<noframes id="bxh9j"><i id="bxh9j"><i id="bxh9j"></i></i>
    <pre id="bxh9j"></pre>
      <track id="bxh9j"><i id="bxh9j"><ruby id="bxh9j"></ruby></i></track>
      <output id="bxh9j"></output>
      <rp id="bxh9j"><i id="bxh9j"></i></rp><output id="bxh9j"><ol id="bxh9j"></ol></output>

      <progress id="bxh9j"><strike id="bxh9j"><i id="bxh9j"></i></strike></progress>

      <form id="bxh9j"></form>
      設為首頁?。?a href="javascript:window.external.AddFavorite('http://www.fosuv.com/','實訓考核裝置,教學設備,高教職教實驗室設備,教學實訓平臺,實訓基地建設-北京智控理工偉業科教設備有限公司')">加入收藏?。?a href="/data/sitemap.html" target="_blank">網站地圖
      當前位置:首頁 > 產品展示 > 高教職教設備 > 人工智能實訓設備 > 人工智能實訓設備

      LGWL-FTAI03型 人工智能技術開發平臺

      品牌:理工實訓 咨詢電話:010-82827827 82827835

      一、產品概述
          LGWL-FTAI03型 人工智能技術開發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、物聯網通信技術的AIoT通用教學產品,滿足人工智能相關專業基礎理論教學、端側人工智能實驗、人工智能項目開發、智能產品應用開發等。
          LGWL-FTAI03型 人工智能技術開發平臺主要由邊緣計算網關、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網的融合創新。

      二、硬件組成
      1、AI邊緣計算網關: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RJ45千兆以太網口,1個麥克風模塊,1路音頻輸出接口,1個無線傳感網接口。
      2、云臺攝像頭:支持30萬(480P)分辨率,USB接口。輸出格式YUYV,旋轉角度左右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、執行器系列模塊。板載Cortex-M3處理器最小系統單元,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、繼電器等執行部件,支持I/O接口、PWM接口等。執行器驅動接口均引到香蕉頭插孔上,既可以滿足自身處理器的執行器控制應用,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。
      (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,提供基于開發框架的手寫數字識別、車牌識別、垃圾分類、物體識別等;
      (5)具有jupyter在線開發模式,用戶可直接在網頁中輸入python代碼,在線編輯,直接執行。
      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、執行器系列模塊?;谶吘売嬎憔W關的GPIO、I2C、UART接口,實現溫濕度采集、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,可以支撐數字圖像處理、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、在線視頻兩種數據來源。既支持離線圖片上傳識別,也可調用攝像頭,對視頻流抓拍識別。識別結果采用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機器視覺庫能夠實現圖像預處理、顏色識別,形狀識別等;基于傳統的十大機器學習算法,可以實現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,通過數據獲取、算法訓練、模型應用,可以實現涂鴉猜游戲、文字識別、物體識別、垃圾分類、車牌識別等。
      5、ModelArts云端結合功能。ModelArts云端完成數據集上傳、標注、模型訓練、接口生成;終端完成接口調用,實現AI應用。
      6、靈活擴展,組合應用功能??梢院蛡鞲衅髂K、執行器模塊、通信系列模塊結合,將AI和物聯網終端靈活組合出更多智能產品。
      7、具有雷達數據分析的功能。
      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

      物聯網模塊

      環境傳感器模塊

      1

       

      11

      執行傳感器模塊

      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

      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結合,實現物聯網終端設備感知層傳感器的采集、執行器的控制、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

      課程內容

      了解人工智能概念、發展歷史、

      2.Python基礎編程

      課程目標

      掌握Python基本編程方法

      課程內容

      基于人工智能開發套件完成Python開發環境搭建,基本語法的入門,通信編程開發等。

      課程實驗

      實驗1:開發環境安裝

      實驗2:數據類型

      實驗3:程序控制

      實驗4:函數類

      實驗5:模塊和標準庫

      實驗6:文件和流

      實驗7:數據庫和網絡編程

      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:開關類執行器控制

      實驗4:步進電機控制

      3.數字圖像處理

      實驗課程

      課程目標

      理解圖像處理算法的原理

      掌握數字圖像處理的常用方法

      課程內容

      基于人工智能開發套件完成圖像處理視覺庫的安裝、圖像處理方法調用。

      實驗硬件

      人工智能應用開發套件

      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:無監督、有監督

      2.了解數據集的原理、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、分類器算法的調用方法

      6.掌握分類器的檢測分類效果

      7.掌握根據分類效果,進行智能控制

      8.通過增減數據集,掌握算法訓練的全過程

      課程內容

      能夠使用機器學習的算法,實現聚類、分類、以及能夠結合聲、光、電設備實現關聯控制

      課程實驗

      實驗1 鳶尾花聚類播報

      實驗2 臉部數據集分析顯示

      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,與機器學習的區別

      2.了解數據集的原理、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神經網絡

      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識別的方法

      5.掌握根據識別結果,進行智能控制,如語音播報識別到的數字,語音播報識別到的物體名稱,控制聲、光、電執行部件。

      6.通過增加數據集,掌握算法訓練的全過程。

      課程內容

      能夠使用深度學習的方法,實現數字、物體識別,使人工智能與物聯網感控設備聯動

      課程實驗

      實驗1 手寫數字識別

      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.物聯網應用開發

      課程目標

      掌握物聯網應用開發方法

      課程內容

      1.云平臺接入方法

      2.傳感網通信協議的解析

      3.平臺JSON數據包重組

      4.MQTT協議分析與測試

      5.HTTP協議分析與測試

      關鍵詞: 數控車床 實訓設備 實訓裝置 教學儀器 實驗設備 教學設備 實訓臺 考核裝置 電工電子 實驗裝置 數控技術 技能實訓 數控系統 電氣控制 自控實訓 數控軟件 實驗系統 數控實訓 電氣技術 數控設備 數控銑床 高教設備 教學車床 職教設備 實訓車床 PLC控制 PLC技術 PLC實驗 變頻調速 PLC實訓
      北京智控理工偉業科教設備有限公司專業生產:實訓考核裝置|教學設備|教學儀器|高教職教實驗室設備|教學模型|教學實訓平臺|實訓基地建設||機電數控實訓設備
      Copyright(C)2012 北京智控理工偉業科教設備有限公司 電話:010-82827827 82827835 | 傳真:010-68948559
      E-mail:Ligong99@163.com 京ICP備09023089號-3

      狼群在线手机免费观看

        <noframes id="bxh9j"><i id="bxh9j"><i id="bxh9j"></i></i>
        <pre id="bxh9j"></pre>
          <track id="bxh9j"><i id="bxh9j"><ruby id="bxh9j"></ruby></i></track>
          <output id="bxh9j"></output>
          <rp id="bxh9j"><i id="bxh9j"></i></rp><output id="bxh9j"><ol id="bxh9j"></ol></output>

          <progress id="bxh9j"><strike id="bxh9j"><i id="bxh9j"></i></strike></progress>

          <form id="bxh9j"></form>