划重点！为什么这些项目能拿国赛一等奖

全国大学生嵌入式芯片与系统设计竞赛以“创意发挥、规范设计、突破自我、快乐大赛”为宗旨，自举办以来几乎覆盖了全国所有电子信息类高校，在促进在校大学生创新人才成长、提升工程实践能力等方面发挥了积极作用，在广大高校和行业产生了广泛而良好的影响。

飞凌嵌入式作为大赛的协办单位之一，携手瑞芯微在应用赛道中设立专项赛题，为了帮助各位同学进行备赛，我们特别梳理了【瑞芯微赛题】国赛一等奖项目的核心优势，期待这些案例能激发备赛同学的灵感。

2025年嵌赛国赛一等奖

ELF 2开发板赋能边缘AI与高光谱的蛋品双维检测

陕西科技大学“彼岸花初开”团队凭借参赛项目《壳·心双鉴：ELF 2开发板赋能边缘AI与高光谱的蛋品双维检测》，荣获2025年嵌赛全国一等奖。该团队由电子信息与人工智能学院的刘海辉、刘祥以及物理与信息科学学院的白博凌三位同学组成，并在郭拓老师的指导下完成项目。

“ELF 2开发板赋能边缘AI与高光谱的蛋品双维检测”项目的核心优势包括：

一是理念与模式具有创新性，该项目创新性突出，提出了独特的“双维检测”理念。综合运用机器视觉技术（YOLOv8）与高光谱成像技术，实现了对蛋品质量从外至内的检测：一方面是对蛋壳外观进行裂纹检测；另一方面是穿透蛋壳对其内部品质与新鲜度进行分析。相较于传统的单一检测方法，这种模式，在蛋品质量评估的准确性与可靠性上实现了显著提升。

二是紧密结合实际应用场景，该项目精准契合中小规模养殖场与加工企业对质量标准化与自动化升级的核心需求。其实施不仅能系统性提升鸡蛋流通全程的质量控制能力，助力农产品加工业向智能化、服务化转型，更可为“农业+AI”的深度融合提供一个可复制、可推广的工程实践范本。

三是实现了跨领域技术的深度融合，该项目由视觉识别、光谱感知与智能分析三大核心模块构成。

1. 视觉识别模块：融合YOLOv8与Swin Transformer算法，兼具局部高效感知与全局上下文理解能力，能在复杂背景与多样化纹理下精准识别蛋壳微裂纹，检测准确率达96.7%。
3. 光谱感知模块：通过620nm、700nm、800nm三波段LED光源与OPT101传感器阵列，无损采集鸡蛋内部24维光谱特征，经由MLP神经网络实现新鲜度判断与智能分级，分类精度超93%。
5. 智能分析中心：基于DeepSeek框架，自动融合视觉、光谱检测结果、历史数据及环境信息，生成仓储、物流与食用优先级的个性化建议。

最终，所有数据与建议通过Tkinter开发的图形界面集中展示，兼顾产线高效管理与全链条品质追溯。

2025年嵌赛国赛一等奖

基于RK3588的智能学习辅助系统

武汉理工大学“会料理队”凭借参赛项目“基于RK3588的智能学习辅助系统”，荣获2025年嵌赛全国一等奖。该团队由信息工程学院的李旭、陈子慧、廖新意三位同学组成，并在王永圣老师的指导下完成项目。

“基于RK3588的智能学习辅助系统”项目的核心优势包括：

一是软硬件深度融合，项目以算力为6TOPS NPU的ELF 2开发板为技术底座，部署了帧率≥30fps的轻量化YOLO模型，并协同多种传感器实现多模态感知。在此之上，系统完成了对步进电机（驱动桌面75-125cm升降）与PWM调光的嵌入式优化。最终，通过“本地Qt界面显示+微信小程序”的交互方式，实现了数据的实时展示与家长的远程监控闭环。

二是紧密结合真实应用场景，该项目适用于K12教育（坐姿矫正、专注力管理）、高等教育（考研自习室效率提升）、在线教育（居家学习监测），并可为ADHD群体、视障学习者提供辅助，亦适配图书馆等公共空间。

三是工程完成度较高，该项目在性能上实现了桌面升降（75-125cm）、无极调光、±0.2℃精准温控及NPU加速的实时视觉检测，更通过“多模态感知+实时控制+云端交互”的深度融合，构建了一个完整的智能闭环。从需求到落地的完整开发流程，确保了该解决方案的成熟性与可实施性，切实推动学习场景向智能化演进。

2025年嵌赛国赛一等奖

基于ELF 2开发板的多传感信息融合的多用途巡检机器人

郑州轻工业大学“调试时长两月半队”团队凭借参赛项目“基于ELF 2开发板的多传感信息融合的多用途巡检机器人”，荣获2025年嵌赛全国一等奖。该团队由计算机科学与技术学院的李宗洋、靳家林、吴海源三位同学组成，并在于泽琦老师和王晓老师的指导下完成项目。

“基于ELF 2开发板的多传感信息融合的多用途巡检机器人”项目的核心优势包括：

一是技术架构合理，该巡检机器人具备多种智能功能，涵盖环境建图、自主导航、视觉识别与热源检测等模块。基于ROS 2Humble平台和slam_toolbox和Navigation 2框架，机器人可实现高精度地图构建、路径规划与避障，支持自主巡逻、目标点导航及回充等功能。视觉方面，采用YOLOv8模型对包裹破损、门窗状态进行实时识别，具备较高的检测准确率与推理速度，保障对异常情况的快速响应。同时，集成MLX90640热成像传感器，能够检测环境中的异常热源，识别潜在火灾隐患，提升安全监测维度。

二是解决真实行业问题，巡检机器人面向仓储物流、智能楼宇及数据中心等对安全自动化有高要求的场景，提供一站式智能巡检方案。它能替代人工完成仓库货物监控、楼宇夜间巡逻与公共区域安防，更可凭借热成像技术对关键设施进行7x24小时温度监测，防范火灾风险。所有数据通过ROS 2实时上传，实现远程集中管控与数据驱动决策。

三是工程完成度较高，该机器人的机械结构采用SOLIDWORKS 2023进行自主研发设计。以履带式移动底盘为核心承载平台，通过集成式设计将主控、辅控外壳与可快速更换的任务摄像头基座融为一体。机器人前后均设有标准化拓展接口，支持根据任务需求灵活安装功能模块，实现高度模块化的构型切换。