在第二届拯救者杯OPENAIGC开发者大赛中，涌现出一批技术突出、创意卓越的作品。为了让这些优秀项目被更多人看到，我们特意开设了优秀作品报道专栏，旨在展示其独特之处和开发者的精彩故事。
无论您是技术专家还是爱好者，希望能带给您不一样的知识和启发。让我们一起探索AIGC的无限可能，见证科技与创意的完美融合！
创未来AI应用赛-高校组AI创新之星奖
作品名称：路政通
参赛团队：海南科技职业大学瓦罗兰特启动
作品简介
随着中国基础基建的不断完善，公路总里程不断攀升，但也带来了道路坑洼问题。然而大部分路政部门仍然依靠传统巡路方式进行人工道路数据收集。本系统意在建设一个电子视觉辅助系统，一来可以对路况人员行车过程中对路面数据进行收集与上传。二来可以实现行车过程中，前方道路危险预警。
项目设计
随着中国基础基建的不断完善，我国公路总里程不断攀升。随着使用时间的增加与车流量的上升，庞大的公路网会产生不可估量的坑洼规模。而坑洼作为道路疾病的病灶，如果能在早期处理，能最大程度的降低并发性道路龟裂与其他道路疾病。在高速与城市快速道路的车辆，可能因为一个不起眼的坑洞造成车毁人亡的事故，提前监测并进行道路维修和在行驶过程中，使用识别技术对坑洼进行监测与上报，是目前道路维护的最佳选择。本系统建立于此想法之上，使用yolov8做为识别技术，TP-link摄像头和ESP32-cam摄像头模块作为可选的数据收集端，最后将识别结果以的方式在展示在系统中。
核心技术和创新点
具体应用
路政部门：需要一款能够协助监测，并能够做到实时数据上传的系统
社会需求：一款能识别坑洼危险的系统，用于提前预防危险，预警判断
后续计划
相对于前几代的版本，YOLOv8-N/S/M/L/X与YOLOv5-N/S/M/L/X相比，YOLOv8的平均精度比YOLOv5都提升了不少[3]，本研究选择相对成熟的YOLOV8作为检测模型，并将YOLOV8中的部分标准卷积可替换为可变性卷积，提高网络模型的集合变化适应性。此外，继续导入ASPPF模块，促进融合平均池化，争强本系统的多场景表达，降低误差。另外也可以考虑在颈部网络上嵌入中尺度特征合成层，降低视频传输过程，由于降帧带来的误差与干扰。在实际的验证中mAP@0.5值到33.8%与72%。相较于未改进的基础版，检测精度与抗干扰能力得到了一定的增强，更加适用于多场景，高精度的社会需求。
