案例1：利用近红外吸收实现苹果糖度无损测量
搭建暗室，选取980nm和808nm两个特征波长的红外激光照射苹果，获取表皮漫反射图片,利用智能手机拍摄获取图片，对图片进行框选和径向灰度处理，其径向灰度变化采用最小二乘法来拟合为线性函数，进一步地拟合获取光斑照片的RGB亮度强度，并结合sklearn机器学习(python)建立起糖度与光强的函数关系，即含有9个系数的多元线性回归，实现苹果糖度无损测量。
案例2 基于视频分析处理的疲劳检测

基于人脸特征点中对应眼睛6个特征点，利用中间四个特征点和端点两个特征点的高度相对变化建立EAR方程，通过EAR值变化判断是否有眨眼行为，进一步地，计算一定时间内的眨眼次数来判断是否处理疲劳状态。实际操作中，每0.04s对学生进行一次检测，当闭眼超过50s或缓慢眨眼次数大于50次则认定为疲劳，并发送提醒。
案例3 基于机器学习的卷面详细成绩智能统计
基于红色批改字体和黑白试卷色彩差异的物理学原理，通过接入设备扫描试卷并进行详细的算法处理，获得每一份试卷的学生信息与试卷分数、各小题得分情况，并实现自动复核。针对手写数字识别难点问题，创新性地提出间接重心法，将偏差手写数字图片的识别率提高到100%，显著提高了单个手写数字的识别准确率。进一步地，为有效解决粘连体手写数字的切分，创新性地提出了反向滴水算法，将切分准确率提到90%，并在持续改进。基于开发的算法，每一份试卷的卷面详细成绩智能统计仅需12秒。