上海作为国际大都市,人工智能及数字化的普及是上海发展为智慧城市的必经之路。然而目前在许多方面仍然使用效率低下的管理模式,例如作为重要公共交通工具的公交车,在每个站点的电子屏幕可能出现各种异常,而目前几乎都需要人工巡检来发现这些异常。每个站点距离较远,人工巡检效率低下,并且很难及时发现问题。本文采用视觉感知技术,对公交车站的电子屏幕进行检测和分析,实现自动发现多种异常现象。本文主要研究内容如下:（1）实现了自动检测存在黑屏异常的站点屏幕。首先使用基于像素的传统图片分析方法对各种情况下屏幕区域的像素分布进行研究,分别总结小屏幕和大屏幕黑屏概率的计算公式。然后使用该公式对大屏图片进行预分类得到数据集,并改进了Inception V3的损失函数,再通过改进后的模型训练黑屏图片的分类模型。最后应用该模型实现对黑屏异常的自动检测。（2）实现了自动检测屏幕和广告屏玻璃破碎的现象。首先通过爬虫和制作并拍摄碎玻璃图片,然后通过多种方法对数据集进行增强,还提出了含双路空洞卷积的残差模块,并应用于YOLOv5模型。再利用碎玻璃数据集训练改进的YOLOv5网络,获得公交站碎玻璃检测模型。最后应用该模型实现对碎玻璃异常的自动检测。（3）实现了自动分析发生屏幕卡死的站点屏幕。首先通过透视变换等预处理方法得到正视屏幕的图片,然后应用文字检测和文字识别技术得到屏幕上的文字信息,再结合位置信息将文本结构化得到公交车进站信息,最后定制了屏幕卡死判断机制进行分析,实现了对屏幕卡死异常的自动检测。