- 電工電子電氣實訓設備
- 電力電子電機實訓裝置
- 過程控制實驗裝置
- 工業(yè)機器人智能制造
- 維修電工實訓設備
- PLC自動化實訓設備
- 數(shù)控機床實訓考核裝置
- 數(shù)控機床機械加工設備
- 機床電氣實訓裝置
- 機電一體化實訓設備
- 機械示教陳列柜
- 機械專業(yè)實驗設備
- 傳感器檢測實驗室設備
- 工業(yè)互聯(lián)人工智能實訓設備
- 特種作業(yè)操作實訓考核設備
- 物聯(lián)網(wǎng)實驗實訓設備
- 消防、給排水實訓設備
- 網(wǎng)絡布線實訓室設備
- 電梯安裝維修實訓考核設備
- 熱工暖通家電制冷實訓設備
- 樓宇智能化實訓設備
- 環(huán)境工程實驗裝置
- 流體力學實驗裝置
- 化工專業(yè)實驗實訓設備
- 新能源實驗實訓設備
- 電力供配電實訓設備
- 煤礦礦山實驗實訓設備
- 液壓氣動實驗室設備
- 教學仿真軟件
- 軌道交通實驗實訓設備
- 船舶實訓考核裝置
- 駕駛模擬訓練設備
- 新能源汽車實訓設備
- 汽車發(fā)動機底盤實訓臺
- 汽車電器電子實訓臺
- 特種車工程機械實訓設備
- 智能網(wǎng)聯(lián)汽車實訓設備
- 醫(yī)學教學模型
- 中小學實驗室設備
- 實驗箱.實驗儀
- 光電子通信實驗裝置
- 儀器設備.教學掛圖
- LG-TSV05型智能網(wǎng)聯(lián)自動駕駛微縮車
- LG-ITP02型智能網(wǎng)聯(lián)汽車視覺識別實訓臺
- LG-IH05型智能網(wǎng)聯(lián)汽車超聲波雷達便攜式實驗箱
- LG-ITP03型智能網(wǎng)聯(lián)汽車激光雷達實訓臺
- LG-IH04型智能網(wǎng)聯(lián)汽車組合導航系統(tǒng)便攜式實驗箱
- LG-IH01型智能網(wǎng)聯(lián)汽車毫米波雷達便攜式實驗箱
- LG-IKP013型智能網(wǎng)聯(lián)汽車決策規(guī)劃仿真實訓臺
- LG-TSV07型智能網(wǎng)聯(lián)乘用車高級開發(fā)教學平臺
- LG-TSV10型智能網(wǎng)聯(lián)車路協(xié)同智慧燈桿
- LG-TSV08型智能網(wǎng)聯(lián)微縮車平行駕駛系統(tǒng)
- LG-TSV11型智能網(wǎng)聯(lián)車路協(xié)同沙盤及云控平臺
- LG-IZC02型智能網(wǎng)聯(lián)自動駕駛小巴(8座 荷載15人)
- LG-JXY014型機械傳動與液壓控制實訓平臺
- LG-JXY012型工業(yè)機械傳動與液壓調(diào)試平臺
- LGY-JD011型機電液一體化智能綜合實訓平臺(液壓
- LG-DLK01型 電力系統(tǒng)綜合自動化實驗平臺
- LG系列 智能建筑實驗實訓裝置
- LGJS-3型 模塊式柔性環(huán)形自動生產(chǎn)線及工業(yè)機器人
- LGJX-82E型 立體倉庫實訓裝置
- LGJS-1型 現(xiàn)代物流倉儲自動化實驗系統(tǒng)
- LGJS-2型 模塊式柔性自動環(huán)形生產(chǎn)線實驗系統(tǒng)(工
- LG-2400型 數(shù)控模組化生產(chǎn)流水線綜合系統(tǒng)(CD制程
- LGJD-01型 光機電一體化控制實訓裝置
- LGJD-02型 光機電一體化控制實訓裝置
- LG-235A 光機電一體化高速分揀實訓系統(tǒng)
- LGK-III型 數(shù)控車/銑床綜合考核裝置(二合一/生產(chǎn)型
- LG-AT2型 自控原理與計算機控制實驗儀
- LG-NLY01型 樓宇智能化工程實訓系統(tǒng)
- LGZK-201G 自動化綜合實訓裝置( PLC、直流調(diào)速、觸
- LGPD-205B型 PLC、單片機及微機原理綜合實訓裝置
LGWL-FTAI03型 人工智能技術開發(fā)平臺
品牌:理工偉業(yè) 咨詢電話:010-82827827 82827835
