|
|||||||
|
|||||||
|
||||||
|
||||||
|
|||||||||
|
|||||||||
|
|||
|
|||
|
|||||||||||||
|
|||||||||||||
|
|||||||||
|
|||||||||
|
||
|
||
|
|||||
|
|||||
|
||
|
||
|
|||
|
|||
|
|||
|
|||
上海中人專業(yè)提供ZRRGZN-01人工智能綜合平臺,是專業(yè)的教學(xué)設(shè)備生產(chǎn)廠家，我們歡迎您來我們生產(chǎn)基地考察ZRRGZN-01人工智能綜合平臺規模設備，并為您提供專業(yè)的解決方案真諦所在。教學(xué)設(shè)備可以解決教師教學(xué)缺少平臺，學(xué)生缺少實操經(jīng)驗的難題競爭力。ZRRGZN-01人工智能綜合平臺深入交流研討，是中人公司的品質(zhì)效益保障教學(xué)產(chǎn)品。 文章內(nèi)容中的圖片為參考圖片,僅供參考,以實物為準(zhǔn).
本文關(guān)鍵詞：ZRRGZN-01人工智能綜合平臺ZRRGZN-01人工智能綜合平臺
參考圖片
一廣泛應用、產(chǎn)品結(jié)構(gòu)組成
系統(tǒng)包含六自由度機(jī)械臂關註度、寬動態(tài)AI視覺攝像頭、Jetson Nano邊緣處理終端17.3寸邊緣計算顯示單元哪些領域、機(jī)器視覺場景應(yīng)用資源包敢於挑戰、可模擬人工智能典型應(yīng)用場景，實現(xiàn)人工智能應(yīng)用技術(shù)教學(xué)實驗建立和完善。
教學(xué)平臺系統(tǒng)預(yù)裝Ubuntu18.04操作系統(tǒng)提供了遵循，所有環(huán)境代碼庫文件均已安裝，開機(jī)即用大型》⻊招�；诙嗑S度學(xué)習(xí)實踐平臺，由淺入深循序漸進(jìn)重要意義，從基礎(chǔ)單獨(dú)的GPIO擴(kuò)展開始學(xué)習(xí)過渡到傳感器實驗項目再進(jìn)入OpenCVPyTorch統籌發展、ROS系統(tǒng)，機(jī)器運(yùn)動學(xué)體系，AI機(jī)器視覺生產製造，AI語音識別聽覺等學(xué)習(xí)，從而學(xué)會AI人工智能開發(fā)攜手共進。
所提供的算法源代碼（包括人臉檢測具有重要意義、車牌識別、垃圾分類大部分、目標(biāo)檢測），兼容Caffe/TensorFlow/MXNet訓(xùn)練模型和API實際需求，可以讓學(xué)生對機(jī)器視覺的流程解決方案、處理方式等有更好的了解，熟悉相關(guān)算法，了解實際應(yīng)用場景增產，貼近工程化應(yīng)用便利性。
1、JetsonNano邊緣計算平臺
NVIDIA Jetson Nano是一個小巧卻功能強(qiáng)大的計算機(jī)行動力，它可以讓你并行運(yùn)行多個神經(jīng)網(wǎng)絡(luò)提供有力支撐、對象檢測、分割和語音處理等應(yīng)用程序,Jetson Nano搭載四核cortex-A57處理器良好，128核MaxwellGPU及4GB LPDDR內(nèi)存逐步顯現，帶來足夠的AI計算能力,提供472GFLOP算力,并支持一系列流行的Al框架和算法，比如TensorFlow引領、Pytorch.caffe/caffe2自動化裝置、Keras、MXNET等
2應用前景、機(jī)器視覺(機(jī)器臂)
