广西工业职业技术学院人工智能实训室简介
2024-04-20 09:15【实训室简介】
广西工业职业技术学院电子信息学院人工智能综合实训室位于校园核心教学区的精工B座203房间，周围设有便捷的交通和多功能的学习空间。实训室占地80平方米，空间设计充分考虑了教学与实践的需要，布局合理，动线流畅。配备了60个独立的工位，为每位学生提供了充足的实操空间和个人学习领地。
实训室内部设备先进，共配备了2台高端机器人，包括提供客户服务交互演示的服务机器人和支持高级语音识别及响应训练的语音机器人，这些机器人不仅用于演示和教学，也是学生研究和实验的重要工具。此外，还拥有16套人工智能教学实验箱，其中包括了传感器、执行器、处理器等一系列模块，便于学生在模拟各类环境下开展机器学习和深度学习模型的构建与训练。
这些设备主要用于支持机器学习、深度学习模型训练、数据分析等教学和研究活动，对于提升学生的实际操作能力、工程实践经验和科研水平均起到了重要推动作用。实训室的资产总值达120万元，由电子信息学院统一管理，并指派了资深教师担任专业负责人，不仅负责日常的维护和管理工作，还定期对实训室设备进行升级和维护，保证设备的先进性和功能的完善性，确保实训室能够适应最新的教学需求和技术发展，从而保障学生在科学研究和技能培养上的深度学习体验，使其能在未来的工作中占据优势。
实训室不仅是教学活动的场所，也是学生开展创新实验和科研项目的重要基地，多次承担了校内外的技术竞赛和创新大赛。通过在实训室中的学习和实践，学生能够积累丰富的实际项目经验，为将来走向职业生涯打下坚实的基础。
【实训室功能】
人工智能综合实训室不仅是学生们获取知识的场所，更是实践技能、开展科研和进行创新的重要平台。本实训室的功能多元，旨在为学生提供全方位的学习体验和专业技能培养机会。
教学课程实践: 实训室支持人工智能基础、数据结构、机器学习、深度学习、智能控制、图像处理等多门核心课程的实际操作与实验活动。学生在此可以验证理论知识并通过项目实施，加深对专业知识的理解和把握。
专业技能培训: 为了提高学生的专业素质，实训室经常举办各类工作坊、培训研讨会，引进行业内资深专家进行面对面辅导，以及最新行业趋势的分析讨论。
科研项目与学术竞赛: 基于实训室出色的实验设施和技术支持，学生可以参与到高水平的科研项目中，与导师合作攻关，参加国内外的学术竞赛和挑战，如人工智能设计大赛、编程马拉松以及各类创新创业比赛。
专业认证考试: 本实训室可用于人工智能相关职业技能证书的培训和考试，比如1+X，HCIP/HCIE认证考试等，帮助学生提升职业竞争力。
师资培训和教改实践: 教师也可利用实训室进行教学方法的研究与探索，以及新教学工具和技术的尝试。实训室经常承担教学改革试点项目，推动教育教学的创新发展。
通过这些丰富的功能，实训室为电子信息学院培育高素质、技术娴熟的人工智能应用技术人才提供了有力保障，同时也加强了学院与行业之间的交流与合作，提高了学生的就业竞争力和未来发展潜力。
来源于： 广西工业职业技术学院电子信息学院
相关产品：
AI人工智能实验箱：开启您的AI学习之旅！
2017年，Transformer出现在一篇论文《 Attention Is All You Need》中被引入，并在自然语言处理中得到广泛应用。
2022年：ChatGPT的横空出世
2022年11月，OpenAI发布了基于Transformer模型的大型语言模型ChatGPT，引发了全世界的AI浪潮，被《大西洋》杂志评为“年度突破”，并称其“可能会改变我们对工作方式、思考方式以及人类创造力的真正含义的想法”。
2023年：AI元年，全球竞速，势不可挡！
中国：国务院发布《新一代人工智能发展规划》，将人工智能列为国家战略，目标到2030年成为世界领先者。
美国：发布《人工智能国家战略》，持续加大投入，保持领先优势。
欧盟：发布《人工智能白皮书》，将人工智能视为欧洲未来经济增长引擎。
全球：人工智能在医疗、技术、教育、交通、金融、娱乐等领域广泛应用，带来前所未有的变革。
AI 的新时代已经降临，而你，准备好了吗？
AI人工智能实验箱专为高校人工智能教学打造的全功能平台，让您轻松掌握AI技术，开启智能时代的大门！
三大核心优势，助您一路领先：
1. 由浅入深，循序渐进
从基础的GPIO扩展到深度学习的AI视觉、AI听觉，上海顶邦AI平台提供完整的学习路径，让您一步步掌握AI知识体系，轻松应对各种挑战。
