1.人工智能开发边缘计算平台参数：

CPU：采用四核ARM Cortex-A57 MPcore处理器；

GPU：采用Maxwell设计架构，提供128个CUDA核心。

内存与存储：4 GB LPDDR4@1600 MHz，16 GB eMMC；

以太网：支持10/100/1000 BASE-T自适应；显示接口：支持HDMI 2.0 或DSI (1x2) 2；硬件资源：3个UART、2个SPI、2个IIS、4 个IIC、

1个x1/2/4 PCIE、1个USB 3.0、3个USB 2.0；耳麦接口；I2S：

 

2、人机交互单元参数

17..3寸液晶显示屏：实验箱内部集成，HDMI接口，分辨率1920*1080，工作电压12V；无线键鼠；独立开模泡棉包裹，底部支持配线，配件收纳。

 

3、AIOT智能传感网关参数

核心处理器：CORTEX-M3内核32位微处理器。

显示单元：3.5寸480*320 TFT液晶显示屏。

无线模块：标配ZIGBEE，可选WIFI/BLE/LORA等通讯协议。

 

4、AIOT智能传感远端参数

触摸按键：电容式

LED灯：8个全彩RGB灯

蜂鸣器：DC 5V有源蜂鸣器

直流电机：工作电压：3.3V，可控制正转反转。

舵机：工作电压：5V，9g舵机 转动角度：180度。

电磁锁：工作电压：5V，通电时间：＜3s。工作状态：通电缩回，断电弹出。

数码管：4位串行，595驱动，尺寸40*22mm；继电器：额定负载10A250VAC/10A24VDC，最大开关电压250VAC/30VDC，最大开关功率250VA/210W，最大切换电流1H15A/1Z10A，触点动作时间10ms以下，触点未通电时常开；

压力传感器：薄膜压力传感器

紫外线传感器：检测波长范围：240nm-370nm

红外人体感应器：工作电压3~5V，感应角度110度，感应距离7m，电平输出4V，无信号输出0.4V，尺寸28*36mm；

红外对射单元：采用高发射功率红外光电二极管和 高灵敏度光敏晶体管组成。光缝宽度：0.4；0.5；0.8mm；光轴中心：2.2mm。

超声波测距模块：工作电压5V，工作电流<2mA，感应角度<15度，探测精度3mm，探测盲区20mm，探测距离20mm~4500mm可调；

光照传感器：接口类型IIC、工作电压：DC 5V、通信接口：I2C、输入光范围：1-65535lx、光谱灵敏度特性：峰值灵敏度波长典型值:560nm。

烟雾传感器：采用MQ-2气敏传感器，适宜于液化气、丁烷、丙烷、甲烷、酒精、氢气、烟雾等气体探测。

酒精传感器：采用MQ-3酒精传感器，检测浓度25～500ppm酒精。

激光测距传感器：1.工作电压：3～5V，2.通信方式IIC，3.测量绝对距离：2m

温湿度传感器：1.工作电压：3～5V，2.通信方式IIC，3.测量范围：-40-125℃，相对湿度测量范围：0-100%RH。

六轴传感器：接口类型IIC、带有三轴陀螺仪和三轴加速度计、工作电压：3.3V、通信方式：标准IIC通信协议、芯片内置16bit AD转换器，16位数据输出、陀螺仪范围：±250 500 1000 2000°/s、加速度范围：±2±4±8±16g、

心率计血氧传感器：接口类型IIC、集成脉搏血氧仪和心率监视仪的传感器、集成红外LED和红外光LED、光电检测器、光器件，带环境光抑制的低噪声电子电路、工作电压:3.3V、工作电流：50mA、最大功率：0.25W、工作温度范围：-10℃到+50℃、通信接口：I2C通信、尺寸：30mmx40mm。

 

5、机器视觉感知单元参数

▲搭配金属结构摄像头支架，包含固定仓、立杆等结构固件，可快速方便的进行收纳

▲摄像头接口提供标准USB引出插座，可方便快速接入。

（1）感光器尺寸：1/2.7 inch；

（2）分辨率：最高支持1920 x 1080；

（3）USB协议：USB2.0 HS/FS；

（4）支持免驱协议：UVC（USB Video Class）；

（5）支持自动曝光控制、自动白平衡、自动增益控制；

（6）工作电压：DC 5V。

 

6、语音识别单元参数

▲（提供麦克风阵列集成在实验箱底板一体化，结构固定详细结构图/尺寸图）

核心处理器：采用Andes D1088 内核，其AI/DSP 加速模块 MVA 支持多种 Neural Network 算子和向量运算，深度适配科大讯飞AI算法，算力可达 128GTOPS，多种环境下测试后的综合唤醒率95%，综合识别率93%。。

麦克风:6个以上，采用平面式分布结构，可实现360度等效拾音，唤醒分辨率为1度。用户可以使用麦克风阵列获取原始和降噪音频，获取唤醒角度，主麦编号，也可以设置主麦编号。

