一、概述
人工智能前端设备应用实训室是一个重要的实训实验场所，主要设备包括AI Python应用平台、Python机器人外设套件、AI机器视觉/语言教学平台、人工智能创意套件等。这个实验室主要承担智能科学专业所需课程实验、实训教学任务，以及全国“蓝桥杯”初赛等工作。
在人工智能前端设备应用实训室中，教师可以为学生演示和讲授各种人工智能方面的实例，并开设相关的实训项目，主要包括机器语音与语言技术、机器视觉技术、Python应用技术等方面的内容。通过实训，学生可以更好地掌握软件开发、开发环境配置及工具的使用、嵌入式软件开发的基本理论、机器人的结构原理及拆装技能、工业软件的内涵与基本构成、工厂仿真软件的实操等。
实验室的建设目标是融合人工智能、信创、云计算等前沿领域专业，培养与这些领域相关的技术技能人才。未来，实验室将以国内外先进的人工智能理论为指导，以先进的人工智能技术为目标，为培养适应智能科学学科飞速发展人才提供最先进的实验条件。
二、人工智能前端设备应用相关术语和定义
人工智能 artificial intelligence
一门交叉学科，通常视为计算机科学的分支，研究表现出与人类智能（如推理和学习）相关的各种功能的模型和系统。
人工智能前端设备 artificial intelligence headend equipment
直接与人或场景交互，具备人工智能推理计算能力并能实现相关智能化应用的设备。
AI边缘网关 edge artificial intelligence gateway
具备人工智能推理计算能力，部署在靠近物或数据源头的网络边缘侧，融合计算、网络、存储、应用的核心能力，提供边缘智能服务的设备。
边缘处理 edge processing
基于本地策略结合数据处理结果进行控制、预警或告警等本地操作。
神经网络模型 neural-network model
神经网络的抽象模型，它能用软件来模拟或作为神经计算机加以实现。
训练（在神经网络中）training（in neural networks）
教会神经网络在输入值的样本和正确输出值之间作出结合的步骤。
图像识别 image recognition
通过功能单元对图像、图像的构成对象、这些对象的特征和对象间的空间关系的感知与分析。
语音识别 speech recognition
通过功能单元对人的语音所表示信息的感知与分析。
三、人工智能前端设备应用实训室适用院校专业
中等职业学校：电子与信息技术、软件与信息服务、物联网技术应用、移动应用技术与服务、服务机器人装调与维护、工业机器人技术应用专业。
高等职业学校：人工智能技术应用、软件技术、物联网应用技术、物联网工程技术、智能产品开发与应用、计算机应用技术、嵌入式技术与应用、工业机器人技术、智能控制技术专业。
应用型本科学校：人工智能、计算机科学与技术、机器人工程、物联网工程、智能制造工程、电子与计算机工程、电子信息科学与技术、软件工程技术专业。
高等职业教育本科学校：人工智能工程技术、计算机应用工程、物联网工程技术、智能制造工程技术、软件工程技术专业。
四、人工智能前端设备应用实训室建设清单
| 仪器设备名称 | 数量 |
| 人工智能前端设备应用实训平台 | 31 |
| 人工智能工程技术人员竞赛平台 | 1 |
| 工业数据采集与边缘服务应用平台 | 1 |
| 人工智能科技球 | 2 |
| 教学电脑 | 34 |
| 教学大屏 | 1 |
| 移动折叠双面磁性写字隔断 | 4 |
| 定制单人工位 | 3 |
| 公共办公卡位 | 30 |
| 办公椅 | 4 |
| 培训椅 | 30 |
| 定制钢木隔断书架 | 15 |
| 定制双面空格柜 | 36 |
| 定制艺术拼接沙发 | 1 |
| 施工 | 1 |
五、人工智能前端设备应用实训平台
本套实训平台主要由平台硬件资源、软件资源以及课程资源三个部分组成。
平台硬件资源包括:AI边缘计算网关、触摸显示屏、USB摄像头模块、网络摄像头、智能门禁、语音设备等。这些都是进行人工智能实训的前端硬件设备。
平台软件资源包括:嵌入式Linux系统、ROS系统、Python环境、端侧AI应用、AIOT云平台、算法模型训练工具等。这些软件资源可以支持算法训练、模型部署、应用开发等教学实训。
