Output Samples
六份真实输出，看清颗粒度
全部来自引擎实际返回，仅做课题脱敏。看这些样例比看十条卖点有用：你会看到每一章带多少字、每条指标怎么验证、 答辩每页讲什么。内容按同一道题展开，方便你判断「换成我的题目会长什么样」。
章节骨架：三级目录 + 章权重
目录不是标题堆叠。每章标了建议字数占比，每章下面直接给出二级标题，方便判断「这一章到底做什么」。
本科 · 6 章 18 节 · 约 1.2 万字
基于轻量目标检测的校园快递分拣辅助系统
- 第一章 绪论15%1.1 研究背景与问题界定 1.2 国内外研究现状 1.3 本文主要工作与技术路线
- 第二章 相关技术与理论基础18%2.1 轻量卷积网络结构 2.2 目标检测评价指标 2.3 边缘部署的算力与功耗约束
- 第三章 系统需求与总体设计22%3.1 分拣业务流程建模 3.2 功能与非功能需求 3.3 硬件选型与总体架构
- 第四章 关键模块实现25%4.1 数据集构建与标注规范 4.2 模型裁剪与 INT8 量化 4.3 分拣调度逻辑与状态机
- 第五章 实验与结果分析15%5.1 实验环境与参数设置 5.2 精度与帧率对比 5.3 消融实验与误差来源分析
- 第六章 总结与展望5%6.1 主要结论 6.2 不足与改进方向
另附：图表清单 9 项 · 参考文献结构 42 条 · 学术规范自检 6 项，随目录一并给出。
三条完成方式：工作量和风险并列
同一道题，三种做法。差异不在题目的范围，而在「用什么手段完成、需要多少资源、哪一步最容易崩」。
按实验室条件取舍 · 生成目录前先确认
技术路线对比（同题三套）
围绕检测链路做逐级校核：输入分辨率与帧率预算、量化后精度损失、调度时延上限。自建 1200 张校园场景数据集，YOLOv8n 训练后 INT8 量化，部署到 Jetson Nano。
先做分拣机构与相机的布局设计，再在仿真环境里跑通视野覆盖与节拍匹配，用仿真结果反推硬件参数，最后小规模实物验证。
把分拣节拍、误检代价与队列长度写成排队模型，先做数值实验验证参数敏感性，再用传统图像处理做最小可行实现兜底。
路线差异会同步反映到第四、五章的工作量与实验设计；改路线后建议重新生成一次目录。
指标与验收：每条都要有验证方式
一条合格的指标＝名称 + 目标值 + 验证方式。缺了第三列，就只是愿望。
可直接写进任务书 · 5 项硬指标
指标与验证方式对照
| 指标 | 目标值 | 验证方式 |
|---|---|---|
| 检测准确率 mAP@0.5 | ≥ 0.85 | 测试集 240 张，脚本输出混淆矩阵 |
| 单帧推理时延 | ≤ 80 ms | 边缘端连续 500 帧取 P95 |
| 分拣指令响应 | ≤ 300 ms | 接口压测，记录端到端耗时 |
| 连续运行稳定性 | ≥ 6 h 无中断 | 看门狗日志 + 内存占用曲线 |
| 误分拣率 | ≤ 3% | 人工复核 200 件样本 |
指标与你填写的约束一一对应：写了「Nano 实机」就不会给你云端方案，写了「不用付费服务」就不会出现商用 API。
答辩 PPT：12 页，每页一句话讲什么
不是模板套壳，而是按你的章节结构生成页序，并预设评委最可能追问的点。
12 页 · 8 分钟口述节奏
汇报大纲与每页要点
文献综述：先聚类，再说空白
综述的常见失败是「一篇一段」的流水账。合格的做法是按主题聚类，最后指出前人没解决的那一块。
按主题聚类 · 附研究空白
文献综述结构（42 条文献 / 4 个聚类）
专业翻译：摘要与术语中英对照
按学科惯用译法处理术语，保留原文段落，便于你核对与替换。
摘要节选 · 附原文
中英对照与术语表
EN
This paper presents a lightweight object detection approach for parcel sorting in campus scenarios, in which the detection accuracy, on-device latency and mis-sorting cost are evaluated within a unified framework.
中文原文
本文面向校园场景下的包裹分拣，提出一种轻量目标检测方法，将检测精度、端侧时延与误分拣代价纳入统一评价体系。
EN
The model is quantised to INT8 and deployed on an edge device, achieving 15 frames per second with a mean average precision of 0.86 at IoU 0.5.
中文原文
模型经 INT8 量化后部署于边缘设备，在 IoU 0.5 下平均精度均值达 0.86，推理帧率为每秒 15 帧。
术语
mean average precision (mAP) · on-device latency · quantisation-aware training · ablation study
对照
平均精度均值 · 端侧时延 · 量化感知训练 · 消融实验
MAKE IT YOURS
换成你的题目，看看会长什么样
样例是别人的题。填上你的专业与指标，生成一版属于你的骨架——不满意就换路线再生成一次。
输出为写作参考稿，研究数据与结论须由本人独立完成，并按学校要求披露 AI 工具使用情况。