AI人工智能实验箱将理论与实践完美结合，丰富的实验项目让您在实践中学习，在应用中巩固，真正将AI知识融会贯通。
3. 开放灵活，激发创新
开放的GPIO接口和模块化设计，支持个性化功能开发，让您将创意变为现实，打造属于自己的AI项目。
用户的评价：
1. 来自高校教师的评价：
“课程内容丰富，教学效果杠杠的，学生们都抢着学AI！”
“以前教AI，我头都大了，各种理论知识，学生们听得云里雾里。现在有了上海顶邦AI实验箱，我轻松多了，直接让学生做实验，学得贼快！”
2. 来自学生的评价：
“以前我对AI一点都不懂，现在我都能开发自己的AI项目了！”
“课程由浅入深，循序渐进，小白也能轻松上手。老师讲得也好，我听得懂，学得会！”
3. 来自校领导的评价
“AI人工智能实验箱能够帮助学生快速掌握AI知识和技能。平台提供的实验项目也非常实用，能够帮助学生将理论知识应用到实践中。”
“我们相信，借助上海顶邦人工智能实验箱，我们学校的AI教学水平将不断提升，学生们也将能够在未来的AI时代取得更大的成就。”
AI人工智能实验箱不仅是学习AI的最佳工具，更是您通往AI未来的桥梁！
一、AI核心
GPU ：128核 NVIDIA Maxwell GPU
CPU ：4核cortex-A57处理器
内存：4 GB LPDDR 25.6 GB/s
算力：472 GFLOP
基于NVIDIA强大的Al计算能力，系统内核是一个小巧却功能强大的计算机，它可以让你并行运行多个神经网络、对象检测、分割和语音处理等应用程序， 系统搭载四核cortex- A57处理器，128核Maxwell GPU及 4GB LPDDR内存，带来足够的Al计算能力，提供472GFLOP算力，并支持一系列流行的Al框架和算法，比如TensorFlow、Pytorch、 caffe/caffe2、Keras、MXNET等。
二、系统框架与AI框架
1. 系统预装ubuntu18.04操作系统，所有环境代码库文件均已安装，开机即用。
Ubuntu 18.04 LTS在云计算领域效率极高，特别适用于机器学习这样的存储密集型和计算密集型任务。Ubuntun 长期支持版本可以获得 Canonical 官方长达五年的技术支持。Ubuntu 18.04 LTS 还将附带了 Linux Kernel 4.15，其中包含针对 Spectre 和 Meltdown 错误的修复程序。
2. 提供详细的python开源范例程序
根据TIOBE最新排名 ，Python已超越C#，与Java,C,C++一起成为全球前4大最流行语言。国内目前百度指数搜索量已经超越Java，与C++，即将成为国内最受欢迎的开发语言。
Python被广泛应用于后端开发、游戏开发、网站开发、科学运算、大数据分析、云计算，图形开发等领域；Python在软件质量控制、提升开发效率、可移植性、组件集成、丰富库支持等各个方面均处于先进地位。python具有 简单、易学、免费、开源、可移植、可扩展、可嵌入、面向对象等优点，它的面向对象甚至比java和C#.net更彻底；
3. JupyterLab编程
JupyterLab是一个基于Web的交互式开发环境，用于Jupyter笔记本、代码和笔记本、代码和数据.JupyterLab非常灵活配置和排列用户界面，以支持数据科学、科学计算和机器学习中广泛的工作流.JupyterLab是可扩展的和模块化的编写插件，添加新组件并与现有组件集成
4. 多种AI框架
OpenCV计算机视觉库，TensorFlow AI框架，Pytorch AI框架等
三、AI人工智能实验箱特点
支持多模态输入，跨语言编程，优化深度学习模型
人体姿态估计，应用于实际场景
实时背景移除，基于深度学习，高效实时移除背景
目标检测，多目标检测能力强
语义分割，像素级别的详细分类，适用于环境感知
单目深度，无需特殊相机，利用全卷积网络，可从单个图像推断相对深度，应用广泛。
语音情感识别，采用Mobilenet_v2模型处理语音情感，轻量化、高效
六自由度机械臂，智能舵机，ROS控制，适用于AI视觉颜色分拣实验
车牌识别，使用Teseract-OCR 引擎，识别准确率高，使用场景广泛。
ROS机器人系统，跨平台兼容，代码开源，模块化设计，通用性强灵活性高。
AI听觉主板，具备高质量音频处理和语音服务，搭载Snowboy唤醒词检测引擎，可以完成语音情感识别、图灵机器人、语音对话等实验。
四、硬件资源
一、硬件资源
| 功能单元 | 参数 | 功能描述 |