课程资源涵盖:前端设备应用实训、深度学习开发实训、配套教材、PPT等。采用项目化教学,可以輔助学生进行人工智能的实际开发运用。
本套实训平台通过先进的硬件设备、完备的软件环境和系统的课程资源,可以实现人工智能核心技术的实际应用开发,对学生进行人工智能方面的能力培养具有重要作用。
一、平台硬件资源
1．AI 边缘网关：
处理器:
- 双核Cortex-A72
- 三核Cortex-A53
- GPU双核
- NPU支持8/16bit运算,运算性能3TOPS
存储:
- 内存4GB DDR4
- 存储32GB EMMC5.1
网络:
- 有线网络:千兆以太网接口,支持POE供电
- 无线网络:WiFi 802.11b/g/n/d/g/h/i,蓝牙1/3.0/4.2,支持4G/5G模块扩展
接口:
- 序列接口:RS232/RS485,Micro USB调试串口
- USB接口:3个USB 3.0 Type-A,1个USB 3.0 Type-C
- 板载扩展接口:I2S、I2C、PWM、SPI等
视频处理:
- 支持4K VP9和4K 10bits H265/H264解码
- 支持多路1080P视频解码和编码
- 支持图像缩放、裁剪、格式转换等智能视频处理
音频接口:
- HDMI音频输出
- 喇叭输出
- 耳机输入输出
- 麦克风输入
2．触摸显示屏：
- 10英寸大尺寸触摸屏
- IPS显示面板,178°超广视角
- 10点电容多点触控
- 350cd/m2高亮度,800:1高对比度
- 内置HDR音箱
- 铝合金工业级外壳
- USB 图像采集设备：
- 800万像素工业级摄像头
- 支持AEC、AGC、自动白平衡
- 自动对焦功能
- USB接口图像采集
- RTSP 图像采集设备：
图像传感器:
200万像素1/2.7英寸CMOS
ICR红外阵列筒型
0.001 Lux最低照度(彩色)
0 Lux最低照度(红外)
120dB宽动态范围
镜头:
4mm镜头
F1.6光圈
86°水平视场角
104.2°对角线视场角
网络视频:
H.265/H.264主码流
H.265/H.264/MJPEG子码流
1920×1080最大分辨率
网络接口:
1个RJ45 10/100自适应以太网口
工作环境:
-30°C ~ 60°C工作温度
小于95%工作湿度
防护等级:
IP67防护等级
补光:
最远30米补光距离
- 智能人脸门禁：
人脸识别:
识别率大于80%
识别时间≤0.5秒
识别距离0.3-1.8米
人脸库容量≥50000张
存储容量:
本机记录容量≥10万条
核验方式:
1:N人脸识别
人证核验
人员管理:
支持人员库增删改查
访客管理:
支持访客库增删改查
陌生人管理:
支持陌生人检测和信息上报
记录管理:
支持记录本地和远程保存
接口:
100Mbps网络接口
RS485、韦根输入输出
告警输入×2
I/O输出、音频输入输出
USB
显示屏:
≥7英寸触摸屏
分辨率≥600*1024
照明:
LED柔光补光灯
- 语音采集播放设备:
指示灯:
LED指示灯
绿灯表示静音模式
音频参数:
32KHz音频取样频率
全双工同时对讲模式
回音消除大于58dB
支持自动增益控制(AGC)
麦克风:
全指向性麦克风
34dB灵敏度
主要功能:
32KHz音频取样率
全双工同时对讲通讯
大于58dB回音消除率
支持自动增益控制
全指向性麦克风,34dB灵敏度
7.无线路由器
- 300Mbps无线速率
- 2根天线设计
- 4个100Mbps以太网接口
8.图像识别实验模块
人偶模型:2个
动物模型:3种,包括猫、奶牛、狗
水果模型:2种,包括苹果、香蕉
交通工具模型:2种,包括汽车、摩托车
色块:8个不同形状和颜色
商品模型:3种,包括橙汁、甜甜圈、篮球
模块特性:包含人偶、动物、水果、交通工具、色块、商品多种模型
可用于图像识别算法训练和测试
9.IOT 实验模块
- 数字量I/O模块:7个输入通道；8个输出通道；485光照度模块:
- 工业级模块；响应时间≤1秒；测量误差≤3%FS；
- 警示灯模块:可控制红、黄、绿三色；闪光频率63-65次/分钟；带轰鸣器；
