- 电工电子电气实训设备
- 电力电子电机实训装置
- 过程控制实验装置
- 工业机器人智能制造
- 维修电工实训设备
- PLC自动化实训设备
- 数控机床实训考核装置
- 数控机床机械加工设备
- 机床电气实训装置
- 机电一体化实训设备
- 机械示教陈列柜
- 机械专业实验设备
- 传感器检测实验室设备
- 工业互联人工智能实训设备
- 特种作业操作实训考核设备
- 物联网实验实训设备
- 消防、给排水实训设备
- 网络布线实训室设备
- 电梯安装维修实训考核设备
- 热工暖通家电制冷实训设备
- 楼宇智能化实训设备
- 环境工程实验装置
- 流体力学实验装置
- 化工专业实验实训设备
- 新能源实验实训设备
- 电力供配电实训设备
- 煤矿矿山实验实训设备
- 液压气动实验室设备
- 教学仿真软件
- 轨道交通实验实训设备
- 船舶实训考核装置
- 驾驶模拟训练设备
- 新能源汽车实训设备
- 汽车发动机底盘实训台
- 汽车电器电子实训台
- 特种车工程机械实训设备
- 智能网联汽车实训设备
- 医学教学模型
- 中小学实验室设备
- 实验箱.实验仪
- 光电子通信实验装置
- 仪器设备.教学挂图
- LG-TSV05型智能网联自动驾驶微缩车
- LG-ITP02型智能网联汽车视觉识别实训台
- LG-IH05型智能网联汽车超声波雷达便携式实验箱
- LG-ITP03型智能网联汽车激光雷达实训台
- LG-IH04型智能网联汽车组合导航系统便携式实验箱
- LG-IH01型智能网联汽车毫米波雷达便携式实验箱
- LG-IKP013型智能网联汽车决策规划仿真实训台
- LG-TSV07型智能网联乘用车高级开发教学平台
- LG-TSV10型智能网联车路协同智慧灯杆
- LG-TSV08型智能网联微缩车平行驾驶系统
- LG-TSV11型智能网联车路协同沙盘及云控平台
- LG-IZC02型智能网联自动驾驶小巴(8座 荷载15人)
- LG-JXY014型机械传动与液压控制实训平台
- LG-JXY012型工业机械传动与液压调试平台
- LGY-JD011型机电液一体化智能综合实训平台(液压
- LG-DLK01型 电力系统综合自动化实验平台
- LG系列 智能建筑实验实训装置
- LGJS-3型 模块式柔性环形自动生产线及工业机器人
- LGJX-82E型 立体仓库实训装置
- LGJS-1型 现代物流仓储自动化实验系统
- LGJS-2型 模块式柔性自动环形生产线实验系统(工
- LG-2400型 数控模组化生产流水线综合系统(CD制程
- LGJD-01型 光机电一体化控制实训装置
- LGJD-02型 光机电一体化控制实训装置
- LG-235A 光机电一体化高速分拣实训系统
- LGK-III型 数控车/铣床综合考核装置(二合一/生产型
- LG-AT2型 自控原理与计算机控制实验仪
- LG-NLY01型 楼宇智能化工程实训系统
- LGZK-201G 自动化综合实训装置( PLC、直流调速、触
- LGPD-205B型 PLC、单片机及微机原理综合实训装置
LGWL-FTAI03型 人工智能技术开发平台
品牌:理工伟业 咨询电话:010-82827827 82827835
一、产品概述
LGWL-FTAI03型 人工智能技术开发平台是一款综合人工智能技术、嵌入式接口技术、传感器检测技术、物联网通信技术的AIoT通用教学产品,满足人工智能相关专业基础理论教学、端侧人工智能实验、人工智能项目开发、智能产品应用开发等。
LGWL-FTAI03型 人工智能技术开发平台主要由边缘计算网关、云台摄像头、液晶显示屏、人工智能教学平台及其他附件组成,内置机器视觉库、机器学习算法、深度学习框架,支持接入华为modelarts第三方AI平台,可以实现图像识别、物体检测、语音识别、文本分类、预测分析等项目案例。可以搭配感知传感器系列,无线通信系列,进一步加深人工智能与物联网的融合创新。
二、硬件组成
1、AI边缘计算网关:核心板和接口底板插拔模式固定连接。核心板板载高性能四核ARM Cortex-A57 MP Core处理器,具有128个CUDA核心的GPU,4GB 64位LPDDR4 1600MHz的显存,多种视频编码模式(2×1080p@60,4×1080p@30等),多种视频解码模式(1×4k@60,4×1080p@60等),板载TF卡槽,板载WiFi模块。底板板载1路HDMI 2.0或DP1.2同步高清显示接口,2路MIPI CSI摄像头接口,1路USB3.0接口,3路USB2.0接口,1个RJ45千兆以太网口,1个麦克风模块,1路音频输出接口,1个无线传感网接口。
