2301_79555157的博客

口罩佩戴检测模型，基于深度学习的图像分类和目标检测方法，自动识别图像中人物的口罩佩戴情况。构建一个多样化的数据集，包含各种佩戴状态的图像，并进行标注，以提供模型训练所需的样本。其次，选择适合的深度学习模型（如卷积神经网络或Transformer架构），并进行训练与优化，以提高模型的准确性和鲁棒性。评估模型在实际应用中的表现，并探讨其在公共场所口罩佩戴监控中的应用前景。本研究的成果不仅为疫情防控提供技术支持，也为未来的健康监测与智能监控系统奠定基础

安全帽目标检测系统通过自制安全帽检测数据集，结合YOLOv5算法理论技术，达到了准确识别安全帽的效果。建了一个涵盖多种场景和不同工人佩戴状态的高质量数据集，确保样本的多样性和代表性。采用YOLOv5算法对数据集进行训练和测试，优化了检测模型的性能。对于计算机专业、人工智能专业、大数据专业、信息安全专业、软件工程专业的毕业生而言，不论是对于深度学习技术感兴趣的同学，还是希望探索机器学习、算法或人工智能的领域的同学，都能为您提供丰富的选题资源和灵感。

毕业设计：基于机器学习的珍稀林木病害识别系统，通过建立高效的图像处理和病害分类模型，提升病害识别的准确性和效率。该系统不仅能够快速识别出不同种类的病害，还能为病害的预防和控制提供科学依据，帮助林业管理者及时采取措施，减少损失。此外，利用机器学习算法的自学习能力，系统能够不断积累和更新病害数据，提高其对新型病害的适应能力和识别精度。

电梯内电动车闯入监测系统利用卷积神经网络和轻量化的PANet结构，确保在保证高准确率的同时，降低模型的计算负担。通过改进损失函数，解决了样本不平衡问题，加快了模型的收敛速度。此外，引入CBAM注意力机制，显著增强了有效特征的提取能力，提高了检测的准确性和鲁棒性。涵盖了深度学习、机器学习、算法、人工智能、大数据、信息安全、推荐系统、目标检测等多个热门领域。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，毕业设计选题至关重要。对深度学习技术、机器学习、算法或人工智能感兴趣的同学，都能提供帮助

计算机视觉方向毕设选题合集涵盖了管理系统、小程序、深度学习、机器学习、算法、人工智能、大数据、网络安全、嵌入式、推荐系统、目标检测等多个热门领域。对于计算机专业、软件工程专业、人工智能专业、通信工程专业的毕业生而言，选择一个合适的毕业设计选题至关重要。在这个毕业设计选题合集中，我们精心收集了各种有趣且具有挑战性的选题，旨在帮助学生们在毕业设计中展现他们的技术实力和创新能力。不论是对于对深度学习技术感兴趣的同学，还是希望探索机器学习、算法或人工智能的领域的同学，本合集都能为您提供丰富的选题资源和灵感。

【毕业设计选题】人工智能专业毕设选题合集涵盖了深度学习、机器学习、算法、人工智能、大数据、网络安全、嵌入式、推荐系统、目标检测等多个热门领域。对于计算机专业、软件工程专业、人工智能专业、通信工程专业的毕业生而言，选择一个合适的毕业设计选题至关重要。在这个毕业设计选题合集中，我们精心收集了各种有趣且具有挑战性的选题，旨在帮助学生们在毕业设计中展现他们的技术实力和创新能力。不论是对于对深度学习技术感兴趣的同学，还是希望探索机器学习、算法或人工智能的领域的同学，本合集都能为您提供丰富的选题资源和

机器学习深度学习毕业设计选题推荐选题合集涵盖了管理系统、小程序、深度学习、机器学习、算法、人工智能、大数据、网络安全、嵌入式、推荐系统、目标检测等多个热门领域。对于计算机专业、软件工程专业、人工智能专业、通信工程专业的毕业生而言，选择一个合适的毕业设计选题至关重要。在这个毕业设计选题合集中，我们精心收集了各种有趣且具有挑战性的选题，旨在帮助学生们在毕业设计中展现他们的技术实力和创新能力。不论是对于对深度学习技术感兴趣的同学，还是希望探索机器学习、算法或人工智能的领域的同学，本合集都能为您提供丰富的选题资源。

