本研究提出了ODYSSEE模型，利用深度学习技术识别活牡蛎，以解决传统监测方法的破坏性和劳动强度问题。尽管模型速度较快，但准确率较低，尤其受到图像质量的影响，因此未来需提升模型的准确性和图像质量。

本研究提出了一种基于图神经网络的高分辨率时空空气质量指数映射框架，克服了传统监测方法的局限性，显著提升了空气质量预测的准确性。

该研究提出了一种利用光波信号检测非接触式呼吸异常的方法，使用低成本的光源和传感器，能够识别机器人胸部反射光强的变化中的不同呼吸异常。呼吸异常检测模型使用机器学习方法，在分类7种不同呼吸数据时达到了96.6%的平均准确率。