以真实项目为导向，以实战项目促成长！ 在大三实践学期二级项目实践中，智能与通信工程系智能科学与技术专业的4位同学交出硬核实践成果——智能座舱辅助驾驶感知系统。

随着汽车智能化、网联化快速发展，高级驾驶辅助 ADAS 技术成为出行安全的重要保障，但商用 ADAS方案大多成本高昂、架构封闭；开源算法又缺少从感知到控制的完整闭环，很难直接部署在低成本嵌入式实训平台。针对这一现实行业痛点，4名同学组成项目小组，依托二级项目实践教学，开展《智能座舱辅助驾驶感知系统》研发工作，完整完成需求分析、方案设计、算法改进、系统开发、集成测试全流程，打造一套低成本、可扩展、适配嵌入式硬件的辅助驾驶原型系统。

聚焦真实场景，锚定四大核心需求

项目坚持真实项目导向，对标产业实际使用场景，梳理出系统四大核心能力目标。团队选用 YOLOv8s 作为基础检测模型，引入 CBAM 注意力机制强化小目标特征提取，采用 ShapeIoU 损失函数优化目标框定位；基于 BDD100K 自动驾驶数据集子集完成迁移训练，模型验证集 mAP@0.5 达到0.577，超出预设 0.55的性能指标，有效提升复杂路况下识别精度。

分层模块化开发，打造多模态一体化系统

系统采用三层架构设计，分为数据输入层、核心处理层、用户交互层，基于MVC模式解耦业务逻辑与界面显示，各功能模块运行于独立线程，保障嵌入式设备下系统稳定运行。

视觉检测模块：使用隔帧推理策略降低算力消耗，树莓派端完成实时推理，输出检测结果供决策与界面可视化展示；

语音交互模块：集成百度ASR语音识别、TTS 语音合成，通过异步音频播放解决嵌入式声卡资源冲突，依靠关键词解析实现指令快速响应；

底盘与分级预警模块：基于 ROS2 发布速度指令控制小车运动；创新实现分级障碍物预警策略，检测行人、非机动车时立即紧急制动 + 语音告警，机动车仅做语音提示，兼顾行车安全与驾乘体验；

GUI 交互界面：基于 PyQt5 开发可视化操作界面，集成实时画面、检测统计、语音历史记录、参数配置等功能，操作直观便捷。

硬件以树莓派为核心主控，搭配 USB 摄像头、外接声卡、ROS2智能小车底盘，软件使用Docker容器统一开发环境，消除环境差异带来的工程问题。系统完整实现多条业务闭环：摄像头采集画面>AI目标检测>GUI 实时展示；语音下达指令>识别解析>小车执行运动；视觉识别风险目标>自动制动告警。

全维度测试验证，交出实践学期硬核答卷

项目团队依托 BDD100K 自动驾驶数据集开展多场景测试验证，下图为模型在雨雪、夜间、逆光、城市复杂路口等真实路况下的检测可视化结果，能够稳定识别车辆、行人等目标，对远处小目标也具备良好检出效果。项目完成功能、性能、稳定性多维度测试，模型 mAP@0.5 达到0.577，超出预设指标；在树莓派嵌入式硬件环境下，高危障碍物预警指令响应时间小于300ms，分级预警逻辑触发准确。系统连续1小时长时间运行无闪退、内存泄漏问题。团队同时客观分析现存短板：嘈杂环境语音识别效果受限、嵌入式平台推理算力存在瓶颈，明确后续优化路径，计划通过模型量化、离线语音方案、增加测距避障功能持续迭代系统。

项目引领教学，夯实智能科学与技术专业育人底色

本项目是专业“项目引领、真实项目导向”实践教学模式的典型缩影。智能科学与技术专业立足AI、机器感知、智能系统的专业定位，通过二级项目等实践学期载体，打破课堂理论与工程实践之间的壁垒，引导学生直面产业真实问题，完整走完项目从需求到落地的全生命周期，而不是单纯完成验证性小实验。

未来，专业将继续深化项目制教学改革，持续鼓励同学们把创新想法落地为看得见、可运行的系统原型，在实战当中锤炼AI时代硬核本领，培养更多懂算法、懂硬件、懂系统的复合型智能科技人才。