毕业设计-基于深度学习的毕业设计，旨在开发一种高效准确的输电线路杆塔目标检测系统。设计采用了基于深度学习的目标检测技术，利用预训练的YOLOv5模型，实现了对输电线路杆塔的自动化识别和检测。通过对输电线路图像进行预处理和模型推理，该系统能够高效地检测和定位杆塔，并提供准确的目标分类信息。本毕业设计为输电线路杆塔目标检测系统的研究和开发提供了一种基于深度学习的创新解决方案。为计算机毕业设计提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。

毕业设计-基于深度学习的输电线路巡检中的目标检测系统的计算机毕业设计。在输电线路巡检中，准确检测和识别目标物体（如绝缘子、电杆和输电线）对于确保线路的安全和可靠运行至关重要。然而，传统的巡检方法往往依赖于人工操作，效率低下且易受主观因素影响。本设计采用了基于深度学习的目标检测技术，利用预训练的YOLOv5模型，实现了对输电线路中目标物体的自动化检测和识别。为计算机毕业设计提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。

毕业设计-基于深度学习的香烟吸烟动作识别目标检测算法系统的计算机毕业设计。香烟吸烟行为对个人健康和公共环境产生负面影响，因此快速、准确地识别和监测吸烟动作成为一项重要任务。本设计采用了YOLOv5算法和深度学习技术，实现了对香烟吸烟动作的自动化检测和识别。通过训练深度学习模型，将视频输入系统，实现对吸烟动作的实时检测和识别，并输出吸烟行为的时间、持续时间等关键信息。为计算机毕业设计提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。

毕业设计-基于深度学习的无人机实时密集小目标检测系统的毕业设计。随着无人机技术的快速发展，实时密集小目标检测成为无人机应用领域的重要问题。本设计采用了YOLOv5算法，结合深度学习技术，实现了对无人机图像中密集小目标的快速、准确检测和识别。通过训练深度学习模型，将无人机实时采集的图像输入系统，实现对目标的实时检测和跟踪。该系统具有高效、稳定的特点，可以帮助无人机快速发现和识别目标。为计算机毕业设计提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。

毕业设计-基于深度学习的篮球机器人目标检测系统的毕业设计。篮球作为一项受欢迎的运动项目，智能化的篮球机器人具备检测和追踪篮球的能力，对于提升训练、比赛和娱乐体验具有重要意义。本设计基于YOLOv5算法，通过训练深度学习模型实现对篮球目标的准确检测。通过收集大量的篮球图像数据，使用YOLOv5模型进行训练和优化，实现了实时性和高精度的篮球目标检测。为计算机毕业设计提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。

毕业设计-基于深度学习的坦克装甲车辆目标检测系统的毕业设计。随着军事技术的不断进步，坦克装甲车辆作为重要的作战装备，其准确的目标检测对于战场态势的分析和决策具有重要意义。本设计基于YOLOv5算法，通过训练深度学习模型实现对坦克装甲车辆的高精度检测。通过收集大量的坦克装甲车辆图像数据，使用YOLOv5模型进行训练和优化，实现了实时性和准确性的坦克目标检测。为计算机毕业设计提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。

毕业设计-基于深度学习的毫米波图像目标检测系统，旨在提高毫米波图像目标的自动化检测和识别能力。通过使用预训练的目标检测模型（如Faster R-CNN）和PyTorch框架，我们构建了一个高效准确的毫米波图像目标检测系统。该系统能够自动在毫米波图像中定位和标识出目标的位置，并提供准确的类别标签。我们详细介绍了算法的实现步骤，并展示了检测结果的可视化。毫米波图像具有穿透能力强、不受光照和天气条件限制等优点，在军事、安防、无人驾驶等领域具有广泛应用前景。为计算机毕业设计提供了一个创新的方向，为毕业生提供课题。

