openCV

本系统基于深度学习技术，采用MobileNetV2轻量化模型，实现生活垃圾的智能识别与分类。系统支持厨余、可回收、有害、其他四类垃圾的自动识别，通过图片上传或摄像头实时拍摄完成检测。后端使用Flask框架，前端提供简洁友好的交互界面，识别结果包含置信度判定和详细的投放指南。系统具有轻量化、高精度、易

技术栈：MATLAB神经网络+C++QtGUI输入（6个）：贴片图号、速度、高度、压力、芯片压力、时间输出（4个）：角度、平行度、覆盖率、高度模型效果：160组样本训练，R²=0.9048界面：科技风可视化界面简单说就是用神经网络预测贴片机能做到的质量效果，帮工厂提前发现问题、优化参数。

对此需求搭建了神经网络模型，用fab厂提供的工艺参数与传感器采集数据作为数据集，搭建神经网络预测在某工艺参数与实时传感参数下，会长出的晶体直径为多少，在具备足够的实时预测精后，应用于工业晶棒生产以获得具有稳定直径的晶棒