- 传感器模块:红外人体传感器；门锁模块,锁舌行程7mm,吸力≤5N；小风扇模块；
- 继电器模块:2组4路继电器；支持高/低电平触发；
- 收纳箱:防震防摔收纳箱；支持IP67防水防尘；耐温范围-10°C至80°C。
二、平台软件资源：
1、操作系统：
- 操作系统:支持Debian/Linux嵌入式系统,满足嵌入式OS教学；支持ROS系统,满足仿真机械手和机器人车教学；内置Python 3.5+运行环境,满足Python AI编程教学；内置QT/PyQT5,满足AI可视化教学；内置语音识别/合成/播报SDK,满足语音技术教学；
- AI算法:内置分类检测、人脸识别、车牌识别、车位检测等算法,满足AI基础应用教学；人脸多属性分析算法,支持2个以上属性分析；人体骨骼关键点检测算法,支持16个以上关键点；
- 产品功能:嵌入式系统和ROS支持机器人和嵌入式教学；Python和QT编程环境支持AI可视化开发；多种图像和语音算法满足AI应用教学；人脸和人体分析算法支持前沿技术学习。
2、端侧应用系统：
内置应用:
- 包含5个内置AI算法应用；支持车牌识别、人脸识别、人体骨骼分析等；支持物品分类、目标检测、色块识别等；满足AI核心技术通识教学；
- 行业应用案例:包含智慧校园场景案例；实现人员和车辆智能门禁；提供无人超市解决方案；支持管理员登录和用户管理；
- 云平台连接:包含1个项目案例支持接入AIOT云平台；实现数据上云和远程设备管控；展示边缘端云协同运作；
- 产品功能:内置多种AI核心技术应用；提供智慧校园等行业应用案例；支持连接云平台进行远程管理；全面满足AI技术从入门到实际应用的教学需求。
3、AIOT 云平台
- 家居智能:支持家居情景模式设定和管理；实现灯光、家居环境智能控制；提供智能化安防和报警功能；
- 终端接入:支持PC、移动终端、智能网关多种设备接入；
- 项目管理:提供项目集中管理功能；支持SAAS项目新建和API管理；
- 网关管理:支持网关设备管理；可灵活设置心跳轮询时间；
- 节点管理:兼容多种物联网协议,如Modbus、Zigbee等；支持15种不同种类传感器节点；支持手动和默认节点配置方案；
- 运维管理:支持物联网设备状态查询；支持对节点进行智能化控制。
4、算法模型训练工具
该训练工具专门用于分类和检测算法的模型训练,它集成了训练工作流的全流程。
用户只需要准备好标注数据集,就可以直接使用该工具进行模型的训练和验收。
工具界面简单易用,内置了数据预处理、生成样本、设置参数、模型训练、结果验证等模块。非专业用户也可以快速上手。
它还提供了将训练好的模型部署到边缘设备上的功能,实现一键从训练集到部署的流程。
这套集训练与部署于一体的算法工具,极大地降低了构建计算机视觉模型的门槛,用户无需掌握模型训练的专业知识即可快速取得结果。
5、平台课程资源
- a) 前沿应用实训：
我们提供基于项目化方式的人工智能前端设备应用实训，涵盖了从设备安装与调试、应用系统部署，到数据采集与标注，再到场景化应用与优化等内容。通过实际操作，您将深入了解人工智能前端设备的实际应用，并掌握关键技能。
- b) 深度学习开发教学资源：
掌握人工智能的核心，我们为您提供了全面的深度学习相关开发教学资源。从数据采集和标注，到模型训练和部署，甚至涵盖了丰富的应用案例实验。您将在实践中探索深度学习的奥秘，将理论知识转化为实际应用。
- c) 配套用书和实训指导：
为了更好地支持您的学习，我们提供了精心编撰的配套用书和实训指导书。实训指导书采用项目化教学内容，将您引导至深入实践，帮助您从零到一完成项目，并逐步提升技能。
此外，我们还为您准备了配套教学PPT文档，以图文并茂的方式，将知识点生动呈现，助力您更加深入地理解课程内容。
六、人工智能工程技术人员竞赛平台
这套人工智能工程技术人员竞赛平台,为AI算法训练和开发提供完备的软硬件环境。平台具备代码编辑、模型训练、结果预测、应用部署等全流程功能,使用Docker容器化技术实现快速恢复和环境隔离。
平台提供Notebook、终端、文本编辑多种开发入口,支持主流深度学习框架,可快速训练分类、检测等算法模型。它还具备教学功能,可以预设代码模块供学生完成。训练结果可以进行Web页面部署,支持图像分类预测等应用。
