1. 研究目的与意义
（1）研究背景
葡萄酒是以葡萄为原料酿造的一种果酒。其酒精度高于啤酒而低于白酒。营养丰富，保健作用明显。有人认为，葡萄酒是最健康最卫生的饮料之一。它能调整新陈代谢的性能，促进血液循环，防止胆固醇增加。还具有利尿、激发肝功能和防止衰老的功效。也是医治心脏病的辅助剂，可预防坏血病、贫血、脚气病、消化不良和眼角膜炎等疾病。常饮葡葡酒患心脏病率减少，血脂和血管硬化降低。
并且现在有各种各样的葡萄酒品牌出现在我们的生活中。虽然我们了解葡萄酒但是对各个品牌商家了解的不是很多，细致。
2. 研究内容与预期目标
卷积神经网络(Convolutional Neural Network, CNN)是深度学习技术中极具代表的网络结构之一，在图像处理领域取得了很大的成功。卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。使用卷积神经网络开发出的识别系统识别度高，数据准备简易。该系统能实现一键识别葡萄酒酒标的功能，让人们能更好的了解各个品牌的葡萄酒商家。
本课题使用开源的深度学习框架caffe和成熟的CNN模型——ResNet，收集葡萄酒酒标样本照片，进行CNN模型训练，实现一个能拍照识别酒标种类的移动应用。用户使用该移动应用，对着想要识别的酒标拍照，然后酒标识别系统通过捕捉照片中酒标的特征，用训练好的模型识别酒标，最后会显示酒标的匹配程度。
3. 研究方法与步骤
本课题使用开源的深度学习框架和成熟的CNN模型进行研究。
(1) 首先对主流的CNN模型和深度学习框架进行比较，有基本的了解和认识。
(2)查阅资料，进行可行性分析、需求分析等。
4. 参考文献
[1]胡貌男，邱康，谢本亮. 基于改进卷积神经网络的图像分类方法[J]. 通信技术，2018, 51(11):2594-2600.
[2] 葛程，孙国强. 基于卷积神经网络的图像分类研究[J].软件导刊，2018, 17(10):27-31.
[3] 周志华著. 机器学习[M]. 北京: 清华大学出版社, 2016.
5. 工作计划
(1) 2022.1.10----2022.3.10查阅资料，撰写开题报告，翻译英文资料
(2) 2022.3.11----2022.3.18 需求分析，熟悉开发工具
(3) 2022.3.19----2022.3.31 概要设计
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