选场拾音：

前端采用科大讯飞双麦克风阵列算法，能够实现 360 度远场 5m 用户拾音，搭载人声自动增益，根据用户音量自适应调节节，保证降噪后音频整体听感一致。

回声消除：

支转在用户交互过程中，设备在播强内容或音乐时，用户可项醒中断播报进程进行下一轮交可，让交互体验更加自然。

语音播报：

语音播报指用户唤醒设备以及说出命令词，设备进行对应的回复播报响应，或是主动的提示语，语音播报目的是在用户发出语音指令或者合适的场景通过播报回复来反馈用户。

离线命令：

用户在设备唤醒状态下，说出指定范围内的命令词(指令)，语音模块接收到信息后，根据命令词内容进行相关处理。或者将内存信息传输上位机进行相关处理。

外设通讯：

模块接收麦克风的输入进行处理，然后通过USB或 UART与其他设备通信。

环境降噪：

广泛适用于家居，车载、办会室等场景的环境降噪，降噪的同时最大程度保留人声信息。

 

7、配套软件：

Linux OS：Ubuntu18.04，Kernel 4.4；嵌入式深度学习框架：支Caffe/TensorFlow/Pytorch等训练框架模型直接部署，支持层融合、量化等网络性能优化策略，高性能异构计算库HCL：HCL.NN加速嵌入式平台神经网络推理运算，HCL.Vision具备常用的图像处理、计算机视觉、模式识别的算子与算法，提供异构调度硬件加速芯片图像处理，HCL.Audio具备常用的音频信号前后处理算子，支持FFT/IFFT、MFCC等信号处理方式。视频编解码API：硬解码H264/H265 4K@30fps/60fps，硬编码H264 1080p@30fps；计算机视觉演示Demo：人脸表情年龄检测、人脸识别、双目视觉、嵌入式传感器与人脸识别联动等。

 

8、配套资源：

64G U盘：配套教材电子版与源代码，包含视觉相关的从样本获取，图像处理，视频编解码，背景提取，人脸检测，表情识别，双目立体视觉等内容；计算机视觉演示Demo与源代码；使用说明书，包含套件组成、安装说明、演示Demo操作说明。