| 实验箱 | 外形尺寸：≥610*440*240mm； | 外箱采用铝木合金材料，四周安装尼龙防护垫，实验箱体内部包含存储空间，可以妥善存放模块及配件，打开方式为按压弹出。 |
| AI运算单元 |
GPU ：128核 NVIDIA Maxwell GPU； CPU ：4核cortex-A57处理器； 内存：4 GB LPDDR 25.6 GB/s； 算力：472 GFLOP； 核心扩展：拥有最少4个USB3.0接口，支持HDMI和DP视频接口，一路M.2接口的单路PCIE，并安装有散热风扇， 40pin GPIO； 网络：千兆以太网口、无线网卡支持2.4Ghz/5GHZ,支持蓝牙4.2； |
安装Ubuntu 18.04 LTS+ROS Melodic操作系统，集成JupyterLab开发环境、Anaconda 4.5.4虚拟环境，支持一系列流行的AI框架和算法，比如TensorFlow、caffe/caffe2、Keras、Pytorch、MXNET 等，系统安装有OpenCV计算机视觉库，TensorFlow AI框架，Pytorch AI框架。 |
| 机械臂 |
机械臂自由度：5自由度+夹持器，200g有效负载，臂展350mm； 舵机方案：15Kg*5+6Kg*1智能串行总线舵机； 材质：阳极氧化处理铝合金； |
用于机器人运动学与机器人系统，可以完成夹持积木等动作。 |
| 嵌入式核心主板 |
接口：6个总线舵机接口， PWM舵机接口，i2C接口，除AI核心板外还支持STM32和Raspberry Pi； OLED:显示CPU占用，显示内存占用，显示IP地址等基础信息； 按键：K1+K2键+RESET键； 1 个RGB灯； |
用于支持机械臂动作。 |
| 摄像头 | 采用USB接口，30万像素，110度广角摄像头，480P分辨率（600*480） | AI视觉实验，如垃圾分拣等实验。 |
| AI听觉单元 |
音频芯片：采用SSS1629音频芯片； 麦克风：板载两个高质量MEMS硅麦克风； 接口：标准3.5mm耳机接口、双通道喇叭接口； |
采用USB接口设计，免驱动，多系统兼容，可左右声道录音，音质更加。可以完成AI听觉类实验。 |
| 传感器实验模块 |
传感器实验模块将Jetson nano的GPIO接口引出，方便完成GPIO实验，并且包含以下实验课程：双色LED、 继电器、 轻触开关按键、U 型光电传感器、模数转换、PS2 操纵杆、电位器、模拟霍尔传感器、光敏传感器、火焰报警、气体传感器、触摸开关、超声波传感器距离检测、旋转编码器、红外避障传感器、气压传感器、陀螺仪加速度传感器、循迹传感器、直流电机风扇模块、步进电机驱动模块； |
传感器实验模块可以更好的帮助学习者更加快速的入门Jetson nano的GPIO控制，从基础入手，完成实验项目。同时引出的GPIO和可移动的模块也使我们后续的使用和开发更加方便。 |
| 显示屏 | 10寸显示屏，HDMI接口，1080P分辨率。 | 显示屏倾斜安装，倾斜角度大于5°。用于操作系统显示。 |
| 键盘鼠标 | 干电池供电，无线蓝牙连接。 | 用于系统控制。 |
五、AI人工智能课程
AI人工智能实验箱在设计时，考虑到不同基础学习者的需求，力求使用更易理解的学习方式传递更加详细的知识。本实验平台对各类使用者均有一定的学习帮助，特别是在在校大学生和研究生，能够帮助学生从初学逐渐过渡到深入学习。也可以帮助他们完成毕业设计或者学术论文。在人工智能遍地开花的今天，人工智能在 各个领域都发挥了重要的作用，为产品赋能愈来愈称为各大企业的追求。人工智能早已渗透到计 算机视觉、自动驾驶、自然语言处理、机器人技术、推荐系统、语音识别、航空航天等等领域。
AI人工智能实验箱的学习主要分为两个部分，第一部分为人工智能基础，主要包括：相关数学基础、编程基础、机器学习、深度神经网络、ROS基础与运动学。第二部分主要为实践学习包括：GPIO与传感器、机械臂、AI视觉、AI听觉、物联网。完成学习后，可以充分了解到人工智能最主流的相关应用。
1.相关数学基础
| 教学课程 | 课程内容 |
| 矩阵论 | 标量、向量、矩阵、张量 |
| 矩阵和向量相乘 | |
| 单位矩阵和逆矩阵 | |
| 线性相关和生成子空间 | |
| 范数 | |
| 特殊类型的矩阵和向量 | |
| 迹运算 | |
| Moore-Penrose伪逆 | |
| 概率与信息论 | 随机变量与概率分布 |
