伴随着人工智能的不断发展和软件架构技术的进步,传统的数据分析方法、推荐算法和单体架构等技术已经无法满足企业日益增长的用户需求和本身功能的拓展需求。为了实现电梯轿厢内采集的海量图片数据智能分析处理和数据传送交互并最终实现电梯内广告个性化推荐的业务需要,本文基于Docker容器技术,伴随先进的Golang语言的研发,借鉴Go-micro等微服务框架理念,结合深度学习中的卷积神经网络等算法实现智能推荐平台。重新设计整体的应用架构,使用具备独立业务能力的微服务来替代传统的单体架构,各微服务之间的通信方式为服务发现机制,数据一致性由同步和异步机制来保证,实现了智能图片分析和个性化推荐等功能服务,构建了包含平台数据存储与传输、异常告警、日志与监控以及自动化部署等运维管理服务,来辅助进行平台功能服务的工作。按照软件工程的研发流程与方法,结合智能推荐平台业务的需求,将整个研究分为业务模块化分割、平台的数据库设计、数据存储服务的重构、智能分析与识别、个性化广告推荐算法的研究与应用、平台的监控与告警和平台自动化部署几大部分。每个部分都基于详细的需求分析,设计了清晰的模块架构图和流程图,针对核心步骤提供了代码展示和算法分析。最后通过各种功能测试、压力测试、性能测试等来验证平台的稳定和高效。目前,本文所设计的智能推荐平台已投入实际应用,解决了传统单体结构的一些弊端,有利于目前企业倾向将服务部署在云端的态势。为整个研发团队提供了一套标准化的开发部署流程,可以节省大量的资源和研发部署周期。测试的结果也表明该平台能够较好地满足企业的需求,证明了基于深度学习图像分析的智能推荐算法的有效性,在高并发的情况下,推荐平台也能够提供较好的智能运维保障。