平台具备一键环境重置功能,使每次运行保持干净独立,有效保障竞赛公平。同时支持用户自定义环境和文件持久化。它还内置了典型行业案例,帮助学生掌握实际应用能力。
该竞赛平台为AI工程技术学习提供专业化支持,使学生可以通过实际操作掌握开发技能,为人工智能技术应用提供良好的练手平台,提升工程实力。
一、竞赛软件
- 支持多种开发入口:Notebook、代码编辑器、终端、文本编辑器
- 支持主流深度学习框架:TensorFlow、PyTorch等
- 提供预置模型训练案例与数据集
- 支持Notebook在线训练和终端脚本训练
- 提供自动评估代码正确性功能
- 支持训练模型部署为Webpredict应用
- 一键重置环境, Docker启动时间≤30秒
- 支持环境持久化个人文件
- 环境支持用户自定义配置
- 快速数据处理、训练、部署工作流
- 提供典型行业案例基础运行环境
- 多用户资源隔离
二、教学资源
平台面向人工智能工程技术人员岗位，提供竞赛训练资源和课程教学资源。竞
赛训练资源采用项目化内容，包括机器学习、深度学习、计算机视觉领域的多个典
型行业实训案例，提供数据集、模型文件和训练脚本，帮助用户快速掌握人工智能
行业应用，也可以支撑行业实训和各类竞赛。人工智能课程资源包括 Python 程序基
础资源和深度学习技术应用课程，可以支撑人工智能工程技术人员基础课和专业核
心课的学习。
- 该平台提供了多种竞赛训练案例,涵盖肺炎检测、古诗生成、风格迁移、目标检测等研究领域。
- 肺炎X光检测案例包含图像处理、数据集划分、模型构建、微调训练等任务。
- 古诗生成案例可实现藏头诗、绝句、续写等功能,通过数据处理、模型搭建、训练、测试来完成。
- 图像风格迁移案例基于VGG19,可进行基于图像和模型的迭代迁移,并展示结果。
- 目标检测案例包括数据准备、YOLOv3模型搭建、训练、测试和部署应用。
- 平台为竞赛提供配套数据集、模型和代码,加速学生获取应用能力。
- Python课程系统地覆盖语法和库知识,帮助学生掌握编程能力。
- 深度学习课程采用项目教学,通过多个TensorFlow案例获得开发经验。
三、硬件资源
支撑数据处理、机器学习和计算机视觉应用等 AI 算法对硬件资源的需求，配置高性能 GPU 工作站。软件系统基于高性能 GPU 工作站进行适配优化，显著提升数据处理、模型训练与评估、模型预测以及应用开发的速度。
- 8 核 16 线程的 X64 架构 CPU 处理器，主频 2.9GHz；
- 内存32GB DDR4；
- 固态硬盘512GB；
- NVIDIA 图形显卡,内存8GB；
- 配置 USB 键盘鼠标。
七、工业数据采集与边缘服务应用平台
- 平台支持工业边缘数据采集系统的构建,包含设备连接、边缘服务器部署、信息系统交互等。
- 平台实现边缘数据采集的通信配置,包含采集设备、边缘网关的配置,以及消息队列服务的搭建。
- 平台使用数据库存储、管理边缘采集数据,并校验数据完整性,包含数据库引擎安装、数据导入导出、完整性验证等。
- 平台支持边缘信息系统间的开放接口交互,包含接口测试、发布、设备交互等。
- 平台提供满足认证教学需要的3D虚拟场景,用于数据采集和边缘服务技能培训。
- 平台可构建LoRa无线网络,包含LoRa终端和网关的联网。
- 平台可以搭建MQTT服务,实现消息队列功能。
- 平台完全符合教育部相关认证要求,可以满足数据采集和边缘服务教学及考证。
配置参数：
1.实训平台
2.AP 管理器
3.无线 AP
4.RS485 转 WIFI 终端
5.Lora 网关
6.Lora 终端
7.智能网关
8.可编程逻辑控制器
9.拓展模块 RS485/232 信号板
- 开源智能硬件套装
11.协议转换网关
12.交换机
13.开关电源
14.可定义传感器
15.智能网关配置软件
16.PLC 编程软件
17.关系型数据库
18.OPC UA 客户端
19.非关系型数据库
20.内存型数据库
21.CodeSys 编程软件
八、其他内容
人工智能科技球、教学电脑、教学大屏、移动折叠双面磁性写字隔断、定制单人工位、公共办公卡位、实训室装修。
九、人工智能前端设备应用实训室
