在当今交通领域，准确且高效的交通标识识别对于保障交通安全、优化交通流量至关重要。然而，市场上的现有交通标识识别系统存在诸多痛点，如识别准确率在复杂环境下（如恶劣天气、光照不足等）大幅下降，对多模态交通标识（融合图像、文字、符号等多种信息）的识别能力有限，且系统兼容性和实时性不佳。行业内部也面临着算法优化困难、数据处理能力不足等问题。针对这些市场和行业痛点，面对这一市场与行业痛点，广东理工学院“极智佳创”凭借深厚的专业功底与跨学科协作精神在团队指导老师党委学生工作部谢桂袖部长和创新创业梁慧仪副院长等老师的带领下，深入调研后，研发出“智通慧识-基于Pytorch和YOLO的多模态交通标识识别系统”，为智能交通领域带来了新的解决方案。

　　为解决痛点，团队深度研究讨论后决定采用YOLOV11（You Only Look Once）算法作为基础识别模型，该算法在实时目标检测方面表现出色，能够满足我们对系统实时性的要求。系统基于Pytorch框架构建，结合YOLOv11（You Only Look Once）目标检测算法，团队中的算法专家和技术骨干共同设计了多模态融合的识别方案，将图像、文字等信息进行有效整合，以提高识别的准确性。实现了对交通标识的高效、准确识别。

　　在项目研发过程中，团队成员充分发挥了跨学科协作的优势。计算机专业的学生负责算法设计与系统开发，机械电子专业的学生则专注于硬件设备的选型与集成，而会计专业的学生则负责项目的财务管理与预算规划。通过“老带新+实战化”的核心理念，高年级成员以企业项目标准指导新人，将课堂知识转化为实战技能，共同推动了项目的顺利进行。

　　经过多次实地测试与优化，“智通慧识”系统在实际应用中展现出了卓越的性能。系统不仅能够快速准确地识别出各类交通标识，还能实时分析交通流量，提供科学的决策依据。如今这一成果得到了专业老师的高度认可，团队也取得了较为不错的成绩。

　　团队采用“老带新+项目制”培养模式，由高年级成员牵头攻坚算法优化、硬件适配等核心环节，新生参与数据采集、场景测试等基础工作，构建全链条能力模型。团队下一步将深化对“智通慧识”系统的研发与优化，与自动驾驶企业的合作，探索标识识别技术与车路协同系统的融合，将系统应用于实际道路中，为提升道路安全、优化交通流量贡献更多力量。

图1.1-1.2团队成员线下讨论项目进程图片

（广东理工学院 李施诗）