毕业设计-基于深度学习的卫星遥感图像滑窗目标检测系统的毕业设计。该系统利用先进的深度学习算法，通过对卫星遥感图像进行滑窗检测，实现了高效准确的目标检测和识别。我们采用了经典的Faster R-CNN模型，结合卫星遥感数据集进行模型训练，并通过GPU加速提高处理速度。该系统能够自动识别卫星遥感图像中的各种目标，如建筑物、道路、农田等，并给出其精确的位置和分类结果。还探讨了训练过程中的优化方法和技巧，以提高目标检测的准确性和鲁棒性。通过我们设计的卫星遥感图像滑窗目标检测系统，在城市规划、环境监测等领域提供技术

毕业设计-基于机器学习的工程地质现场识别系统。该系统利用机器学习算法，对工程地质数据进行分析与处理，自动识别和分类不同类型的地质特征。研究首先构建了包含多种地质数据的训练集，并采用支持向量机（SVM）、随机森林（RF）等机器学习算法进行模型训练和优化。实验结果表明，该系统在地质识别的准确率和处理效率上均优于传统方法。通过本研究，期望为工程地质勘察提供一种高效、智能的解决方案，提升地质识别的准确性，为工程项目的安全与可持续发展提供有力支持。

毕业设计-基于深度学习的番茄识别采摘机器人目标检测系统的毕业设计。该系统利用深度学习技术，通过训练和优化模型，实现了高效准确的番茄目标检测，为农业领域的自动化采摘提供了重要的技术支持。我们采用预训练的 Faster R-CNN 模型为基础，通过使用番茄目标数据集进行模型训练，提高了目标检测的准确性和泛化能力。该系统能够快速识别番茄目标，并输出其精确的位置和类别信息，为机器人采摘过程提供准确的引导和操作指导。算法的性能评估和改进方法，为农业机器人和目标检测领域的研究人员提供了有价值的参考。

毕业设计-基于深度学习的穿刺针目标检测系统的毕业设计。该系统利用深度学习技术，通过训练和优化模型，实现了高效准确的穿刺针目标检测，为医疗行业和手术操作提供了重要的定位和安全保障。我们采用预训练的 Faster R-CNN 模型为基础，通过使用穿刺针目标数据集进行模型训练，提高了目标检测的准确性和泛化能力。该系统能够快速识别穿刺针目标，并输出其精确的位置和类别信息，为医疗工作者提供可靠的引导和操作支持。还探讨了算法的性能评估和改进方法，为穿刺针目标检测领域的研究人员和医疗专业人员提供了有价值的参考。

毕业设计-基于深度学习的地铁场景行人目标检测系统，该系统旨在提升地铁安全管理和监控能力。我们采用了深度学习技术，结合预训练的模型和自定义的数据集，实现了高效而准确的行人目标检测。通过使用先进的目标检测算法，我们能够在复杂的地铁场景下准确地识别行人，并提供精确的边界框信息。实验结果表明，该系统在地铁场景中表现出色，具有较高的检测准确率和鲁棒性。研究成果对于提升地铁安全监控系统的效能和准确性具有重要意义，为相关领域的研究人员和工程师提供了有价值的参考和实践指导。通过本系统的应用，地铁管理部门可以更好地监测和管理

毕业设计-基于深度学习的小目标烟雾火焰检测算法系统，该系统旨在解决传统方法在小目标检测和烟雾火焰识别方面的限制。我们采用了深度学习技术，结合预训练的模型和自定义的数据集，实现了高效而准确的目标检测和分类。通过使用转置卷积进行上采样，我们能够恢复缺失的鼠洞信息，提高烟雾和火焰的识别率。实验结果表明，该算法系统在小目标烟雾火焰检测方面表现出色，具有很高的应用潜力和实用性。研究成果对于提升现有火灾预警系统的准确性和可靠性具有重要意义，将为相关领域的研究人员和毕业生提供有价值的参考和启发。

毕业设计-基于深度学习的无人机鼠洞目标检测系统的毕业设计。该系统利用先进的深度学习技术，结合无人机的高空视角和机动性，实现了对鼠洞目标的准确检测。通过采集大量无人机图像数据，并利用深度学习算法进行训练，系统能够高效地识别出鼠洞目标，并提供精确的定位信息。这种基于深度学习的无人机鼠洞目标检测系统具有广泛的应用前景，可以应用于城市建设、地质勘察等领域，提高工作效率和减少人工成本。通过本设计的实施和测试，证明了系统的可行性和准确性，为无人机目标检测技术的发展提供了有力的支持和借鉴。

