为拓展个人能力并感受科研氛围，在科研实践中领悟党的二十大精神，yl12311线路检测（威海）yl12311线路检测“智能带路”实践队于1月21日开展了科研先锋社会实践，并于2月20日圆满完成了本次社会实践任务。在这次社会实践中，团队成员积极参与了导师杨飞的课题项目，掌握了深度学习知识，完成了对道路图片裂纹的标注和分割工作，并通过与课题组成员的积极交流沟通，推动了课题的进展。    

实践初期，团队成员分散在四川、山东、安徽、重庆等地，各自的学习时间和任务分工存在差异。杨飞为团队推送了“极市平台”微信公众号的文章，其中整理了经典的语义分割网络（如U-net、FCN、SegNet）的内容。由于团队成员初次接触图像分割研究方向，深度学习方面的基础较为薄弱，因此需要额外学习补充。队员们观看了吴恩达和李沐的机器学习课程，掌握了基础的机器学习算法，包括逻辑回归、决策树、神经网络、支持向量机、贝叶斯分类器、K邻近算法等。在深度学习方面，学习了CNN（卷积神经网络）的基础知识，例如卷积操作、填充和步幅的作用，以及池化操作。在代码工作环境配置方面，团队成员查阅了相关教程，成功配置了Anaconda中Pytorch虚拟环境。    

实践后期，杨飞发布了道路图像标注任务。经过两周时间的学习，团队成员对深度学习和计算机视觉有了初步认识，杨飞要求团队完成第95-329号的图片标注任务。团队成员使用labelme对图像进行标注分类，包括burr（毛刺裂纹）、single（单裂纹）、block（块状裂纹）、crack（龟裂）等四种分类，共计282份图片（每份图片有四张亮度不同的版本），即1128张图片，每位成员负责188张。在观看了对道路裂纹图片标注分类的演示录屏后，成员们开始对图片进行标注并制作为json格式的数据集。对于分割时的不确定图像，成员们积极询问，在得到准确答复后进行标注。    

本次社会实践的完成使团队成员体验到了科研氛围，并学习了机器学习的相关知识，为指导老师的课题任务提供了帮助。该项目可进一步实现对道路图片的在线识别，判断裂纹情况和道路受损程度，为道路部门提供决策支持。

（文/2022级应用经济学 谢沁园 图/2022级计算机澳专业2班 胡斌）

2月23日