1. 毕业设计（论文）的内容和要求
本课题旨在使用卷积神经网络训练模型，进行图像（菜品识别）。菜品识别系统应能大大提高食堂、餐厅的结算效率，缓解大人流量情形下食堂、餐厅的点餐压力。本系统采用业界深度学习领域流行的CNN卷积神经网络算法进行图像识别，使用的框架也是当前流行的深度学习框架。同时，系统的训练数据均使用当前流行的Python语言结合大数据分析思想从互联网上搜集而来，切合当下人工智能、大数据的大浪潮。
2. 实验内容和要求
本课题要代替人工进行菜品的分类与结算，须具有训练模型、加载模型进行分类识别两大功能。其中，模型和数据的训练是本项目的核心，分类与识别是本项目的主要功能。
本项目应提供简单、快捷、易操作的接口或方法给用户进行个性化训练。同时，训练过程要易于开发人员维护、当客户有问题时要给予用户技术支持。训练数据要有专门的程序方便用户进行自动处理（图片归一化、图像去噪等）。
菜品的识别要求精度至少达到70%以上，通过界面展示时图像应清晰，并准确标出菜品的种类及价格以方便结算。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 参考文献
[1]Ian Goodfellow,Yoshua Bengio,AaronCourville.深度学习[M].北京：人民邮电出版社,2017.
[2]郑泽宇,梁博文,顾思宇.实战Google深度学习框架[M].第二版.北京：电子工业出版社,2017.
[3]周志华.机器学习[M].北京：清华大学大学出版社，2016：189-256
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 毕业设计（论文）计划
2022年10月：项目开题
2022年11月-2022年2月：前期准备、训练图像收集、数据集制作
2022年3月：模型搭建、模型训练、参数调整、功能测试
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