毕业设计-基于深度学习的工作人员吸烟检测系统的毕业设计。随着吸烟行为对工作场所健康和安全的影响日益受到关注，开发一种自动化的吸烟检测系统变得尤为重要。本设计利用深度学习算法中的YOLOv5目标检测模型，通过对监控摄像头拍摄的实时视频流进行分析，实现对工作人员吸烟行为的实时检测和识别。通过在大量数据集上进行训练和优化，该系统能够准确地检测出吸烟行为，并及时发出预警。该系统具有实时性、准确性和可扩展性，可以广泛应用于工作场所安全管理和员工行为监控。该基于深度学习的工作人员吸烟检测系统为提升工作场所的健康和安全。

毕业设计-基于深度学习的雾天环境下目标检测系统"的计算机毕业设计。在雾天环境下，目标检测任务面临着困难和挑战，传统的目标检测算法往往无法准确地检测和定位目标物体。基于深度学习的目标检测系统，旨在解决雾天环境下目标检测的问题。该系统利用深度学习技术，结合雾天图像增强和目标检测算法，能够在复杂的雾天环境中准确地检测和定位目标物体。构建了一个包含大量雾天图像样本的数据集，并设计了一个深度卷积神经网络模型，通过训练和优化，使其具备高准确性和鲁棒性。这一研究对于改善雾天环境下目标检测的能力具有重要意义。

毕业设计-基于YOLO的深度学习水下垃圾识别"的计算机毕业设计。随着海洋环境污染问题的日益严重，水下垃圾的检测和清理变得尤为重要。然而，由于水下环境的复杂性和光线条件的限制，传统的目标检测方法在水下垃圾检测中存在困难和挑战。提出了一种基于深度学习的算法系统，旨在实现对水下垃圾目标的自动化检测和识别。该系统结合了深度学习技术、图像处理和目标检测方法，能够从水下图像中准确地检测和识别各种类型的垃圾目标。这一研究对于保护海洋环境、提高水下垃圾清理效率具有重要意义，为相关领域提供了一种准确的水下垃圾目标检测解决方案

毕业设计-基于深度学习的皮革瑕疵识别检测算法系统"的计算机毕业设计。皮革制品在时尚、家具和汽车等行业中广泛应用，但瑕疵的存在可能导致产品质量下降和经济损失。传统的皮革瑕疵检测方法通常依赖于人工视觉，耗时且受主观因素影响。为了解决这一问题，本文提出了一种基于深度学习的皮革瑕疵识别检测算法系统，旨在实现对皮革制品的自动化瑕疵识别。该系统利用深度学习技术，结合图像处理和模式识别技术，能够从皮革图像中准确地检测和识别各种瑕疵，如划痕、裂纹和色差等。该系统在不同类型的皮革制品上表现出卓越的瑕疵识别能力。

毕业设计-基于深度学习的指针式仪表自动读数算法系统的计算机毕业设计。在许多领域，如能源、交通和工业等，仪表的准确读数对于实时监测和数据分析至关重要。然而，传统的手动读数方法存在耗时、易出错的问题。为了解决这一挑战，我们提出了一种基于深度学习的自动读数算法系统，旨在实现对指针式仪表的准确自动读数。该系统利用深度学习技术，结合图像处理和模式识别技术，能够从仪表图像中精确识别并读取指针位置，实现仪表读数的自动化。详细介绍了系统的设计原理、数据集构建、模型训练和评估，并展示了实验结果和性能分析。

毕业设计-基于深度学习的车辆目标跟踪算法系统，作为计算机毕业设计的成果。车辆目标跟踪是计算机视觉领域的重要研究方向，传统的跟踪方法在复杂场景下常常面临挑战。为了解决这一问题，本系统采用了先进的深度学习技术，通过训练一个高效准确的模型来实现车辆目标的实时跟踪。我们采用了大规模的车辆目标数据集，并进行了标注和预处理，然后设计了一个深度学习模型，能够在不同场景下准确地检测和跟踪车辆目标。该系统具有较高的鲁棒性和准确性，能够应对光照变化、遮挡和快速运动等复杂情况。

