案例实训效果差。研发基于深度学习的玉米果穗筛分虚拟仿真实验系统可以改变《人工智能》课程综合实践教学模式，拓展课程学习广度和深度，引导学生理解基于深度学习的玉米果穗分类关键科学问题。

需要解决的问题及难点：

（1）传统的机器学习方法用于玉米果穗筛分，较难取得理想效果。深度学习算法可以自动识别和提取图像特征，被广泛用于解决计算机视觉问题，因此需要设计深度学习模型对玉米异常果穗的筛分问题进行研究。

（2）由于人工神经网络模型的复杂性，需要将人工神经网络系统运行可视化展示，并且预设可调整的参数范围提供学习训练，便于学生通过对比分析训练结果，，提高模型调参优化能力。

（3）玉米果穗筛分控制流程是一个人工智能系统做自动分拣的流程，包括送料、图像采集、自动筛分控制等一般环节，需要利用虚拟仿真技术进行场景搭建，以便学生直观地理解整个系统的运行过程，分析并总结深度神经网络对玉米果穗智能筛分的作用。

主要任务：

选题围绕基于深度学习的玉米果穗筛分虚拟仿真实验系统研发，将人工智能技术与农业生产要求结合，按照实验基本原理、算法分析、应用环境数据采集建模、数据结果可视化呈现、筛分控制流程展示，逐步设计虚拟项目。基于Unity3D等开发工具需完成以下功能模块：

（1）神经网络基本原理学习模块：该学习模块主要是完成对生物神经网络和人工神经网络的学习，实现能够了解生物神经网络到人工神经网络的过渡，掌握全连接神经网络和卷积神经网络2种常见的人工神经网络模型。 

（2）神经网络工作机制分析模块：模块主要是实现 a. 玉米果穗筛分技术基础原理学习，选择全连接神经网络，分析输入数据特征的个数与输入神经元之间的关系，掌握人工神经网络的工作原理。b. 设定隐层数和神经元数量，选择图像数据输入，分析数据集特点，设定学习率等参数训练，熟悉人工神经网络系统运行。c. 选择卷积神经网络，通过设定学习率、滤波器尺寸和步长等进行卷积神经网络的学习训练。 

（3）玉米果穗筛分情景体验模块：该模块的功能主要通过键盘和鼠标操作实现对筛分系统的主要功能模块浏览和筛分控制流程学习。

需提交的文档（毕业论文等）：

毕业论文任务书，开题报告，外文文献翻译，开题评审表，毕业论文，玉米果穗高通量智能筛分虚拟仿真实验系统等。

发出任务书日期

2021.1

完成期限

2021.6

学生签字

指导老师签字