2、云台摄像头:支持30万(480P)分辨率,USB接口。输出格式YUYV,旋转角度左右180°,上下180°。
3、显示屏:1024*600分辨率,HDMI接口
4、传感器系列模块。板载Cortex-M3处理器最小系统单元,邮票封装贴焊工艺,主频72MHz。板载温湿度传感器、光敏传感器、雨露传感器、光强传感器、广谱气体传感器等,支持I2C接口、ADC接口、I/O接口等。传感器接口均引到香蕉头插孔上,既可以满足自身处理器的传感器采集应用,也可以供其他处理器导线连接扩展应用。
5、执行器系列模块。板载Cortex-M3处理器最小系统单元,邮票封装贴焊工艺,主频72MHz。板载RGB三色灯、蜂鸣器、风扇、减速电机、舵机、步进电机、继电器等执行部件,支持I/O接口、PWM接口等。执行器驱动接口均引到香蕉头插孔上,既可以满足自身处理器的执行器控制应用,也可以供其他处理器模块连线扩展应用。
6、其他附件:包含至少64GB的TF卡、扬声器、麦克风、USB HUB、键盘鼠标等。
三、软件资源
1、人工智能教学平台
(1)B/S架构,Web浏览器访问平台开始人工智能技术的学习、验证、开发。
(2)覆盖图像处理基础知识,可进行灰度化、二值化、边缘提取、膨胀与腐蚀、高斯滤波、小波变换、形状检测、放大缩小等;
(3)传统机器学习模式识别的深入学习,如OpenCV库的加载、鸢尾花均值聚类、Adaboost人脸检测、SVM行人检测、目标物体跟踪等;
(4)集成TensorFlow、Caffe两大人工智能深度学习框架,提供基于开发框架的手写数字识别、车牌识别、垃圾分类、物体识别等;
(5)具有jupyter在线开发模式,用户可直接在网页中输入python代码,在线编辑,直接执行。
2、ModelArts应用软件
提供手势识别、人脸识别、声音分类、房价预测、短信诈骗等实训案例,具有样本收集、标注、训练、生成模型,接口应用功能。
3、边缘硬件采集控制程序
该软件需要搭配传感器系列模块、执行器系列模块。基于边缘计算网关的GPIO、I2C、UART接口,实现温湿度采集、光线强度采集、LED蜂鸣器控制、风扇控制、舵机控制等python基础应用实验。
四、功能特点
1、采用Python编程语言,支持人工智能基础课程。实验项目均采用Python语言开发,可以支撑数字图像处理、计算机视觉、机器学习、深度学习等课程知识点的学习和实验。
2、支持Web端AI教学平台、客户端应用软件等多种用户交互方式。
3、AI教学平台支持离线图片、在线视频两种数据来源。既支持离线图片上传识别,也可调用摄像头,对视频流抓拍识别。识别结果采用LOG信息实时显示,和目标矩形框标注展示。
4、AI教学平台具有数字图像处理、机器学习、深度学习三个体验功能版块。基于OpenCV机器视觉库能够实现图像预处理、颜色识别,形状识别等;基于传统的十大机器学习算法,可以实现Adaboost人脸检测、SVM人脸检测、K均值鸢尾花聚类、目标跟踪等;基于主流开源的Tensorflow、Caffe深度学习算法框架,通过数据获取、算法训练、模型应用,可以实现涂鸦猜游戏、文字识别、物体识别、垃圾分类、车牌识别等。
5、ModelArts云端结合功能。ModelArts云端完成数据集上传、标注、模型训练、接口生成;终端完成接口调用,实现AI应用。
6、灵活扩展,组合应用功能。可以和传感器模块、执行器模块、通信系列模块结合,将AI和物联网终端灵活组合出更多智能产品。
7、具有雷达数据分析的功能。
五、配置清单
序号 |
类别 |
设备名称 |
单位 |
备注 |
1 |
平台 |
F-Table基础平台 |
1 |
|
2 |
必配硬件 |
AI边缘计算网关 |
1 |
|
3 |
显示屏 |
1 |
|
|
4 |
云台摄像头 |
1 |
二自由度 |
|
5 |
雷达传感器模块 |
1 |
|
|
6 |
全向型拾音器 |
1 |
|
|
7 |
扬声器 |
1 |
|
|
8 |
USB HUB |
1 |
|
|
9 |
键盘鼠标 |
1 |
|
|
10 |
物联网模块 |
环境传感器模块 |
1 |
|
11 |
执行传感器模块 |
1 |
|
|
12 |
软件 |
人工智能教学平台 |
1 |
含在硬件里 |
13 |
教学资源 |
1 |
|
|
14 |
附件 |
含64Gtf卡(50)、TF卡读卡器、DC12V3A电源适配器(50)、Type-C USB线缆 |