視覺機(jī)械臂以Jetson nano為主控有很大提升空間，Open Source CV為圖像處理庫，以主流的Jupyter Lab為開發(fā)工具,使用Python3為主要編程語言首次。攝像頭與機(jī)械臂機(jī)身一體式設(shè)計可能性更大，“手眼合一”的視覺識別讓機(jī)械臂顯得更加靈動，它不僅可以實現(xiàn)顏色識別追蹤與抓取搖籃，還能人體特征識別互動技術，甚至進(jìn)行垃圾分類模型訓(xùn)練垃圾分揀;通過RO5機(jī)器人操控系統(tǒng)，簡化了6自由度串行總線舵機(jī)復(fù)雜運(yùn)動控制深入。
1080P攝像頭：感光元件尺寸：1/237”最高有效分辨率：1928*1088;數(shù)據(jù)格式：YUY2/MJPG;像素大屑夹g研究。�3.0μm*3.0μm;寬動態(tài)范圍：96DB;自動控制：飽和度，對比度開展研究，銳度姿勢，白平衡，曝光首要任務。
機(jī)械臂：Cortex-M3內(nèi)核的處理器控制板綠色化，自由度桌面式機(jī)械臂，大功率串行總線智能舵機(jī)發展，臂展350mm保持穩定，負(fù)載≥300g，帶夾爪面向，陽極氧化處理鋁合金機(jī)身支撐作用，主要用于工業(yè)機(jī)械臂的控制。支持python編程建設項目，可靈活和精準(zhǔn)調(diào)節(jié)每一關(guān)節(jié)角度和位置最為突出；支持PC上位機(jī)、手機(jī)APP、USB游戲手柄控制高效化；
3製高點項目、語音識別-麥克風(fēng)陣列
麥克風(fēng)陣列是基于MSM261S4030H0數(shù)字麥克風(fēng)芯片設(shè)計的，模塊聲音識別靈敏度支撐能力、信噪比都比較高資源優勢，可應(yīng)用于聲源定位、語音識別特征更加明顯、波束成型等需求場合估算。
1. :RISC-V Dual Core 64bit,with內(nèi)核,主頻400MHz,8M Byte,內(nèi)置語音識別麥克風(fēng)陣列(8mics),網(wǎng)絡(luò)模型:支持YOLOv3 \ Mobilenetv2 \ TinyYOLOv2,支持TensorFlow/Keras/Darknet/Caffe等主流框架
2. 麥克風(fēng):6+1個MSM261S4030H0組成陣列（聲壓級:140 dB SPL，靈敏度:-26數字技術，信噪比: 57dB奮戰不懈，THD<1%，時鐘頻率:1.0-4.0MHz正常模式措施，150-800kHz低功耗模式）
2.燈光:12個LED通過雙信號線級聯(lián)（顏色和亮度可調(diào))
3.支持聲源定位大大縮短、語音導(dǎo)航、語音交互緊密相關、離線語音識別更默契了。
4、激光雷達(dá)
相較于傳統(tǒng)技術(shù)培訓，利用紅外激光設(shè)備可實現(xiàn)超大屏幕的多點(diǎn)觸摸不合理波動，其反應(yīng)更快、精度更高重要工具、抗環(huán)境光能力更強(qiáng)積極拓展新的領域。激光雷達(dá)作為核心傳感器，可快速獲得環(huán)境輪廓信息更優質，配合SLAMWARE使用相對開放，可以幫助機(jī)器人實現(xiàn)自主構(gòu)建地圖、實時路徑規(guī)劃與自動避開障礙物脫穎而出。應(yīng)用領(lǐng)域智能掃地機(jī)拓展應用、家用機(jī)器人。
測量半徑：12米結構，測量頻率：8000次/秒管理，掃描頻率：5.5HZ，360度掃描測距
工程應(yīng)用方向
1. 計算機(jī)視覺基礎(chǔ)應(yīng)用與機(jī)械臂的運(yùn)動控制
（1）視覺定位：放置任意物體在視野中能力建設，在圖像中將其分割（框出來）模樣，并輸出中心點(diǎn)坐標(biāo)；
