物聯網人工智能教學實驗箱

　　物聯網+人工智能教學實驗平臺采用ARM Cortex多核處理器，配備Cortex-A72雙核及Cortex-A53四核處理器，可根據用戶需求定制內存和Flash容量。同時配備WIFI和藍牙模塊，用于聯網，以及與物聯網、家聯網、車聯網設備通訊。平臺支持UART串口、USB口、HDMI輸出，可以連接USB外設、SD卡、外接顯示器。平臺主要聚焦于圖像的處理以及數字字母的識別，其中圖像以內置圖片文件的形式為主，同時配備了攝像頭用于圖像采集實驗。利用本平臺，學生可以完成簡單的圖像原理和分類聚類、神經網絡算法的學習，動手操作進行圖像的基本處理、數字及字母的識別，并最終完成車牌識別的實驗。平臺提供圖形界面的學習工具，通過圖形界面學習工具，學生可以清晰地看到圖像處理算法的基本流程，了解和掌握算法相關參數的配置，自己動手更改圖像處理的流程和參數，直觀地學會使用圖像處理的各種算法。

    平臺國內大專院校、本科生、研究生面向人工智能、機器視覺、自然語言處理、機器學習等方向的基礎課、通選課、專業必修、專業選修課實驗課程內容的空缺，為不具備相關課程研發與教學能力的專業及講師提供一系列的從逐步進階至專業內容的實驗平臺、配套軟件、學生實驗教材、教師指導用書等全套的教學解決方案，既可以作為相關專業方向學生的專業必修及選修動手實驗指導材料，也可以作為非相關專業方向學生了解和初步使用人工智能相關領域最基礎的知識技術的手段。

二、硬件技術參數

1、CPU: RK3399: Dual Cortex-A72 + Quad Cortex-A53, 64-bit CPU at 2.0GHz

2、GPU: Mali-T864 GPU, OpenGL ES 1.1/2.0/3.0/3.1, OpenVG 1.1, OpenCL, DX11

3、Memory: 2GB LPDDR3

4、Flash: 8GB emmc 5.1

5、Multi-Media: 4K VP9 & H265/H264 decoders, 1080P MPEG-1/2/4 & VP8 decoders, 1080P H.264 & VP8 decoders

6、接口：MIPI、GPIO、SPI、I2C、MIC Array、TF Card (sd/mmc 3.0)、USB 3.0 HOST、USB 2.0 HOST、eDP 1.3、HDMI 2.0 for 4K 60Hz

7、按鍵：Power、Menu、Esc、Vol+、Vol-

8、以太網：1000M

9、音頻：音頻輸出口、MIC

10、無線網：WiFi (2.4G and 5G, 802.11 ac), Bluetooth 4.1

11、PCIE: 2.0

12、Uart: Debug口

13、傳感器：光電傳感器、陀螺儀、重力加速度計、電子羅盤、霍爾傳感器

14、USB: Type-C (with DP out)

15、鍵盤鼠標：USB鍵盤，帶觸摸板

16、攝像頭：USB攝像頭模組，100萬像素，720P

三、實驗教學課程資源

    平臺提供成套教學資源，用戶可以按照學期長度和實際教學情況安排教學，實驗教材可以提供10～18周、每周2～6節課的教學實驗需要。主要包含以下知識實驗課程：

1. 教學平臺使用

2. Linux操作系統使用

3. 命令行Bash編程界面與編程入門

4. Python編程界面與編程入門

5. Python調用OpenCV實驗【使用Python、OpenCV】

6. Python的數學處理與可視化界面實驗【使用Python、NumPy、Matplotlib】

7. 圖像分解與編解碼實踐：像素、行列、圖像格式、編解碼【使用Python、OpenCV】

8. 圖像表示與色彩空間實踐：灰度化、色彩空間轉化【使用Python、OpenCV】

9. 圖像特征實踐：亮度、對比度、飽和度等的原理、調節與自動調節【使用Python、OpenCV】

10. 圖像文件的讀取、保存與編解碼【使用Python、OpenCV】

11. 視頻信號的讀取、處理、保存與編解碼【使用Python、OpenCV】

12. 圖像基本處理實驗：各類算法的實現效果（灰階、二值化、馬賽克、縮放、插值、截取）【使用Python、OpenCV】

13. 圖像簡單處理實驗：各類算法的實現效果（濾波、平滑、增強、邊緣檢測）【使用Python、OpenCV】

14. 各種圖像處理方法的綜合使用與項目實踐【使用Python、OpenCV】

15. TensorFlow實驗環境搭建實驗

16. Python調用TensorFlow實驗【使用Python、TensorFlow、Matplotlib】

17. 圖像特征提取實驗：各類算法的實現效果（HOG、LBP、Haar）【使用Python、OpenCV】

18. 分類算法實驗課：各類算法的實現效果（決策樹、支持向量機、樸素貝葉斯、羅輯回歸）【使用Python、OpenCV】

19. 分類算法實現數字識別實踐【使用Python、OpenCV】

20. 聚類算法實驗：K-Mean算法的實現效果【使用Python、OpenCV、TensorFlow等】

21. 使用聚類算法實現數字識別實踐【使用Python、OpenCV、TensorFlow等】

22. 車牌識別實驗（一）：視頻信號讀取、尋找定位車牌號碼、圖像預處理與特征提取【綜合使用以上技術】

23. 車牌識別實驗課（二）：使用各種算法進行數字識別【綜合使用以上技術】

24. 車牌識別實驗課（三）：整體項目實測與效果展示【綜合使用以上技術】

25. 車牌識別課程設計成果展示與總結