1 |
|
六、实验项目
教学资源主要内容:
第一部分:基于人工智能教学平台,可开展图像处理、机器学习、深度学习方面的验证性实验,提供python语言的在线实验代码编辑、测试,提供实验手册;
第二部分:AI+IoT结合,实现物联网终端设备感知层传感器的采集、执行器的控制、多传感器融合。
第三部分:ModelArts人工智能应用教学。云端结合,可以完成图像分类、物体检测、文本分类、预测分析等应用。
课程类别 |
课程要求 |
|||
1.人工智能概论 |
课程内容 |
了解人工智能概念、发展历史、 |
||
2.Python基础编程 |
课程目标 |
掌握Python基本编程方法 |
||
课程内容 |
基于人工智能开发套件完成Python开发环境搭建,基本语法的入门,通信编程开发等。 |
|||
课程实验 |
实验1:开发环境安装 实验2:数据类型 实验3:程序控制 实验4:函数类 |
实验5:模块和标准库 实验6:文件和流 实验7:数据库和网络编程 实验8:图形用户界面 |
||
3.Python传感器技术应用 |
课程实验 |
实验1:温湿度采集 实验2:光强采集 |
实验3:开关类执行器控制 实验4:步进电机控制 |
|
3.数字图像处理 实验课程 |
课程目标 |
理解图像处理算法的原理 掌握数字图像处理的常用方法 |
||
课程内容 |
基于人工智能开发套件完成图像处理视觉库的安装、图像处理方法调用。 |
|||
实验硬件 |
人工智能应用开发套件 |
|||
课程实验 |
实验1 Opencv视觉库的安装配置 实验2 图像灰度化 实验3 归一化 实验4 二值化 实验5 图像滤波:高斯、中值 |
实验6 边缘检测:Sobel/Canny/hog 实验7 形态学 实验8 灰度直方图 实验9 锐化 实验10 钝化 实验11 图像增强 |
||
课程实训 |
实验1 颜色识别 |
了解颜色组成和表示方法; 使用Opencv库识别颜色,并播报。 |
||
实验2 简单图形形状识别 |
了解霍夫变换的原理; 涉及图像灰度化、归一化、滤波、边缘检测等知识点; 使用Opencv库识别圆形、矩形,并播报。 |
|||
4.机器学习 应用实验课 |
课程目标 |
1.了解机器学习的分类:无监督、有监督 2.了解数据集的原理、作用、存储格式 3.了解至少一种聚类算法如K-Means的原理:欧式距离、余弦距离曼哈顿距离计算方法; 4.了解至少一种机器学习算法如Adaboost、SVM、决策树等的原理:分类器的流程; 5.掌握聚类算法、分类器算法的调用方法 6.掌握分类器的检测分类效果 7.掌握根据分类效果,进行智能控制 8.通过增减数据集,掌握算法训练的全过程 |
||
课程内容 |
能够使用机器学习的算法,实现聚类、分类、以及能够结合声、光、电设备实现关联控制 |
|||
课程实验 |
实验1 鸢尾花聚类播报 实验2 脸部数据集分析显示 |
实验3 人脸检测控制实验 实验4 行人检测控制实验 实验5 目标跟踪实验 |
||
5.深度学习 应用实验课 |
课程目标 |
1.了解深度学习的定义,与机器学习的区别 2.了解数据集的原理、作用,以及格式 2.了解至少一种深度学习算法的理论:如CNN、RNN、BP神经网络 3.掌握至少一种深度学习框架的使用方法:如Caffe、TensorFlow 4.掌握使用深度学习方法实现识别的方法 5.掌握根据识别结果,进行智能控制,如语音播报识别到的数字,语音播报识别到的物体名称,控制声、光、电执行部件。 6.通过增加数据集,掌握算法训练的全过程。 |
||
课程内容 |
能够使用深度学习的方法,实现数字、物体识别,使人工智能与物联网感控设备联动 |
|||
课程实验 |
实验1 手写数字识别 实验2 涂鸦猜游戏 实验3 物体识别 |
实验4 垃圾分类 实验5 车牌识别 |
||
6.ModelArt平台应用 |
课程目标 |
掌握使用人工智能平台SDK完成AI技能 |
||
课程内容 |
1)图像分类 2)物体检测 3)声音分类 4)文本分类 5)预测分析 |
|||
课程实验 |
实验1 手势识别 实验2 人脸识别 实验3 残次品检测 |
实验4 声音检测 实验5 房价预测 实验6 短信诈骗预警 |
||
8.物联网应用开发 |
课程目标 |
掌握物联网应用开发方法 |
||
课程内容 |
1.云平台接入方法 2.传感网通信协议的解析 3.平台JSON数据包重组 |
4.MQTT协议分析与测试 5.HTTP协议分析与测试 |