（2）顏色識別和分選：多種顏色混合放置于視野中服務，每種顏色各一個很重要，控制手臂挑選出某種顏色規模，并放置在一側(cè)；
（3）顏色識別和堆疊：多種顏色混合放置于視野中基石之一，如兩種，每種顏色兩個增持能力，控制手臂抓取某種顏色并堆疊共同努力，或多顏色分別堆疊；
（4）形狀識別和分選：多種形狀混合放置于視野中追求卓越，每種形狀各個逐漸完善，控制手臂挑選出某種形狀，并放置在一側(cè)合理需求；
（5）形狀識別和堆疊：多種形狀混合放置于視野中是目前主流，如兩種，每種形狀兩個高質量，控制手臂抓取某種形狀并堆疊充分發揮，或?qū)⒍喾N形狀分別堆疊；
（6）單一形狀目標(biāo)按大小排序：同種形狀管理，放置三種不同尺寸的物體于視野中設計，控制手臂按照從大到小的順序依次放置；
（7）多種形狀目標(biāo)同時按形狀和大小堆疊：三種形狀改進措施，每種形狀放置三種不同尺寸的物體于視野中就此掀開，控制手臂按照不同形狀、從大到小的順序分別進(jìn)行堆疊（即三個堆垛今年，均為從大到蟹�步前行。�
（8）垃圾分類：在目標(biāo)上貼上不同物體的圖案動手能力，如白菜逐步改善、標(biāo)識為有毒物品的玻璃瓶、紙箱引領，混合放置于視野中自動化裝置，通過配置，控制機(jī)械臂按照廚余垃圾應用前景、有害垃圾有很大提升空間、可回收垃圾進(jìn)行分類；
（9）手勢交互：比如伸出1首次、2前景、3、4個手指增幅最大，機(jī)械臂分別執(zhí)行向上共享應用、向下生產能力、向左、向右運(yùn)動示範推廣，伸出5個手指堅持好，則畫一個圓；
（10）目標(biāo)跟蹤：操作者手持一個小球大幅增加，機(jī)械臂識別該小球（形狀或顏色）特性，并隨著小球的移動而移動；
（11）OCR光學(xué)字符識別與排序：目標(biāo)上貼上字符等特點，亂序擺放（可要求字符必須朝同一個方向建言直達，但順序是亂的），機(jī)械臂通過視覺識別將進一步，將其按照123456的順序擺放到指定位置
2.計算機(jī)視覺與人臉識別充分發揮、車牌識別等應(yīng)用
（1）人臉識別：事先錄入人臉，對新的人臉進(jìn)行識別成就，識別成功彈出人員的信息重要方式，識別不到則提示該人員不在系統(tǒng)中；
（2）人臉門禁：識別到人臉后效高性，打開門禁系統(tǒng)模式，同時綠色指示燈亮起，識別不到提升，黃色指示燈亮起高品質，提示無該人員信息；
（3）人員入侵預(yù)警：同上支撐能力。同一人臉連續(xù)識別超過 3 次資源優勢，且均顯示不在系統(tǒng)中，紅燈亮起特征更加明顯，同時蜂鳴器報警估算；
（4）車牌識別：事先錄入車牌，對新的車牌進(jìn)行識別的可能性，識別成功彈出車主信息不要畏懼，同時綠色指示燈亮起，識別不到則黃色燈亮起應用領域，并提示該車輛不在系統(tǒng)中保持競爭優勢；
（5）車輛入侵預(yù)警：同上。同一車牌連續(xù)識別超過 3 次發展機遇，且均顯示不在系統(tǒng)中長效機製，紅燈亮起，同時蜂鳴器報警全技術方案；
（6）運(yùn)動目標(biāo)識別與跟蹤：采用視頻實時識別的方式分享，對視野中的一個或多個人員進(jìn)行識別共享，框出來，標(biāo)記識別到的人員數(shù)量方式之一，并隨著人員的移動進(jìn)行跟蹤生動；
3.語音識別與智能家居系統(tǒng)
（1）智能門禁控制：預(yù)先對語音進(jìn)行標(biāo)記，通過配置語音指令和門禁系統(tǒng)控制算法創新能力，實現(xiàn)如發(fā)出“開門”的指令引人註目，門禁系統(tǒng)自動打開的動作；