一、產(chǎn)品概述
LGWL-FTAI03型 人工智能技術開發(fā)平臺是一款綜合人工智能技術、嵌入式接口技術、傳感器檢測技術、物聯(lián)網(wǎng)通信技術的AIoT通用教學產(chǎn)品,滿足人工智能相關專業(yè)基礎理論教學、端側(cè)人工智能實驗、人工智能項目開發(fā)、智能產(chǎn)品應用開發(fā)等。
LGWL-FTAI03型 人工智能技術開發(fā)平臺主要由邊緣計算網(wǎng)關、云臺攝像頭、液晶顯示屏、人工智能教學平臺及其他附件組成,內(nèi)置機器視覺庫、機器學習算法、深度學習框架,支持接入華為modelarts第三方AI平臺,可以實現(xiàn)圖像識別、物體檢測、語音識別、文本分類、預測分析等項目案例??梢源钆涓兄獋鞲衅飨盗?,無線通信系列,進一步加深人工智能與物聯(lián)網(wǎng)的融合創(chuàng)新。
二、硬件組成
1、AI邊緣計算網(wǎng)關:核心板和接口底板插拔模式固定連接。核心板板載高性能四核ARM Cortex-A57 MP Core處理器,具有128個CUDA核心的GPU,4GB 64位LPDDR4 1600MHz的顯存,多種視頻編碼模式(2×1080p@60,4×1080p@30等),多種視頻解碼模式(1×4k@60,4×1080p@60等),板載TF卡槽,板載WiFi模塊。底板板載1路HDMI 2.0或DP1.2同步高清顯示接口,2路MIPI CSI攝像頭接口,1路USB3.0接口,3路USB2.0接口,1個RJ45千兆以太網(wǎng)口,1個麥克風模塊,1路音頻輸出接口,1個無線傳感網(wǎng)接口。
2、云臺攝像頭:支持30萬(480P)分辨率,USB接口。輸出格式Y(jié)UYV,旋轉(zhuǎn)角度左右180°,上下180°。
3、顯示屏:1024*600分辨率,HDMI接口
4、傳感器系列模塊。板載Cortex-M3處理器最小系統(tǒng)單元,郵票封裝貼焊工藝,主頻72MHz。板載溫濕度傳感器、光敏傳感器、雨露傳感器、光強傳感器、廣譜氣體傳感器等,支持I2C接口、ADC接口、I/O接口等。傳感器接口均引到香蕉頭插孔上,既可以滿足自身處理器的傳感器采集應用,也可以供其他處理器導線連接擴展應用。
5、執(zhí)行器系列模塊。板載Cortex-M3處理器最小系統(tǒng)單元,郵票封裝貼焊工藝,主頻72MHz。板載RGB三色燈、蜂鳴器、風扇、減速電機、舵機、步進電機、繼電器等執(zhí)行部件,支持I/O接口、PWM接口等。執(zhí)行器驅(qū)動接口均引到香蕉頭插孔上,既可以滿足自身處理器的執(zhí)行器控制應用,也可以供其他處理器模塊連線擴展應用。
6、其他附件:包含至少64GB的TF卡、揚聲器、麥克風、USB HUB、鍵盤鼠標等。
三、軟件資源
1、人工智能教學平臺
(1)B/S架構,Web瀏覽器訪問平臺開始人工智能技術的學習、驗證、開發(fā)。
(2)覆蓋圖像處理基礎知識,可進行灰度化、二值化、邊緣提取、膨脹與腐蝕、高斯濾波、小波變換、形狀檢測、放大縮小等;
(3)傳統(tǒng)機器學習模式識別的深入學習,如OpenCV庫的加載、鳶尾花均值聚類、Adaboost人臉檢測、SVM行人檢測、目標物體跟蹤等;
(4)集成TensorFlow、Caffe兩大人工智能深度學習框架,提供基于開發(fā)框架的手寫數(shù)字識別、車牌識別、垃圾分類、物體識別等;
(5)具有jupyter在線開發(fā)模式,用戶可直接在網(wǎng)頁中輸入python代碼,在線編輯,直接執(zhí)行。
2、ModelArts應用軟件
提供手勢識別、人臉識別、聲音分類、房價預測、短信詐騙等實訓案例,具有樣本收集、標注、訓練、生成模型,接口應用功能。
3、邊緣硬件采集控制程序
該軟件需要搭配傳感器系列模塊、執(zhí)行器系列模塊?;谶吘売嬎憔W(wǎng)關的GPIO、I2C、UART接口,實現(xiàn)溫濕度采集、光線強度采集、LED蜂鳴器控制、風扇控制、舵機控制等python基礎應用實驗。
