采用协和医院提供的8000人白内障眼底图像，通过四种常见的框架建立神经网络，从中选择出最适用于白内障眼底图像数据的Google Net架构设计的多重神经网络，具体技术采用小波增强图像数据特征后，再通过G-filter技术锐化特征，Google Net架构在广度上具有明显优势，图像采用多图层叠加的模式收集图像，其分类准确率达到了90%。

我国西气东输管道外壁采用了氧化还原反应进行保护，每隔3Km设置一个测试桩，通过测试桩得到HVDC时序数据，西气东输传统管道维护方案需要投入大量人力和物力。基于深度学习的自动化监测程序可实现故障的自动检测，大幅削减人力成本。该监测程序主要通过收集时序数据，将时序数据经过一系列的处理后，得到最终结果。整个项目所采用的时序数据处理模式被称为时序数据挖掘体系。我参与完成整个时序数据体系的构建，为西气东输的管道保护出一份力气。

由中科院林业研究院牵头，分配人员在3个月时间内收集北京市几乎所有的花粉数据集，将载玻片放入电子隧道显微镜进行电竞图像扫描，每张图片扫描时间2小时，经过前期一年的准备时间，我们得到了2000张花粉电子显微镜高清图像，接下来需要通过深度学习的方法来设计出图像识别算法，从而对其中的花粉进行准确的分类，中科院永浩教授提出一种LFFD的人脸检测算法，我的任务是让它可以用来实现花粉的识别，用来做对比实验，证明新方法的效果突出。