毕业设计，有意加我微信详聊17613833910

即将要做毕业设计了，不知如何下手，求助各位大神！！！

开源机器人niryo_one，该资源包含用于使用 3D 打印机打印 Niryo One 的 STL 文件。 注意：至少需要一台 200mm200mm200mm 的 3D 打印机才能打印所有零件。 来源：https://github.com/NiryoRobotics/niryo_one

AR2 是一种小型桌面机器人，模型类似于工业 6 轴机器人。这是一个 DIY 项目，可以使用 3D 打印组件或机加工铝组件构建，使用低成本步进电机和 arduino 控制器。 该项目包括： 物料清单和说明 从 CAD 文件到 3D 打印部件所需要的图纸 用于步进驱动器控制的 Arduino 草图 用于编程和操作机器人的软件 运动学模型 来源：https://github.com/Chris-Annin/AR2

[本科毕设]有向点方向关系空间推理算法研究 本科毕业设计,2014年,吉林大学,软件学院 带各种相关材料 说明 word版论文正文打开需要Word安装两个第三方插件. Mathtype: 公式编辑,否则部分公式会显示错误 Endnote X7: 引文管理,并且需要导入相关引文(定性空间推理_endnote),否则论文引用部分会显示错误 目录结构 . ├── 1.毕业论文封面-软件.doc ├── 2.吉林大学学士学位论文（设计）承诺书.doc ├── 3.论文正文.doc ├── 3.论文正文.pdf ├── 4.指导教师评语.doc ├── 5.评阅人评语.doc ├── 6.答辩意见.doc ├── OPRA2D_matlab.rar ├── 定性空间推理_endnote.rar ├── 王创峰-毕设答辩.pptx └── 说明.txt OPRA2D_matlab.rar 是程序文件. 定性空间推理_endnote.rar 是 endnote 管理的论文和引文库. 王创峰-毕设答辩.pptx 是答辩 ppt.

摘要 近年来，由于大数据、计算能力等各方面科学技术的稳步提高，加之国家政策的大 力扶持，越来越多的资金涌入深度学习领域，通过深度学习技术研发的各种人工智能应 用数不胜数， 不论是在工业领域还是日常生活领域， 很大程度上都带来了便利。 从 AlphaGo 击败韩国选手李世石，到近些年国内 AI 独角兽公司层出不穷的 AI 应用，在到 AI 算力在此次疫情中强有力的支撑，无不昭示着人工智能时代正在朝我们走来。 本论文以 MNIST 手写字为研究对象，在使用 AlexNet 卷积神经网络的基础上，通过 修改相关层级结构，对 MNIST 手写字识别的准确率高达 98%；此外， 为丰富论文成果， 论文最后特地附加了花卉识别的例子，由于花卉样本数据集是通过爬虫技术获取，且总 量仅为 3000 余张， 加之样本数据集的质量参差不齐， 故对花卉识别的准确率仅在 70%-80%，值得一提的是，关于花卉识别的例子还在华为云 AI 开发平台 ModelArts 上进 行了部署测试，且最终识别率稳定在 70%。 主要内容及论文结构 本文在以深度学习为大背景的条件下，通过对经典卷积神经网络 AlexNet 的学习， 进而在一定的基础上修改标准 AlexNet 中的某些特定参数，结合使用当前较为火爆的编 2 程语言Python来完成对机器学习领域入门级数据集MNIST手写字的识别（第一个例子）， 并最终按照要求保证识别准确率在 95%以上；在第二个例子中， 我们为了弥补第一个例 子的两点不足（数据集为灰度图；未使用标准的 AlexNet 卷积神经网络结构），特别引 入利用 AlexNet 对 5 种花的识别，并最终借助华为云 AI 开发平台 ModelArts 将此项目进 行部署测试。 根据内容整体框架，我将论文分为 5 个章节来讲述，各个章节内容概述如下所示： 第一章：通过对深度学习在各领域的应用以及对当今世界科技领域的重要性的了解， 进一步明确选题的目的及意义，并最终给出本文的目录结构； 第二章：对 TensorFlow 2.0 版本中的基础概念及代码实现中可能用到的 API 进行介 绍； 第三章：对神经网络与深度学习的部分基础概念进行简单的介绍。（注：第二、三、 四章节中只会介绍与本论文项目展示部分所涉及知识点相关的部分，其余部分不再赘述） 第四章：在掌握前几章基本知识的基础上，本节开始首先会对 AlexNet 卷积神经网 络的细节进行讲解，接着将在此章节中将引入两个例子（手写字的识别和五种花分类的 识别）从而更好的理解 AlexNet 在项目中的应用； 第五章：在完成本论文中的项目之后，我们将对本论文进行全面的总结工作，指出 论文中的不足，并对下一步的工作做出展望。 目录 声明：本毕业设计转载自公众号 “ hahaCoder”，欢迎大家关注。