（2）智能燈光控制：預(yù)先對語音進(jìn)行標(biāo)記溝通機製，通過配置語音指令和燈光控制算法，實現(xiàn)如發(fā)出“開燈”的指令註入新的動力，燈光自動打開的動作領先水平；
（3）智能風(fēng)扇控制：預(yù)先對語音進(jìn)行標(biāo)記，通過配置語音指令和風(fēng)扇控制算法雙重提升，實現(xiàn)如發(fā)出“打開風(fēng)扇”的指令戰略布局，風(fēng)扇自動開啟的動作；
（4）智能溫濕度檢測：預(yù)先對語音進(jìn)行標(biāo)記表現明顯更佳，通過配置語音指令和溫濕度傳感器控制算法狀態，實現(xiàn)如發(fā)出“今天的溫度是多少”的指令，傳感器自動開啟并在屏幕上顯示當(dāng)前環(huán)境溫濕度的動作指導。
配套實驗內(nèi)容
Python基礎(chǔ)部分實驗
第一章 Python
第二章 開發(fā)環(huán)境搭建和使用方法
第三章 Python基礎(chǔ)
3.1 Python語法
3.2 Python縮進(jìn)
3.3 Python注釋
3.4 Python變量
3.5 Python引入外援
3.6 Python基礎(chǔ)數(shù)據(jù)類型
3.7 Python常用操作符
第四章 Python分支與循環(huán)
4.1 Python分支與循環(huán)
4.2 Python條件表達(dá)式與斷言
4.3 Python循環(huán)語句
第五章 Python高級
5.1 Python列表
5.2 Python元組
5.3 Python字符串
5.4 Python序列
5.5 Python字典
5.6 Python集合
第六章 Python函數(shù)
6.1 Python函數(shù)的創(chuàng)建與調(diào)用
6.2 Python函數(shù)的參數(shù)及返回值
6.3 Python函數(shù)的變量
6.4 Python函數(shù)式編程
6.5 Python遞歸
第七章 Python存儲
7.1 Python文件
7.2 Python文件系統(tǒng)（OS）
第八章 Python異常處理
8.1 Python try-except語句
8.2 Python try-finally語句
8.3 Python raise語句
第九章 Python類和對象
9.1 Python對象
9.2 Python繼承
9.3 Python多重繼承
9.4 Python組合
9.5 Python魔法方法-構(gòu)造與析構(gòu)
第十章 Python模塊
10.1 Python模塊
10.2 Python包
PyQT部分實驗
第一章 PyQt5
第二章 PyQt5開發(fā)環(huán)境搭建與使用方法
第三章 第一個PyQt5窗口程序
3.1 PC端PyQt5應(yīng)用程序開發(fā)流程
3.2 PyQt5應(yīng)用程序運(yùn)行在邊緣端
第四章 PyQt5窗口設(shè)計基礎(chǔ)
4.1 單窗口屬性與設(shè)置
4.2 信號與槽
4.3 多窗口設(shè)計
第五章 PyQt5常用控件設(shè)計
5.1 文本類開發(fā)（Label廣泛認同、TextEdit、SpinBox）
5.2 按鈕類開發(fā)（PushButton流動性、CheckBox）
5.3 日期時間類（Data/TimeEdit）
5.4 進(jìn)度條類（ProgressBar）
5.5 對話框類（QMessageBox）
第六章 PyQt5布局管理
6.1 線性布局
6.2 GridLayout網(wǎng)格布局
第七章 PyQt5數(shù)據(jù)庫
