【开题答辩实录分享】以《智能垃圾回收小程序》为例进行答辩实录分享

大家好,我是韩立。

写代码、跑算法、做产品,从 Java、PHP、Python 到 Golang、小程序、安卓,全栈都玩;带项目、讲答辩、做文档,也懂降重技巧。
这些年一直在帮同学定制系统、梳理论文、模拟开题,积累了不少"避坑"经验。

新学期开始,很多人卡在选题:想要新颖,又怕做不完。接下来我会持续分享一批"好上手且有亮点"的选题思路和完整开题答辩案例,给你参考,也给你灵感。关注我,毕业设计不再头秃!



智能垃圾回收小程序涵盖多角色功能,具体如下:

  • 用户端(小程序):可管理个人中心(增删改个人信息),在线预约垃圾回收(填写垃圾类型、重量、地址等信息),查询订单信息(按订单编号查列表)、垃圾分类(按垃圾名称查分类)及垃圾回收详情,还能进行在线支付(或接收回收收益),可通过地图标记精准定位地址。
  • 管理员端(网页):负责用户、回收员、商家管理(增删改查账号信息),垃圾分类与垃圾信息管理(增删改查分类及垃圾详情,含查看评论),预约回收与回收订单管理(查删预约、订单,查看详情),管理首页布局信息与系统维护,处理垃圾回收资讯(修改或删除)。
  • 商家端(网页):可管理回收员(增删改查账号信息)与回收订单(查改删订单,查看详情)。
  • 回收员端(网页):能管理个人中心信息,根据用户预约上门取件,处理回收订单相关事宜。


【开题陈述】

各位老师好,我是H同学。我的课题是"智能垃圾回收小程序的设计与实现"。

系统面向居民、回收员、商家和管理员四类角色,核心功能包括:在线预约回收、地图定位、垃圾分类查询、订单支付与追踪、上门取件调度以及后台数据审核。

前端采用微信小程序+uni-app跨平台框架,后台用SpringBoot+Node.js双引擎,数据库选MySQL,整体B/S架构。通过图像识别与路径优化算法提升分类准确率与回收效率,实现"互联网+回收"的闭环。请各位老师批评指正。


【答辩开始】

评委老师:为什么选择SpringBoot+Node.js双后端,而不是单一框架?

**答辩学生:**SpringBoot负责订单、支付、权限等重型业务,保证事务安全;Node.js负责实时消息推送与地图WebSocket长连接,利用事件驱动高并发优势,双框架各司其职,降低单点负载。


评委老师:小程序端图像识别打算放在本地还是云端?模型如何训练?

**答辩学生:**先做云端推理,用户拍照后上传Base64,后台调用轻量MobileNetV2,样本用开源 TrashNet+自采2万张扩增,迁移训练20epoch,Top1准确率目标85%;本地后期量化到1.5MB后再下发放到小程序运行,减少延迟。


评委老师:地图显示回收员实时位置,并发1万点同时上报,如何降低服务器压力?

**答辩学生:**回收员端30秒上报一次GPS,先经Netty网关写入Redis GeoHash,再5秒批量刷MySQL;前端拉取时按地图视野BBox查询Redis,返回最近200条,压力测试QPS可到1.2万。


评委老师:线上支付涉及资金流水,如何防止订单重复提交与超卖?

**答辩学生:**利用MySQL唯一索引+Redis SETNX分布式锁双重校验;订单号用雪花算法保证全局唯一;回调接口做幂等,状态机只允许"待支付→已支付/已取消",重复回调直接返回SUCCESS。


评委老师:不同城市垃圾分类标准不一致,数据库如何设计保证可扩展?

**答辩学生:**把"分类标准"做成配置表,字段包括城市ID、垃圾名称、所属类别、子类别;通过地区码动态加载对应标准;新增城市只需insert数据,无需改动代码,实现字典式扩展。


评委老师:若图像识别模型在春节后突然准确率下降到70%,如何快速定位原因并热修复?

**答辩学生:**①上线时同步埋点,记录每次推理置信度与图片MD5;②准确率下跌触发阈值后,对比近期Top-低分样本,发现80%为"礼盒+金属盖"新包装,属于训练集盲区;③立即将低分样本自动加入"困难库",凌晨低峰期在线增量训练2小时,生成热更新模型;④采用灰度发布,10%流量切换新模型,若准确率回升则全量发布,全程用户无感知。


评委老师:若系统预计接入校园垃圾分类竞赛,需要支持3秒内1000人同时扫码投递并实时排行,如何设计?

**答辩学生:**①将排行数据从MySQL迁至Redis SortedSet,Key按"活动ID+分钟级时间片"切分,写操作先写MQ再批量聚合;②利用Lua脚本保证"incr+score"原子性;③前端WebSocket连接按地域分片,Node.js集群横向扩展,单节点可扛5k长连接;④压测目标:3s内写入QPS 8k、读取QPS 2w,99线500ms以内,通过增加从节点与本地缓存即可达成。


【评委总结】

H同学思路清晰,对业务痛点、技术选型、并发及AI模型运维都有量化指标和降级方案;尤其"准确率监控+热更新"体现了工程化思维。后续需关注模型持续迭代与数据安全合规,整体进度合理,预期结果可控,同意进入下一阶段。


以上是H同学的毕业设计答辩过程,如果你现在还没有参加答辩,还是开题阶段,已经选好了题目不知道怎么写开题报告,可以下面找找有没有自己符合自己题目的开题报告内容,列表中的开题报告都是往届真实的开题报告可参考。


相关推荐
汤姆yu3 小时前
基于springboot的尿毒症健康管理系统
java·spring boot·后端
暮色妖娆丶3 小时前
Spring 源码分析 单例 Bean 的创建过程
spring boot·后端·spring
biyezuopinvip4 小时前
基于Spring Boot的企业网盘的设计与实现(任务书)
java·spring boot·后端·vue·ssm·任务书·企业网盘的设计与实现
JavaGuide4 小时前
一款悄然崛起的国产规则引擎,让业务编排效率提升 10 倍!
java·spring boot
figo10tf5 小时前
Spring Boot项目集成Redisson 原始依赖与 Spring Boot Starter 的流程
java·spring boot·后端
zhangyi_viva5 小时前
Spring Boot(七):Swagger 接口文档
java·spring boot·后端
橙露5 小时前
Spring Boot 核心原理:自动配置机制与自定义 Starter 开发
java·数据库·spring boot
程序员敲代码吗5 小时前
Spring Boot与Tomcat整合的内部机制与优化
spring boot·后端·tomcat
NuageL5 小时前
原始Json字符串转化为Java对象列表/把中文键名变成英文键名
java·spring boot·json
jzheng86106 小时前
Spring Boot(快速上手)
java·spring boot·后端