神经网络液体光谱识别

问题

面向低成本场景，验证是否可以用简化硬件与神经网络实现可用的液体种类识别，而不只是“是否安全”的二分类判断。

方法

以 Arduino 控制多波长 LED 采集液体透射光电压特征，在树莓派端用 Python 构建并训练神经网络进行分类识别。

我的贡献

• 在团队协作中主导完成方案设计、硬件联调、程序实现与测试验证。
• 主导实现数据采集流程与神经网络训练/查询逻辑，打通“采集-识别-输出”的完整闭环。
• 参与竞赛报告撰写与技术沉淀，并推进获得发明专利。

结果

作为本科竞赛 demo，验证了方案可行性；在实验条件下识别正确率约 80%，并支撑发明专利授权。