7.1 SQLite數(shù)據(jù)庫
7.2 MySQL數(shù)據(jù)庫
第八章 PyQt5文件操作
第九章 PyQt5多線程編程
9.1 QTimer定時器類
9.2 QThread線程類
第十章 PyQt5程序打包
第十一章 PyQt5網(wǎng)絡(luò)編程
第十二章 PyQt5物聯(lián)網(wǎng)編程
12.2 物聯(lián)網(wǎng)傳感器數(shù)據(jù)獲取并顯示
12.3 物聯(lián)網(wǎng)執(zhí)行器控制
機(jī)器視覺部分實驗
第一章 機(jī)器視覺說明
1.1 機(jī)器視覺介紹
1.1.1 機(jī)器視覺簡介
1.1.2 機(jī)器視覺發(fā)展
1.2 OpenCV介紹
1.2.1 OpenCV簡介
1.2.2 OpenCV結(jié)構(gòu)圖
第二章 開發(fā)環(huán)境的搭建和使用方法
第三章 OpenCV圖像基礎(chǔ)
3.1 OpenCV讀取圖像
3.2 OpenCV顯示圖像
3.3 OpenCV保存圖像
第四章 OpenCV視頻基礎(chǔ)
4.1 OpenCV捕獲攝像頭
4.2 OpenCV讀取視頻
4.3 OpenCV顯示視頻
4.4 OpenCV保存視頻
第五章 OpenCV繪圖功能
5.1 畫線
5.2 畫矩形
5.3 畫圓
5.4 畫橢圓
5.5 畫多邊形
5.6 圖像上添加文字
第六章 OpenCV圖像操作基礎(chǔ)
6.1 訪問和修改像素值
6.2 訪問圖像屬性
6.3 圖像興趣區(qū)域ROI
6.4 拆分和合并圖像通道
第七章 OpenCV圖像算術(shù)運(yùn)算
7.1 圖像加法
7.2 圖像融合
7.3 圖像按位運(yùn)算
第八章 OpenCV顏色空間
8.1 顏色空間介紹
8.2 BGR顏色空間
8.3 GRAY顏色空間
8.4 HSV顏色空間
第九章 OpenCV圖像變換
9.1 圖像縮放
9.2 圖像翻轉(zhuǎn)
9.3 圖像平移
9.4 圖像旋轉(zhuǎn)
9.5 圖像仿射變換
9.6 圖像透視變換
第十章 OpenCV閾值處理
10.1 閾值處理說明
10.2 二階閾值處理
10.3 反二階閾值處理
10.4 截斷閾值處理
10.5 低閾值零處理
10.6 超閾值零處理
10.7 自適應(yīng)閾值處理
10.8 Otsu處理
第十一章 OpenCV圖像金字塔
11.1 pyrDown金字塔向下采樣
11.2 pyrUp金字塔向上采樣
第十二章 OpenCV圖像平滑處理
12.1 均值濾波
12.2 方框濾波
12.3 高斯濾波
12.4 中值濾波
12.5 雙邊濾波
第十三章 OpenCV形態(tài)學(xué)操作
13.1 腐蝕
13.2 膨脹
13.3 開運(yùn)算
13.4 閉運(yùn)算
13.5 形態(tài)學(xué)梯度運(yùn)算
第十四章 OpenCV邊緣檢測
14.1 Canny邊緣檢測基礎(chǔ)
14.2 Canny函數(shù)及使用
第十五章 OpenCV圖像輪廓
15.1 查找和繪制輪廓
15.1.1 查找輪廓
15.1.2 繪制輪廓
15.2 矩特征
15.2.1 計算輪廓面積
15.2.2 計算輪廓長度
15.3 輪廓擬合
15.3.1 矩形包圍框
15.3.2 最小矩形包圍框
15.3.3 最小圓形包圍框
15.3.4 擬合橢圓包圍框
15.4 凸包
第十六章 OpenCV直方圖處理
16.1 繪制直方圖
16.1.1 hist函數(shù)繪制直方圖
16.1.2 calcHist函數(shù)繪制直方圖
16.2 直方圖均衡化
第十七章 OpenCV傅里葉變換
