在第二屆拯救者杯OPENAIGC開發者大賽中，涌現出一批技術突出、創意卓越的作品。為了讓這些優秀項目被更多人看到，我們特意開設了優秀作品報道專欄，旨在展示其獨特之處和開發者的精彩故事。

無論您是技術專家還是愛好者，希望能帶給您不一樣的知識和啟發。讓我們一起探索AIGC的無限可能，見證科技與創意的完美融合！

創未來AI應用賽-高校組AI創新之星獎

作品名稱：路政通

參賽團隊：海南科技職業大學瓦羅蘭特啟動

作品簡介

隨著中國基礎基建的不斷完善，公路總里程不斷攀升，但也帶來了道路坑洼問題。然而大部分路政部門仍然依靠傳統巡路方式進行人工道路數據收集。本系統意在建設一個電子視覺輔助系統，一來可以對路況人員行車過程中對路面數據進行收集與上傳。二來可以實現行車過程中，前方道路危險預警。

項目設計

隨著中國基礎基建的不斷完善，我國公路總里程不斷攀升。隨著使用時間的增加與車流量的上升，龐大的公路網會產生不可估量的坑洼規模。而坑洼作為道路疾病的病灶，如果能在早期處理，能最大程度的降低并發性道路龜裂與其他道路疾病。在高速與城市快速道路的車輛，可能因為一個不起眼的坑洞造成車毀人亡的事故，提前監測并進行道路維修和在行駛過程中，使用識別技術對坑洼進行監測與上報，是目前道路維護的最佳選擇。本系統建立于此想法之上，使用yolov8做為識別技術，TP-link攝像頭和ESP32-cam攝像頭模塊作為可選的數據收集端，最后將識別結果以的方式在展示在系統中。

核心技術和創新點

具體應用

路政部門：需要一款能夠協助監測，并能夠做到實時數據上傳的系統

社會需求：一款能識別坑洼危險的系統，用于提前預防危險，預警判斷

后續計劃

相對于前幾代的版本，YOLOv8-N/S/M/L/X與YOLOv5-N/S/M/L/X相比，YOLOv8的平均精度比YOLOv5都提升了不少[3]，本研究選擇相對成熟的YOLOV8作為檢測模型，并將YOLOV8中的部分標準卷積可替換為可變性卷積，提高網絡模型的集合變化適應性。此外，繼續導入ASPPF模塊，促進融合平均池化，爭強本系統的多場景表達，降低誤差。另外也可以考慮在頸部網絡上嵌入中尺度特征合成層，降低視頻傳輸過程，由于降幀帶來的誤差與干擾。在實際的驗證中mAP@0.5值到33.8%與72%。相較于未改進的基礎版，檢測精度與抗干擾能力得到了一定的增強，更加適用于多場景，高精度的社會需求。

繼續閱讀：

未經允許不得轉載：RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > 路政通 | OPENAIGC開發者大賽高校組AI創新之星獎