一、Python基础部分实验

1.Python

2.开发环境搭建和使用方法

3.Python基础

3.1 Python语法

3.2 Python缩进

3.3 Python注释

3.4 Python变量

3.5 Python引入外援

3.6 Python基础数据类型

3.7 Python常用操作符

4.Python分支与循环

4.1 Python分支与循环

4.2 Python条件表达式与断言

4.3 Python循环语句

5.Python高级

5.1 Python列表

5.2 Python元组

5.3 Python字符串

5.4 Python序列

5.5 Python字典

5.6 Python集合

6.Python函数

6.1 Python函数的创建与调用

6.2 Python函数的参数及返回值

6.3 Python函数的变量

6.4 Python函数式编程

6.5 Python递归

7.Python存储

7.1 Python文件

7.2 Python文件系统（OS）

8.Python异常处理

8.1 Python try-except语句

8.2 Python try-finally语句

8.3 Python raise语句

9.Python类和对象

9.1 Python对象

9.2 Python继承

9.3 Python多重继承

9.4 Python组合

9.5 Python魔法方法-构造与析构

10.Python模块

10.1 Python模块

10.2 Python包

二、PyQT部分实验

     1.PyQt5

     2.PyQt5开发环境搭建与使用方法

     3.第一个PyQt5窗口程序

3.1 PC端PyQt5应用程序开发流程

3.2 PyQt5应用程序运行在边缘端

      4.PyQt5窗口设计基础

4.1 单窗口属性与设置

4.2 信号与槽

4.3 多窗口设计

      5.PyQt5常用控件设计

5.1 文本类开发（Label、TextEdit、SpinBox）

5.2 按钮类开发（PushButton、CheckBox）

5.3 日期时间类（Data/TimeEdit）

5.4 进度条类（ProgressBar）

5.5 对话框类（QMessageBox）

     6.PyQt5布局管理

6.1 线性布局

6.2 GridLayout网格布局

     7.PyQt5数据库

7.1 SQLite数据库

7.2 MySQL数据库

     8.PyQt5文件操作

     9.PyQt5多线程编程

9.1 QTimer定时器类

9.2 QThread线程类

     10.PyQt5程序打包

     11.PyQt5网络编程

     12.PyQt5物联网编程

12.1 物联网传感器数据获取并显示

12.1 物联网执行器控制

三、机器视觉部分实验

1.机器视觉说明

1.1 机器视觉介绍

1.1.1 机器视觉简介

1.1.2 机器视觉发展

1.2 OpenCV介绍

1.2.1 OpenCV简介

1.2.2 OpenCV结构图

2.开发环境的搭建和使用方法

3. OpenCV图像基础

    3.1 OpenCV读取图像

    3.2 OpenCV显示图像

    3.3 OpenCV保存图像

4. OpenCV视频基础

    4.1 OpenCV捕获摄像头

    4.2 OpenCV读取视频

    4.3 OpenCV显示视频

    4.4 OpenCV保存视频

第五章 OpenCV绘图功能

    5.1 画线

    5.2 画矩形

    5.3 画圆

    5.4 画椭圆

    5.5 画多边形

    5.6 图像上添加文字

第六章 OpenCV图像操作基础

     6.1 访问和修改像素值

     6.2 访问图像属性

    6.3 图像兴趣区域ROI

    6.4 拆分和合并图像通道

第七章 OpenCV图像算术运算

    7.1 图像加法

    7.2 图像融合

    7.3 图像按位运算

第八章 OpenCV颜色空间

    8.1 颜色空间介绍

    8.2 BGR颜色空间

    8.3 GRAY颜色空间

   8.4 HSV颜色空间

9. OpenCV图像变换

    9.1 图像缩放

    9.2 图像翻转

    9.3 图像平移

    9.4 图像旋转

    9.5 图像仿射变换

    9.6 图像透视变换

第十章 OpenCV阈值处理

    10.1 阈值处理说明

    10.2 二阶阈值处理

   10.3 反二阶阈值处理

   10.4 截断阈值处理

   10.5 低阈值零处理

   10.6 超阈值零处理

   10.7 自适应阈值处理

   10.8 Otsu处理

11. OpenCV图像金字塔

11.1 pyrDown金字塔向下采样

11.2 pyrUp金字塔向上采样

12. OpenCV图像平滑处理

12.1 均值滤波

12.2 方框滤波

12.3 高斯滤波

12.4 中值滤波

12.5 双边滤波

13. OpenCV形态学操作

13.1 腐蚀

13.2 膨胀

13.3 开运算

13.4 闭运算

13.5 形态学梯度运算

14. OpenCV边缘检测

14.1 Canny边缘检测基础

14.2 Canny函数及使用

15. OpenCV图像轮廓

15.1 查找和绘制轮廓

15.1.1 查找轮廓

15.1.2 绘制轮廓

15.2 矩特征

15.2.1 计算轮廓面积

15.2.2 计算轮廓长度

15.3 轮廓拟合

15.3.1 矩形包围框

15.3.2 最小矩形包围框

15.3.3 最小圆形包围框

15.3.4 拟合椭圆包围框

15.4 凸包

16.OpenCV直方图处理

16.1 绘制直方图

16.1.1 hist函数绘制直方图

16.1.2 calcHist函数绘制直方图

16.2 直方图均衡化

17. OpenCV傅里叶变换

17.1 Numpy实现傅里叶变换

17.2 Numpy实现逆傅里叶变换

17.3 OpenCV实现傅里叶变换

17.4 OpenCV实现逆傅里叶变换

17.5 高通滤波

17.6 低通滤波

18. OpenCV模版匹配

18.1 模版匹配基础

18.2 模版多匹配

19. OpenCV霍夫变换

19.1 霍夫直线变换

19.2 概率霍夫直线变换

19.3 霍夫圆环变换

20. OpenCV二维码识别

21. OpenCV颜色检测

22. OpenCV面部、眼睛检测

23. OpenCV汽车和行人检测

24. OpenCV手写数字识别

四.深度学习部分实验

1.深度学习发展简史

1.1 人工智能简介

1.2 神经网络与深度学习

1.3 神经网络发展简史

1.4 深度学习特点

1.5 深度学习应用

1.6 深度学习框架

2. 实验环境配置

2.1 Anaconda 下载与安装

2.2 Anaconda 配置tf2 环境

2.3 Tensorflow 安装

2.4 Jupyter notebook 安装

2.5 RK3399 环境简介

3. TensorFlow 基础部分

3.1 张量创建实验

3.2 张量运算实验

3.3 张量维度变换实验

4. 线性回归

4.1 一元线性回归实验

4.2 多元线性回归实验

4.3 波士顿房价预测实验

5.逻辑回归

5.1 一元逻辑回归实验

5.2 多元回归实验

5.3 实战鸢尾花分类实验

6.人工神经网络

6.1 单层神经网络实验

6.2 多层神经网络实验

6.3 模型保存或加载实验

7. 卷积神经网络

7.1 卷积操作实验

7.2 卷积神经网络实验

7.3 数据预处理实验

8.神经网络迁移学习

8.1 经典神经网络介绍

8.2 迁移学习猫狗分类实验

9.循环神经网络

9.1 循环神经网络介绍

9.2 情感分类实验

9.3 文本生成实验

10.人工智能综合实验

10.1 人脸识别实验

10.2 口罩检测实验

10.3 水果识别实验

五、机械臂部分实验

1、控制RGB灯

2、控制蜂鸣器

3、控制单个舵机

4、读取舵机当前的位置

5、一次控制6个舵机

6、机械臂上下左右摆动

7、机械臂跳舞

8、机械臂记忆动作

9、机械臂夹方块

六、人工智能综合实验

1、颜色校准

2、颜色识别抓取积木

3、颜色分拣与堆叠

4、垃圾分拣

5、目标追踪