【计算机毕业设计】基于 ResNet-18 的 DYSON 图像分类识别系统：深度学习、源码思路、数据库与部署说明

【计算机毕业设计】基于 ResNet-18 的 DYSON 图像分类识别系统：深度学习、源码思路、数据库与部署说明

一、为什么这个选题适合毕业设计

图像分类是计算机视觉方向中非常适合做毕业设计的选题。它既能体现深度学习算法能力，又能自然扩展出前后端分离系统、数据库管理、接口设计、模型评估和可视化展示等内容。相比只做一个训练脚本，把 ResNet-18 分类模型封装成一个可操作的 Web 系统，更容易在答辩时展示完整业务流程。

本案例围绕 DYSON 图像分类主题进行规划，以 ResNet-18 作为核心模型，构建图片上传、模型推理、分类结果展示、历史记录管理和统计看板等功能。读者可以从这个案例中学习如何把深度学习实验型项目整理成一个毕业设计系统，而不是只停留在模型训练代码层面。

二、项目背景与现实业务场景

在图像识别类项目中，常见问题是训练过程和系统应用割裂：模型可以在 Notebook 或脚本里跑通，但无法向用户展示清晰的上传、识别、保存和统计流程。毕业设计如果能把模型训练、后端服务、前端页面和数据库记录串起来，就能更完整地体现工程实现能力。

本系统可以设计为一个面向特定图像类别的识别平台。用户上传图片后，系统调用 ResNet-18 模型完成分类预测，并保存识别结果。管理员可以维护分类类别、数据集版本、模型版本和识别记录，从而形成从数据、模型到应用展示的闭环。

三、系统可以实现什么效果

系统可以实现图片上传识别、预测类别展示、Top-K 结果展