2025秋软工项目选题

团队项目选题为人工智能相关。近年来，计算机领域科研人员“低龄化”现象明显，越来越多本科生开展科研工作，我们希望同学们能够接受“国际化”科研训练。每年有很多本科生在国际顶级期刊和会议发表高水平论文。

同学们从事一些科研训练的好处：

（1）找到自己的未来的兴趣，了解最前沿知识，提升个人能力；

（2）对于计划出国或者读研的同学，可以发表论文，提升竞争力；

（3）业余生活更加充实。

表现最积极的同学是 “拥有浓厚的兴趣，打着比赛，领着奖金就爱上了”

选题一：海岸带高光谱数据分类系统

海岸带作为陆海交互的关键区域，具有丰富且脆弱的生态环境，包括滩涂、盐沼、盐田、水体、港口与人工建筑等多样地物类型。在智慧海洋建设与生态保护背景下，利用遥感手段实现海岸带地物精准识别，对环境监测、资源管理及灾害预警具有重大意义。高光谱遥感影像（Hyperspectral Image, HSI）具备高光谱分辨率、连续光谱信息等特性，能够细致区分不同材料与地物，是海岸带精细分类的重要数据来源。然而，高光谱数据本身具有：光谱维度高（数百波段）、空间分辨率有限、噪声敏感、样本标注成本高的特点。

因此，需要构建一套集高光谱特征处理、智能分类、可视化展示为一体的软件系统，支持从数据读取到结果呈现的完整流程。本项目旨在让同学们在综合实践中掌握数据处理、AI建模、系统设计、软件工程开发流程等综合能力。

要求：开发一个原型系统，支持对海岸带高光谱数据进行地物分类，包括：1、数据导入、预处理（如降噪、波段选择、标准化）；2、分类模块（支持两种模型对比）；3、分类结果可视化（伪彩色、分类图、标注对比）；4、性能评估（准确率、Kappa、混淆矩阵）。

选题二：北极海冰短期预报系统

北极海冰覆盖面积与厚度显著影响全球气候系统、极地航运安全、海洋生态与资源开发。随着全球变暖，北极海冰呈现显著减少与异常变化趋势，例如可通航航线的提前开放、极端冰情风险上升。为了支持北极航运风险评估与极端事件预警，研究人员正在尝试基于海冰观测与气象再分析数据，开发短期预测模型。传统数值模式存在计算量大、实时性不足等局限，而基于人工智能的预测方法能够高效建模海冰的时空动态特征，成为当前极地海洋观测预![image-20251105111115211]测的重要方向。

本项目旨在通过完整的软件工程实践，让学生掌握多源数据处理、深度学习预测建模、可视化开发与系统部署能力。

要求：构建一套可运行的海冰预测原型系统，支持：1、输入历史海冰密集度；2、自动训练与推理预测未来 1–7 天海冰变化；3、可视化对比预测与观测结果；4、评价预测性能与误差分布

选题三：水下图像修复系统

随着海洋资源勘探、海洋生态监测、水下机器人（ROV/AUV）等技术的发展，获取水下图像成为认识海洋环境的重要手段。然而，由于水光学特性和复杂环境影响，水下图像普遍存在以下问题：颜色偏移（红光快速衰减，画面偏蓝/绿）；对比度低、模糊；散射与颗粒噪声影响成像质量；距离深度变化导致光衰不一致。

这些质量下降问题严重影响水下目标检测、语义分割、姿态识别等后续视觉任务的效果。因此，开发一套支持水下图像修复的智能软件系统，对提升海洋可视化能力具有重要意义。

要求：构建一套水下图像修复原型系统，主要实现：1、输入受污染的水下图像；2、自动修复图像色彩与清晰度；3、对比修复前后差异；4、支持效果评估（定量 + 定性）。

选题四：海洋漂浮垃圾检测系统

随着海洋开发利用及沿海经济发展，海洋漂浮垃圾问题日益严重。塑料袋、渔网、泡沫、油污等漂浮物不仅破坏海洋生态系统，还影响航道安全、海水摄像及景观环境。目前，漂浮垃圾监测主要依赖人工巡查与船载摄像，不仅耗费巨大人力资源，还难以实现实时、连续、广域覆盖。借助海面图像与无人机、近岸监控平台，构建自动化漂浮垃圾识别系统，是推动智慧海洋环境治理的重要方向。

本项目旨在让学生通过完整的软件工程实践，掌握图像处理、目标检测、系统设计与部署等技能，并认识海洋环境保护的实际需求。

要求：1、图像/视频输入；2、自动检测漂浮垃圾并标注位置；3、分类不同垃圾类型；4、检测结果可视化与数据统计；5、性能评估与误差分析

其它

也可以选择其它题目，但是要和老师商量。