毕业设计-基于卷积神经网络的网约车司机疲劳驾驶检测系统结合深度学习与计算机视觉技术的框架，旨在通过实时监测司机的面部特征和眼动状态，实现对疲劳驾驶的自动检测。首先，构建了包含多种疲劳状态下驾驶员面部图像的数据集，并应用数据增强和迁移学习等技术提升模型的泛化能力。其次，通过优化网络结构与训练策略，提高检测精度和速度。实验结果表明，所提出的疲劳驾驶检测系统在识别任务中达到了较高的准确率和良好的鲁棒性，显著优于传统方法。

毕业设计-基于深度学习的农村公路路面裂缝检测算法系统，作为计算机毕业设计的成果。在农村地区，公路路面裂缝是一项重要的检测任务，但传统的人工检测方法耗时且容易出错。为了解决这一问题，本系统采用了先进的深度学习技术，通过训练一个高效准确的模型来实现农村公路路面裂缝的自动检测。我们收集了大量的路面图像数据，并进行了标注和预处理，然后设计了一个深度学习模型，能够快速准确地识别和定位路面裂缝。该系统具有高度的鲁棒性和准确性，能够在各种复杂路况下实现农村公路路面裂缝的自动化检测。该毕业设计提供了智能化、高效的解决方案。

毕业设计-基于深度学习的水表读数自动识别系统。该系统利用卷积神经网络（CNN）对水表图像进行处理，旨在实现高效、准确的读数识别。研究首先构建了一个包含多种水表读数图像的数据集，并采用数据增强技术和迁移学习方法来提高模型的泛化能力。实验结果表明，该系统在水表读数识别的准确率和实时性上均表现优异，能够在各种环境下稳定工作。通过本研究，期望为供水管理提供一种高效、智能的解决方案，提升水务管理的效率与准确性，推动智能城市的发展。

毕业设计-基于深度学习的电动车头盔佩戴识别系统，作为计算机毕业设计的成果。该系统利用先进的深度学习技术，针对电动车驾驶过程中佩戴头盔的情况进行识别和监测。通过收集大量的头盔佩戴和未佩戴的图像数据，我们设计了一个高效准确的识别模型，能够实时判断驾驶者是否佩戴头盔。该系统具有快速响应和高度准确的特点，可以在电动车行驶过程中实时监测头盔佩戴情况，并及时发出警示或提醒，从而提高驾驶安全性。这个毕业设计为电动车安全行驶和交通安全管理提供了一种智能化、高效的解决方案，并在促进深度学习技术在交通领域应用方面具有重要意义。

毕业设计-基于深度学习的烟叶成熟度识别检测系统的毕业设计。烟叶成熟度的准确判定和适时采收对于提高烟叶质量至关重要，然而传统的鉴别方法存在局限性。因此，本设计利用深度学习技术，构建了一个高效准确的烟叶成熟度识别检测系统。该系统通过训练深度学习模型，实现对烟叶图像的自动识别和成熟度检测，具备较高的准确性和稳定性。通过该系统，可以快速、方便地进行烟叶成熟度鉴别，为烟叶生产提供科学、准确的指导。本设计不仅在理论层面上探索了烟叶成熟度识别的新方法，也在实际应用中具有重要的推广和应用价值。

基于深度学习的玉米叶病虫害识别系统，用于毕业设计。该系统利用先进的深度学习算法，通过对玉米叶片图像进行分析和处理，实现对不同类型的叶病和虫害的准确识别。我们采用了经典的CNN架构和数据增强技术，提高了模型的鲁棒性和泛化能力。通过大规模的数据集训练和验证，我们的系统在测试集上取得了令人满意的准确性和稳健性。此外，我们还提供了一个用户友好的界面，使农民和专业人士能够轻松使用该系统进行快速的病虫害识别。该毕业设计的研究为农业领域提供了一种高效的解决方案，有望在实际应用中发挥重要作用。

