嵌入式人工智能實驗箱

本產品是一款面向人工智能、物聯網、自動化相關專業的綜合教學平臺,集成了嵌入式系統、機械臂、計算機視覺系統、智能語音處理,以及攝像頭、溫濕度傳感器、紅外測距等多種傳感器應用模塊,通過搭建邊緣計算終端,為相關的應用開發提供統一的通訊協議和接口。
產品基于Linux操作系統,可采用Python語言進行課程教學及資源研發,適用于嵌入式系統及應用、Python程序設計、機器學習、深度學習、數字圖像處理、計算機視覺、語音識別、智能機器人、物聯網等課程的教學與實踐。
一款面向人工智能、物聯網、自動化相關專業的綜合教學平臺,集成EdgeBoard計算卡、單片機、屏幕麥克風、機械臂、深度攝像頭以及多種傳感器模塊。
全套教程附帶基礎和進階例程,幫助用戶逐步學習和掌握各項功能。
聚焦智能家居、智能安防、智能交互、智慧醫療、智慧倉儲、智慧工廠“三智能三智慧“六大領域,以項目為驅動,全面培養學生在人工智能領域的實踐創新能力。
| 章 | 節 |
|---|---|
| 第1章 人工智能起源與發展 | 1.1 人工智能起源 |
| 1.2 人工智能發展 | |
| 1.3 現狀與研究熱點 | |
| 第2章 機器學習概述 | 2.1 機器學習定義 |
| 2.2 機器學習基本概念 | |
| 2.3 機器學習常用算法 | |
| 第3章 神經網絡與深度學習 | 3.1 人工神經網絡概述 |
| 3.2 前饋神經網絡 | |
| 3.3 循環神經網絡 | |
| 3.4 深度神經網絡 | |
| 3.5 卷積神經網絡 | |
| 3.6 Transformer模型 | |
| 第4章 智能系統 | 4.1 環境感知 |
| 4.2 信息處理 | |
| 4.3 信息傳遞 | |
| 4.4 控制與執行 | |
| 4.5 人機交互 | |
| 4.6 實訓1:開發環境配置 | |
| 第5章 圖像處理技術 | 5.1 圖像獲取與表示 |
| 5.2 圖像預處理 | |
| 5.3 實訓2:圖像數據集采集實驗 | |
| 5.4 實訓3:圖像預處理實驗 | |
| 5.5 圖像去噪與增強 | |
| 5.6 圖像特征提取 | |
| 5.7 相機標定 | |
| 5.8 實訓4:相機標定與圖像校正實驗 | |
| 5.9 實訓5:AI數據標注實驗 | |
| 5.10 實訓6:數據集劃分實驗 | |
| 第6章 機器視覺 | 6.1 計算機視覺概述 |
| 6.2 視頻分析技術 | |
| 6.3 運動檢測 | |
| 6.4 運動目標跟蹤 | |
| 6.5 實訓7:AI模型訓練實驗 | |
| 6.6 實訓8:AI模型評估實驗 | |
| 6.7 實訓9:AI模型優化實驗 | |
| 6.8 實訓10:AI模型部署實驗 | |
| 6.9 實訓11:基于KCF的運動目標跟蹤 | |
| 第7章 檢測與識別 | 7.1 目標檢測概述 |
| 7.2 目標識別技術 | |
| 7.3 實訓12:目標檢測編程實驗 | |
| 7.4 文字識別(OCR) | |
| 7.5 實訓13:手寫數字識別編程實驗 | |
| 7.6 人體關鍵點檢測與姿態估計 | |
| 7.7 實訓14:人體姿態檢測編程實驗 | |
| 7.8 人臉關鍵點檢測與情緒識別 | |
| 7.9 實訓15:人臉關鍵點檢測編程實驗 | |
| 第8章 智能語音技術 | 8.1 語音識別技術 |
| 8.2 實訓16:語音識別實驗 | |
| 8.3 語音合成技術 | |
| 8.4 實訓17:語音交互技術編程實驗 | |
| 第9章 人工智能應用 | 9.1 人工智能綜合應用場景概述 |
| *9.2 實訓18:智能家居系統設計與實現 | |
| *9.3 實訓19:智能安防入侵檢測系統設計與實現 | |
| *9.4 實訓20:智能交互系統設計與實現 | |
| *9.5 實訓21:智慧醫療體檢系統設計與實現 | |
| *9.6 實訓22:智慧倉儲系統設計與實現 | |
| *9.7 實訓23:智慧工廠產品質檢系統設計與實現 |
課程定位人工智能、計算機、自動化、物聯網專業高等院校學生。


