暑假期间，江南大学人工智能与计算机学院“智拍智安”社会实践团，聚焦电动车进楼入户、飞线充电等基层治理难题，应用计算机视觉技术，开发微信小程序，探索一条“以算法识风险、以平台促闭环”的治理新路径。
项目启动之初，六名成员围绕AI模型训练、小程序开发、调研宣传与统筹外联等方向精准分工，大家反复研讨，最终确立“从真实需求出发、以技术解决真问题”的核心原则，并制定出“需求调研—技术攻关—试点验证”三阶段推进计划。定期沟通、信息同步的协作机制，为后续各个环节的顺利推进奠定了扎实基础。
实践团分赴成员家乡的多个老旧小区，通过问卷调查与深度访谈，逐户倾听居民心声。围绕电动车违规停放充电的切身困扰、现有举报渠道的使用体验，以及对小程序拍照举报的接受程度，团队收集到大量真实反馈。调研揭示了一个核心矛盾：居民虽有举报意愿，但现有渠道操作繁琐、响应缓慢，且缺乏有效的证据固定手段。与此同时，基层管理人员也反映，巡查人力有限，难以实现全天候覆盖。基于调研结果，团队明确了小程序需要解决的两个核心问题：一是降低居民举报门槛，让拍照上传成为最简单的交互方式；二是减轻管理人员识别负担，将“人眼看图判断是否违规”这一环节交由计算机视觉模型自动完成。
为了让AI模型能够准确识别电动车违规停放和飞线充电行为，团队需要大量真实场景下的图片作为训练素材。团队采用“公开数据+实地采集”双源融合策略：从开源数据集中筛选典型违规场景图片，同时在小区不同时段（早中晚）、不同光照（逆光、暗光、侧光）和不同拍摄角度（俯拍、平视、广角）下实地采集，累计获得有效图片超过1000张，覆盖电动车进楼门厅、楼道停放、飞线充电、堵塞消防通道等关键类别。采集完成后，团队对每张图片中的违规目标进行标注，并按照标准比例划分为训练集、验证集与测试集，为模型训练做好准备。
基于调研需求，团队完成了“智拍智安”小程序的核心功能开发。前端采用微信小程序原生框架，注重拍照上传交互的流畅性与操作引导；后端基于微信云开发，使用云数据库存储工单结构化数据，通过云函数封装图像上传、模型推理调用、工单状态流转等业务逻辑。用户拍照上传后，图片经由云函数触发模型推理，识别结果（违规类型、置信度、位置描述）自动回填至工单系统，并依据小区网格自动派单至相应管理人员，实现“拍照即识别、识别即派单、处理可追溯”的完整闭环。
本次社会实践是将课堂上学到的人工智能技术应用于基层社区治理的一次具体尝试，从数据采集、模型训练、推理优化到小程序全栈开发，团队真正经历了数字产品从0到1的技术淬炼。下一步，团队计划进一步优化模型的识别速度和准确率，并将技术方案与实施经验整理为标准化案例库，为更多社区提供可复制、可落地的智能化治理参考。用算法回应现实，用代码书写担当——“智拍智安”仍在路上。
团队合影
需求调研
数据集采集
小程序后台数据