基于深度学习的多尺度交通灯检测系统，用于毕业设计。通过采用YOLOv5算法和多尺度特征融合网络，该系统能够准确地检测交通灯，并在不同尺度下实现高级语义信息的融合。实验结果表明，在训练过程中，模型损失稳步下降，并在验证集上达到高的mAP值，证明了模型的有效性和泛化能力。该系统在Bosch小尺度交通灯数据集上进行了测试，取得了令人满意的性能。该设计的研究为交通灯检测领域提供了一种有效的解决方案，具有实际应用前景。

毕业设计-基于深度学习的水面漂浮物目标检测算法系统，用于解决水域环境下的目标检测难题。针对水面漂浮物目标检测中存在的遮挡、光照不足和水纹干扰等复杂情况，利用深度学习技术设计了一种高效准确的检测算法。通过对大量水面图像数据集的训练和数据增强技术的应用，提升了目标检测系统的鲁棒性和准确性。实验结果表明，该毕业设计系统在不同环境条件下能够有效地检测水面漂浮物目标，并具有较高的检测置信度。研究成果对于水域环境监测、船舶安全等领域具有重要的应用价值。

毕业设计-基于深度学习的钢印字符检测算法系统，作为计算机毕业设计的关键内容。钢印字符的检测一直是工业生产中的重要任务，而传统方法在处理复杂的钢印字符时存在一定的局限性。基于深度学习的方法在该领域展现出了巨大的潜力。本研究提出了一种有效的钢印字符检测算法系统，利用深度学习模型进行字符的准确检测和识别。通过构建合适的数据集并采用适当的图像处理技术，我们能够实现对钢印字符的高效检测和精确定位。该系统在实验中表现出了优异的性能，并具备广泛的应用前景。

毕业设计：基于深度学习的学生课堂行为检测算法系统，该系统旨在帮助教师更好地理解学生在课堂上的行为和参与度。通过使用深度学习技术，我们构建了一个端到端的模型，能够从实时视频流中准确地检测学生的行为，如举手、写字、专注等。该系统不仅可以自动化地记录学生的课堂行为，还能提供实时反馈和数据分析，帮助教师更好地进行课堂管理和个性化指导。该算法系统具有高准确性和实时性，为教育领域提供了一种全新的智能化课堂监控和分析工具。

毕业设计-基于深度学习的猕猴桃叶片病虫害识别系统的毕业设计项目。猕猴桃是一种重要的水果作物，然而，病虫害对其产量和质量造成了严重的威胁。传统的病虫害识别方法往往依赖于人工观察和经验判断，效率低下且容易出错。本设计项目利用深度学习技术，特别是卷积神经网络（CNN），开发了一种高效准确的猕猴桃叶片病虫害识别系统。该系统能够自动识别和分类猕猴桃叶片上的病害和虫害，如黄化病、蚜虫和螨虫等。通过大量的训练数据和模型优化，我们证明了该系统在猕猴桃叶片病虫害识别方面的出色性能和准确性。

毕业设计-基于深度学习的电容表面缺陷检测算法系统的毕业设计项目。电容是现代电子设备中常见的元件之一，而电容表面的缺陷可能会导致设备性能下降或故障。然而，传统的电容表面缺陷检测方法受制于人工判断和效率低下的问题。本设计项目利用深度学习技术，特别是卷积神经网络（CNN），开发了一种高效准确的电容表面缺陷检测算法系统。该系统能够自动识别和定位电容表面的缺陷，如裂纹、氧化和短路等。通过大量的训练数据和模型优化，我们证明了该系统在电容表面缺陷检测方面的出色性能和准确性。这项毕业设计项目对于电子制造业具有重要意义。

毕业设计-基于深度学习的机场跑道裂痕检测系统的毕业设计项目。机场跑道的安全性是航空运输领域最重要的关注点之一。然而，现有的机场跑道裂痕检测方法通常需要耗费大量的人力和时间，且准确性有限。本设计项目利用深度学习技术，特别是卷积神经网络（CNN），开发了一种高效准确的机场跑道裂痕检测系统。该系统能够自动识别和定位跑道裂痕，并提供及时的报警和维修建议。通过大规模的训练数据和模型的优化，我们证明了该系统在机场跑道裂痕检测方面的出色性能和准确性。介绍了算法的设计原理、数据集的构建和训练过程，系统的实现和性能评估结果。