四、功能特點
1、采用Python編程語言,支持人工智能基礎課程。實驗項目均采用Python語言開發(fā),可以支撐數(shù)字圖像處理、計算機視覺、機器學習、深度學習等課程知識點的學習和實驗。
2、支持Web端AI教學平臺、客戶端應用軟件等多種用戶交互方式。
3、AI教學平臺支持離線圖片、在線視頻兩種數(shù)據(jù)來源。既支持離線圖片上傳識別,也可調(diào)用攝像頭,對視頻流抓拍識別。識別結(jié)果采用LOG信息實時顯示,和目標矩形框標注展示。
4、AI教學平臺具有數(shù)字圖像處理、機器學習、深度學習三個體驗功能版塊?;贠penCV機器視覺庫能夠?qū)崿F(xiàn)圖像預處理、顏色識別,形狀識別等;基于傳統(tǒng)的十大機器學習算法,可以實現(xiàn)Adaboost人臉檢測、SVM人臉檢測、K均值鳶尾花聚類、目標跟蹤等;基于主流開源的Tensorflow、Caffe深度學習算法框架,通過數(shù)據(jù)獲取、算法訓練、模型應用,可以實現(xiàn)涂鴉猜游戲、文字識別、物體識別、垃圾分類、車牌識別等。
5、ModelArts云端結(jié)合功能。ModelArts云端完成數(shù)據(jù)集上傳、標注、模型訓練、接口生成;終端完成接口調(diào)用,實現(xiàn)AI應用。
6、靈活擴展,組合應用功能。可以和傳感器模塊、執(zhí)行器模塊、通信系列模塊結(jié)合,將AI和物聯(lián)網(wǎng)終端靈活組合出更多智能產(chǎn)品。
7、具有雷達數(shù)據(jù)分析的功能。
五、配置清單
序號 |
類別 |
設備名稱 |
單位 |
備注 |
1 |
平臺 |
F-Table基礎平臺 |
1 |
|
2 |
必配硬件 |
AI邊緣計算網(wǎng)關 |
1 |
|
3 |
顯示屏 |
1 |
|
|
4 |
云臺攝像頭 |
1 |
二自由度 |
|
5 |
雷達傳感器模塊 |
1 |
|
|
6 |
全向型拾音器 |
1 |
|
|
7 |
揚聲器 |
1 |
|
|
8 |
USB HUB |
1 |
|
|
9 |
鍵盤鼠標 |
1 |
|
|
10 |
物聯(lián)網(wǎng)模塊 |
環(huán)境傳感器模塊 |
1 |
|
11 |
執(zhí)行傳感器模塊 |
1 |
|
|
12 |
軟件 |
人工智能教學平臺 |
1 |
含在硬件里 |
13 |
教學資源 |
1 |
|
|
14 |
附件 |
含64Gtf卡(50)、TF卡讀卡器、DC12V3A電源適配器(50)、Type-C USB線纜 |
1 |
|
六、實驗項目
教學資源主要內(nèi)容:
?第一部分:基于人工智能教學平臺,可開展圖像處理、機器學習、深度學習方面的驗證性實驗,提供python語言的在線實驗代碼編輯、測試,提供實驗手冊;
?第二部分:AI+IoT結(jié)合,實現(xiàn)物聯(lián)網(wǎng)終端設備感知層傳感器的采集、執(zhí)行器的控制、多傳感器融合。
?第三部分:ModelArts人工智能應用教學。云端結(jié)合,可以完成圖像分類、物體檢測、文本分類、預測分析等應用。
課程類別 |
課程要求 |
|||
1.人工智能概論 |
課程內(nèi)容 |
了解人工智能概念、發(fā)展歷史、 |
||
2.Python基礎編程 |
課程目標 |
掌握Python基本編程方法 |
||
課程內(nèi)容 |
基于人工智能開發(fā)套件完成Python開發(fā)環(huán)境搭建,基本語法的入門,通信編程開發(fā)等。 |
|||
課程實驗 |
實驗1:開發(fā)環(huán)境安裝 實驗2:數(shù)據(jù)類型 實驗3:程序控制 實驗4:函數(shù)類 |
實驗5:模塊和標準庫 實驗6:文件和流 實驗7:數(shù)據(jù)庫和網(wǎng)絡編程 實驗8:圖形用戶界面 |
||
3.Python傳感器技術應用 |
課程實驗 |