摘要 随着我国信息科技影响力的日益扩大，网络科技可以用于帮助弱势群体生活正常、融入主流社会，让他们可以和普通人一样平等地享受科技福利。 本研究旨在设计一款为盲人群体提供生活便利的人脸识别交互系统，希望能够通过这款最终可能会集成到盲人智能设备上的人脸识别设计系统，解决盲人群体由于视觉障碍而遇到的生活难题，提高盲人群体的生活质量，帮助盲人更便捷地获取日常生活信息，有更多的机会感知真实世界。 本文主要内容包括人脸识别学习和语音识别开源平台的选择，程序主要接口的设计思路，设计过程中遇到的困难及解决方案，成果预期与实际结果的对比，以及一部分基于深度学习人脸识别的工作。 声明：本资源为本科生毕业设计，包含设计任务书与答辩意见记录表，转载自浙江大学汪凯巍教授课题组：http://wangkaiwei.org/index.html

研究背景 视觉是人类与外界发生联系、获取信息的重要渠道，人类从外界获得的信 息中80%左右是从视觉输入的。而盲人这一特殊群体，由于视觉的缺失，其日 常生活，特别是外出活动，受到了很大的限制。在当下，盲人群体人数众多。 世界卫生组织的统计数显示，当前全球有2.85亿人有视觉障碍，其中3,900万人 为全盲，24,600万人视力低下[1] 。目前，盲人的日常行动普遍需要人员陪护，或 者需要依靠手杖、导盲犬等传统工具的帮助。这不但限制了盲人的自主行动， 而且给他们的出行增加了成本。同时，手杖等传统工具的探测范围、获取的信 息都十分有限，无法为盲人提供充分的协助。因此，亟需一种新型的高效的视 障辅助设备，来代替这些传统的低效的设备，为盲人的出行提供方便。 英特尔RealSense等RGB-D传感器的引入为实现新型高效的视障辅助设备提 供了技术基础[2] 。虽然RGB-D传感器的设计初衷大多是作为室内体感游戏的接 口（如微软Kinect），但由于其可以获得高质量、高帧率的深度图，在计算机 视觉方面的应用迅速铺开[3] 。通过RGB-D传感器可以获取当前场景的深度信 息，利用此深度信息，经计算机处理后，可以识别出障碍物并计算最佳通路， 然后通过某种交互方式将处理后的信息传递给盲人，实现导盲的功能。这样就 解决了传统导盲方式的低效问题，为盲人出行提供了极大的便利。目前市场上 的RGB-D传感器主要有微软Kinect，Intel RealSense，以及华硕Xtion等。 但是目前利用 RGB-D 传感器实现导盲还并非完美无缺。由于视障辅助设备 使用场景复杂多变，鲁棒性要求高；而目前的 RGB-D 传感器自身存在的探测局 限性会使其无法完全满足要求。以 RealSense R200 为例，其深度探测的最近距离 约为 0.5m 左右，小于此距离则无法探测出物体的深度信息；对含有透明表面、 镜面等物体也无法有效探测到深度；图像传感器的视场角也比较有限。这些局限 性会使得其用于视障辅助系统时，会导致某些特殊情况下障碍物无法识别，出现 误判的情况，使整个系统的可靠性和实用性下降。 通过对 RGB-D 传感器的优化，可以在一定程度上克服上述局限性，大大减 少其探测盲区，进而增强其用于视障辅助系统时的可靠性，提高视障辅助系统性 能，帮助视障人士更加全面、有效地获取当前路面情况，识别周围的障碍物并规 划行走路线，实现视障人士行走、过马路等活动的自主化，从而极大地方便视障 人士的生活。 目录 声明：本资源为本科生毕业设计，包含答辩PPT，转载自浙江大学汪凯巍教授课题组：http://wangkaiwei.org/index.html