石化智能巡检系统

# 石化智能巡检系统 ## 一、项目简介 > 基于深度学习的石化设备智能巡检平台 > Deep Learning-based Petrochemical Intelligent Inspection System ## 二、技术架构 - **技术栈**：Vue 3, Element Plus, Vite, Pinia, Axios, Python 3.10+, FastAPI, PyTorch / Transformers - **架构模式**：前后端分离架构 - **数据库**：MySQL 8.0+ - **构建工具**：Maven / npm / Vite ## 三、核心功能 - **-----|------|**：| 用户权限管理 | 管理员/巡检员/观察者三角色，JWT认证 | - **ResNet18推理→给出缺陷类别+置信度 |**：| 缺陷类别管理 | 自定义缺陷代码、严重程度、处理指南 | - **--**：--相关业务逻辑与数据管理 ## 四、配套交付资源 - 完整前后端源代码（无任何加密，注释完整） - 数据库建表与测试数据全套 SQL 脚本 - 详尽的本地开发与环境部署教程（README.md） - 适用于计算机专业毕业设计、课程设计与实训考核

确认项目范围时，建议对照学校要求、已有技能和可用时间。创建自己的项目后，技术栈与功能模块可以独立调整，公共选题内容会继续保留。

当前方案使用 Vue 3、 Element Plus、 Vite、 Pinia、 Axios、 Python 3.10+、 FastAPI、 PyTorch / Transformers。设计时需要明确页面交互、服务端业务规则、数据持久化与外部依赖的边界，并用实际业务流程验证技术选择。

• 按完整业务流程拆分任务，确认正常、失败和权限受限的处理方式。
• 核对模块与数据库字段、接口请求之间的对应关系。
• 保留真实测试结果、运行截图和部署记录，作为论文与答辩依据。

围绕本项目的目标用户、功能范围、技术路线和验证计划组织开题。论文的系统设计与实现章节应解释具体模块和数据结构，测试章节应引用真实结果。学校模板优先于通用提纲。