實驗1:溫濕度采集 實驗2:光強采集 |
實驗3:開關類執(zhí)行器控制 實驗4:步進電機控制 |
|
3.數(shù)字圖像處理 實驗課程 |
課程目標 |
理解圖像處理算法的原理 掌握數(shù)字圖像處理的常用方法 |
||
課程內(nèi)容 |
基于人工智能開發(fā)套件完成圖像處理視覺庫的安裝、圖像處理方法調(diào)用。 |
|||
實驗硬件 |
人工智能應用開發(fā)套件 |
|||
課程實驗 |
實驗1 Opencv視覺庫的安裝配置 實驗2 圖像灰度化 實驗3 歸一化 實驗4 二值化 實驗5 圖像濾波:高斯、中值 |
實驗6 邊緣檢測:Sobel/Canny/hog 實驗7 形態(tài)學 實驗8 灰度直方圖 實驗9 銳化 實驗10 鈍化 實驗11 圖像增強 |
||
課程實訓 |
實驗1 顏色識別 |
了解顏色組成和表示方法; 使用Opencv庫識別顏色,并播報。 |
||
實驗2 簡單圖形形狀識別 |
了解霍夫變換的原理; 涉及圖像灰度化、歸一化、濾波、邊緣檢測等知識點; 使用Opencv庫識別圓形、矩形,并播報。 |
|||
4.機器學習 應用實驗課 |
課程目標 |
1.了解機器學習的分類:無監(jiān)督、有監(jiān)督 2.了解數(shù)據(jù)集的原理、作用、存儲格式 3.了解至少一種聚類算法如K-Means的原理:歐式距離、余弦距離曼哈頓距離計算方法; 4.了解至少一種機器學習算法如Adaboost、SVM、決策樹等的原理:分類器的流程; 5.掌握聚類算法、分類器算法的調(diào)用方法 6.掌握分類器的檢測分類效果 7.掌握根據(jù)分類效果,進行智能控制 8.通過增減數(shù)據(jù)集,掌握算法訓練的全過程 |
||
課程內(nèi)容 |
能夠使用機器學習的算法,實現(xiàn)聚類、分類、以及能夠結(jié)合聲、光、電設備實現(xiàn)關聯(lián)控制 |
|||
課程實驗 |
實驗1 鳶尾花聚類播報 實驗2 臉部數(shù)據(jù)集分析顯示 |
實驗3 人臉檢測控制實驗 實驗4 行人檢測控制實驗 實驗5 目標跟蹤實驗 |
||
5.深度學習 應用實驗課 |
課程目標 |
1.了解深度學習的定義,與機器學習的區(qū)別 2.了解數(shù)據(jù)集的原理、作用,以及格式 2.了解至少一種深度學習算法的理論:如CNN、RNN、BP神經(jīng)網(wǎng)絡 3.掌握至少一種深度學習框架的使用方法:如Caffe、TensorFlow 4.掌握使用深度學習方法實現(xiàn)識別的方法 5.掌握根據(jù)識別結(jié)果,進行智能控制,如語音播報識別到的數(shù)字,語音播報識別到的物體名稱,控制聲、光、電執(zhí)行部件。 6.通過增加數(shù)據(jù)集,掌握算法訓練的全過程。 |
||
課程內(nèi)容 |
能夠使用深度學習的方法,實現(xiàn)數(shù)字、物體識別,使人工智能與物聯(lián)網(wǎng)感控設備聯(lián)動 |
|||
課程實驗 |
實驗1 手寫數(shù)字識別 實驗2 涂鴉猜游戲 實驗3 物體識別 |
實驗4 垃圾分類 實驗5 車牌識別 |
||
6.ModelArt平臺應用 |
課程目標 |
掌握使用人工智能平臺SDK完成AI技能 |
||
課程內(nèi)容 |
1)圖像分類 2)物體檢測 3)聲音分類 4)文本分類 5)預測分析 |
|||
課程實驗 |
實驗1 手勢識別 實驗2 人臉識別 實驗3 殘次品檢測 |
實驗4 聲音檢測 實驗5 房價預測 實驗6 短信詐騙預警 |
||
8.物聯(lián)網(wǎng)應用開發(fā) |
課程目標 |
掌握物聯(lián)網(wǎng)應用開發(fā)方法 |
||
課程內(nèi)容 |
1.云平臺接入方法 2.傳感網(wǎng)通信協(xié)議的解析 3.平臺JSON數(shù)據(jù)包重組 |
4.MQTT協(xié)議分析與測試 5.HTTP協(xié)議分析與測試 |