毕设老题被打回？48 道改造好的题拿去用

又到开题季。今年不少同学拿着往届的老题直接交，结果被老师打回——不是题不能做，是做法过时了。

我把三个方向各整理了 16 道、共 48 道改造好的题目，附上改法。不知道选什么题的，直接对着清单挑；已经有老题的，照着模板自己改。

https://www.bilibili.com/video/BV1r2xs6MEEf/?spm_id_from=333.1387.homepage.video_card.click

点击上方链接观看讲解视频

01 · 今年选题为什么变严了

三个变化先记住：

▪ 纯可视化最先被卡：大数据只做图表、网站只做管理系统，老师现在要看到算法或 AI 含量

▪ 纯管理系统没亮点：增删改查答辩没话说，容易被质疑工作量

▪ 老题扎堆撞车：题库千篇一律，查重重合度高

所以顺序很重要：先定方向，再定题。

02 · 网站方向：给老系统装个 AI

思路就一句话：不是给系统贴个 AI 牌，而是把某个环节真正交给 AI。16 道题如下：

▪ 基于 AI 行程规划与个性化推荐的旅游网站平台（AI 接管行程规划）

▪ 基于 AI 成色识别与智能估价的二手手机交易平台（AI 图像成色识别与估价）

▪ 基于 AI 供需预测与智能调度的出租车管理系统（AI 预测供需、车辆调度）

▪ 基于 AI 地块匹配与招商推荐的农村土地流转管理系统（AI 做地块与招商匹配）

▪ 基于 AI 收运路线优化的医疗废弃物管理系统（AI 优化收运路线）

▪ 基于 AI 报告解读与异常预警的体检管理系统（AI 解读报告、预警异常指标）

▪ 基于 AI 技能匹配与调度的家政服务系统（AI 按技能与时段匹配、调度订单）

▪ 基于 AI 取送调度与时效提醒的预约洗衣系统（AI 取送路径调度与时效提醒）

▪ 基于 AI 肤质分析与项目推荐的美容院服务平台（AI 肤质分析与项目推荐）

▪ 基于 AI 智能导览与讲解的博物馆系统（AI 智能导览与讲解）

▪ 基于 AI 游线规划与景点推荐的文化旅游系统（AI 游线规划与景点推荐）

▪ 基于 AI 场景联动与能耗优化的智能家居平台（AI 场景联动与能耗优化）

▪ 基于 AI 安全预警与风险研判的煤矿管理系统（AI 安全预警与风险研判）

▪ 基于 AI 供需预测与调度预警的血库管理系统（AI 预测供需、调度预警）

▪ 基于 AI 预问诊与分诊推荐的远程就医系统（AI 预问诊与分诊推荐）

▪ 基于 AI 物种识别与巡护调度的野生动物保护系统（AI 物种识别与巡护调度）

挑题提示：优先挑你能说清“AI 替代了哪个业务环节”的题。答疑、推荐、匹配、调度、预警，选一个环节做深。

03 · 大数据方向：从可视化升级到预测

原题大多是数据分析与可视化，改造方向是加上预测建模。16 道题如下：

▪ 基于 LightGBM 的空气质量预测与预警系统（原空气质量可视化题）

▪ 基于 LightGBM 的电商商品销量预测与选品推荐系统（原商品销量可视化题）

▪ 基于 XGBoost 的失信企业风险预警系统（原失信企业信息可视化题）

▪ 基于 XGBoost 的岗位需求预测与人才供需匹配系统（原招聘数据可视化题）

▪ 基于 LSTM 的全球地震活动趋势预测与风险预警系统（原地震数据可视化题）

▪ 基于 LightGBM 的农作物产量预测与种植建议系统（原农业数据可视化题）

▪ 基于 LightGBM 的动漫人气预测与推荐系统（原动漫数据可视化题）

▪ 基于 LightGBM 的商场客流量与销售额预测系统（原商场运营可视化题）

▪ 基于 XGBoost 的球员表现与赛果预测系统（原球员表现可视化题）

▪ 基于 LightGBM 的学业成绩预测与预警系统（原成绩分析可视化题）

