在智慧城市和基础设施维护领域，对路面状态的持续、高效监测至关重要。传统人工巡检方式效率低、风险高且主观性强。最新的技术倾向于采用分布式传感网络进行实时监测及预测；但对于在用道桥，布设分布式传感网络有较大难度。本项目旨在开发一套软硬件结合的道路健康巡检系统，通过一个搭载多种非接触式传感器的移动巡检车，模拟分布式传感器网络的前端数据采集环节，并利用AI技术对采集到的多模态信号进行智能分析，实现路面信息的自动化识别与诊断

本项目的特色与创新点在于，以移动巡检车这一具体场景作为载体，将前沿的分布式传感与AI分析概念进行了落地实践。技术上并非简单调用现成算法，而是强调从传感器信号采集、预处理到特征提取的完整链路设计，并尝试在资源受限的处理器上部署轻量级AI模型，探索边缘计算的实现路径。项目还注重通过完整的系统级开发与集成，培养同学面向真实问题的跨学科解决能力与工程全局观。

项目目标是设计并实现一个具备以下功能的移动巡检车系统：

1.硬件平台搭建：集成至少两种非接触式传感器（如激光雷达、超声波传感器等）于一个可移动的小车平台上，完成硬件系统的构建与调试。

2.数据采集与传输：实现传感器数据的稳定采集、本地缓存，并通过无线网络将数据传输到本地或云端处理终端，模拟分布式传感节点的数据上报过程。

3.信号处理与AI分析：对采集到的原始信号（如波形数据）进行预处理，并训练AI模型（如使用深度学习进行数据分类或目标检测），实现至少一种路面异常（如裂缝、坑洼）或特定目标（如交通标志）的自动识别。

4.系统集成与展示：开发一个简易的上位机软件或Web界面，能够实时显示巡检车的状态、传感器数据流以及AI分析的结果（如标注出异常的位置和类型）。

通过完成本项目，学生将能够：

1. 深化理解：掌握信号采集、预处理、特征提取与分析的完整链路。
2. 实践结合：获得嵌入式系统开发、物联网通信以及AI算法部署的综合性实战经验。
3. 拓展视野：了解数据分析的基本架构，以及所学专业知识在等真实场景下的应用价值。

        招募的成员具备基本的软硬件集成与开发能力。在硬件方面，优先考虑有国产处理器开发经验的同学。

        同时，成员应具有良好的编程基础、数据敏感性和较强的自主学习能力，善于检索和调研技术资料。

        更重要的是，希望成员对技术有热情，具备团队协作精神、责任心以及解决挑战的韧性，能与项目共同成长。