17.1 Numpy實現(xiàn)傅里葉變換
17.2 Numpy實現(xiàn)逆傅里葉變換
17.3 OpenCV實現(xiàn)傅里葉變換
17.4 OpenCV實現(xiàn)逆傅里葉變換
17.5 高通濾波
17.6 低通濾波
第十八章 OpenCV模版匹配
18.1 模版匹配基礎(chǔ)
18.2 模版多匹配
第十九章 OpenCV霍夫變換
19.1 霍夫直線變換
19.2 概率霍夫直線變換
19.3 霍夫圓環(huán)變換
第二十章 OpenCV二維碼識別
第二十一章 OpenCV顏色檢測
第二十二章 OpenCV面部鍛造、眼睛檢測
第二十三章 OpenCV汽車和行人檢測
第二十四章 OpenCV手寫數(shù)字識別
深度學(xué)習(xí)部分實驗
第一章 深度學(xué)習(xí)發(fā)展簡史
1.1 人工智能簡介
1.2 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
1.3 神經(jīng)網(wǎng)絡(luò)發(fā)展簡史
1.4 深度學(xué)習(xí)特點(diǎn)
1.5 深度學(xué)習(xí)應(yīng)用
1.6 深度學(xué)習(xí)框架
第二章 實驗環(huán)境配置
2.1 Anaconda 下載與安裝
2.2 Anaconda 配置tf2 環(huán)境
2.3 Tensorflow 安裝
2.4 Jupyter notebook 安裝
2.5 RK3399 環(huán)境簡介
第三章 TensorFlow 基礎(chǔ)部分
3.1 張量創(chuàng)建實驗
3.2 張量運(yùn)算實驗
3.3 張量維度變換實驗
第四章 線性回歸
4.1 一元線性回歸實驗
4.2 多元線性回歸實驗
4.3 波士頓房價預(yù)測實驗
第五章 邏輯回歸
5.1 一元邏輯回歸實驗
5.2 多元回歸實驗
5.3 實戰(zhàn)鳶尾花分類實驗
第六章 人工神經(jīng)網(wǎng)絡(luò)
6.1 單層神經(jīng)網(wǎng)絡(luò)實驗
6.2 多層神經(jīng)網(wǎng)絡(luò)實驗
6.3 模型保存或加載實驗
第七章 卷積神經(jīng)網(wǎng)絡(luò)
7.1 卷積操作實驗
7.2 卷積神經(jīng)網(wǎng)絡(luò)實驗
7.3 數(shù)據(jù)預(yù)處理實驗
第八章 神經(jīng)網(wǎng)絡(luò)遷移學(xué)習(xí)
8.1 經(jīng)典神經(jīng)網(wǎng)絡(luò)介紹
8.2 遷移學(xué)習(xí)貓狗分類實驗
第九章 循環(huán)神經(jīng)網(wǎng)絡(luò)
9.1 循環(huán)神經(jīng)網(wǎng)絡(luò)介紹
9.2 情感分類實驗
9.3 文本生成實驗
第十章 人工智能綜合實驗
10.1 人臉識別實驗
10.2 口罩檢測實驗
10.3 水果識別實驗
麥克風(fēng)陣列部分實驗
1. 聲源定位實驗
2. 音頻可視化實驗
3. 語音識別實驗
機(jī)械臂部分實驗
基礎(chǔ)實驗
1.控制RGB燈
2.控制蜂鳴器
3.控制單個舵機(jī)
4.讀取舵機(jī)當(dāng)前的位置
5.一次控制6個舵機(jī)
6.機(jī)械臂上下左右擺動
7.機(jī)械臂跳舞
8.機(jī)械臂記憶動作
9.機(jī)械臂夾方塊
10.大自然搬運(yùn)工
11.疊羅漢
人工智能綜合實驗
1.顏色校準(zhǔn)
2.顏色識別抓取積木
3.顏色分揀與堆疊
4.垃圾分揀
5.目標(biāo)追蹤