▪ 基于 LSTM 的微博话题热度预测与趋势分析系统（原话题热度可视化题）

▪ 基于 LightGBM 的新能源汽车销量预测与区域需求分析系统（原销量上牌可视化题）

▪ 基于 Prophet 的景点热度预测与出行推荐系统（原景点热度可视化题）

▪ 基于 LightGBM 的船舶交通流量预测与港口调度系统（原船舶流量可视化题）

▪ 基于 LSTM 的降雨量预测与汛情预警系统（原降雨量可视化题）

▪ 基于 LightGBM 的快递业务量预测与运力调度系统（原物流快递可视化题）

04 · 深度学习方向：高价值原题直接选

这 16 道保留原题路线，按场景挑：

▪ 基于轻量化卷积神经网络的手写数字识别系统设计与实现（轻量入门，代码量小，适合保底）

▪ 基于 MobileNet 的小麦叶病害识别系统的设计与实现（农业病害，轻量可部署）

▪ 基于 YOLOv8 的电网巡检图像缺陷检测与识别系统的设计与实现（工业巡检，落地明确）

▪ 基于轻量化卷积神经网络的蚊虫分类算法研究（公共卫生，轻量易训）

▪ 基于 YOLOv9 的番茄果实成熟度检测系统的设计与实现（农业落地，效果直观）

▪ 基于 YOLOv8 的公共场所人员目标检测系统（安防真实，易演示）

▪ 基于深度学习的灾害应急响应多目标检测方法研究（应急场景，社会价值高）

▪ 基于深度学习的鸟类物种图像分类研究（生态方向，细粒度好讲）

▪ 基于深度学习的眼部目标检测算法研究（医疗辅助，应用面广）

▪ 基于深度学习的塑料类型图像分类研究（环保回收，落地感强）

▪ 基于深度学习的面部表情识别研究（人机交互，趣味性强）

▪ 基于深度学习 YOLO 的安检图像违禁品目标检测方法研究（安防检查，贴合现实）

▪ 基于深度学习的多类水果新鲜度检测与分类研究（农产品质量，好讲解）

▪ 基于深度学习的复杂场景医疗废弃物目标检测识别研究（公益属性强）

▪ 基于深度学习的胸部 X 光肺炎与肺结核分类研究（医疗影像，答辩含金量高）

▪ 基于 YOLO 深度学习的疲劳驾驶目标识别检测（交通安全刚需，落地强）

挑题提示：求稳选手写数字这类轻量题；想答辩出彩，选医疗影像这类含金量高的。

═════ ◇ ═════

05 · 三方向各自立得住的逻辑

选题只是第一步，答辩时老师问的是“你的题凭什么成立”。

▪ 网站题：AI 嵌进业务闭环，不是贴牌——把一个环节真正交给 AI，导师问接口怎么接，你能现场说清

▪ 大数据题：从描述统计升到预测建模——特征工程加过拟合防控加模型对比，就是实打实的工作量

▪ 深度学习题：模型选型有据可依，再加可解释——配 Grad-CAM 或特征重要性图，答辩加分

06 · 改题三句话 + 落地四步

手里已经有老题的，照这三个公式改：

▪ 网站题 = 基于 AI + 能力 + 的 + 原系统

▪ 大数据题 = 基于 + 算法 + 的 + 对象 + 预测（或预警）系统

▪ 深度学习题 = 基于 + 模型 + 的 + 任务

改完之后，落地分四步走：

① 定数据：优先公开数据集，别爬敏感数据惹麻烦

② 定算法：主线模型做深，比堆五个浅模型得分高

③ 写创新点：一句话说清比原题多了什么，开题报告不虚就靠这句

④ 跑 baseline：开题前先下载数据集跑通一个，数据跑不通立刻换题，别恋战

指标提前想好：预测题报 RMSE、MAE、ROC-AUC；检测题报 mAP；分类题报准确率、F1。没有指标，导师会觉得水。

「老题不可怕，可怕的是原样交上去。」

48 道题和改造思路都在上面了。挑定方向后，把对应题目拿去和导师沟通，比空着手去问“我该选什么题”强得多。

更多毕设选题、开题报告和答辩干货，会持续在这个号更新，建议关注不迷路。