| 离散型变量与概率分布律 | |
| 常见的离散型概率分布 | |
| 连续型变量和概率密度函数 | |
| 常见的连续性概率分布 | |
| 联合概率 | |
| 边缘概率 | |
| 条件概率 | |
| 独立性和条件独立性 | |
| 期望、方差和协方差 | |
| 信息论 |
| 教学课程 | 课程内容 |
| 变量与基本数据类型 | 变量 |
| 基本数据类型 | |
| 列表和元组 | 列表 |
| 元组 | |
| 字典与集合 | 字典 |
| 集合 | |
| 类和对象 | 面向对象概述 |
| 类的定义和使用 | |
| 属性 | |
| 继承 | |
| 模块化程序设计 | 函数创建和调用 |
| 参数传递 | |
| 深度学习框架简介 | TensorFlow |
| PyTorch | |
| Caffe/caffe2 | |
| PaddlePaddle | |
| Linux开发环境简介 | Ubuntu操作系统 |
| 常用命令行 |
| 教学课程 | 课程内容 |
| 基本概念 | 训练集、测试集、验证集 |
| 过拟合、欠拟合、泛化 | |
| 学习率、正则化、交叉验证 | |
| K-近邻算法 | 基本概念 |
| K的选取 | |
| 距离的度量 | |
| 支持向量机 | 间隔与支持向量 |
| 对偶问题 | |
| 核函数 | |
| 软间隔与正则化 | |
| K-均值聚类 | K-均值聚类 |
| 决策树和随机森林 | 决策树的基本概念 |
| 选择最佳划分标准 | |
| 随机森林 | |
| 神经网络 | 神经元模型 |
| 感知器 | |
| 多层感知器 | |
| 经验风险和结构风险 | |
| 梯度下降和反向传播 | |
| RBF网络 | |
| 超限学习机 | |
| 神经网络训练技巧 |
| 教学课程 | 课程内容 |
| 人工智能 | 人工智能、机器学习与深度学习 |
| 深度学习 | 深度学习的发展历程 |
| 卷积神经网络 | 发展历程 |
| 基本结构 | |
| 前馈运算与反向传播 | |
| 相关性质 | |
| 卷积神经网络变种 | |
| 常用卷积神经网络模型 | |
| 循环神经网络 | 循环神经网络简介 |
| 长短时记忆网络神经 | |
| 循环神经网络的变体 | |
| 生成对抗网络 | 生成对抗网络简介 |
| 生成对抗网络基本结构 | |
| 生成对抗网络变种 |
| 实验课程 | 课程内容 |
| ROS基础与运动学 | ROS基础课程 |
| ROS创建工程项目 | |
| 自定义消息 | |
| Server通讯 | |
| 机械臂URDF模型 | |
| 机械臂运动学正反解 | |
| MoveIt配置 | |
| 智能串行总线舵机 | |
| PC上位机控制 | |
| 机械臂自定义学习动作组 | |
| 机械臂关节弧度及末端姿态控制 | |
| 机械臂工作区域内抓取、搬运 | |
| 6自由度逆运动学控制 |
| 实验课程 | 课程内容 |
| Jetson nano GPIO课程 | 双色LED控制 |
| 电位器检测 | |
| 继电器控制 | |
| 轻触开关按键 | |
| PCF8591模数转换 | |
| PS2操纵杆 | |
| 触摸开关控制 | |
| 直流电机风扇 | |
| 步进电机驱动 | |
| 传感器实验课程 | 模拟霍尔传感器 |
| 模拟温度传感器 | |
| 火焰报警 | |
| 烟雾传感器 | |
| 超声波传感器距离检测 | |
| 旋转编码器 | |
| 红外避障传感器 | |
| BMP180气压传感器 | |
| MPU6050陀螺仪加速度传感器 | |
| 循迹传感器 |
| 实验课程 | 课程内容 |
| 机械臂基础课程 | 用户按键控制 |
| 蜂鸣器控制实验 | |
| OLED控制实验 | |
| 控制单个舵机 | |
| 同时控制6个舵机动作 | |
| 读取舵机当前位置 | |
| 机械臂关节标定实践 | |
| 机械臂关节弧度及末端姿态控制 | |
| 机械臂舞蹈表演 | |
| 机械臂搬运色块实践 | |
| 机械臂搬运码垛色块实践 | |
| 机械臂抓取工作区域九点标定 | |
| 机械臂抓取工作区域物块测试 |
| 实验课程 | 课程内容 |
| AI视觉开发课程 | 安装和使用Matplotlib、Pyplot 和 Numpy |
| 在OpenCV中运行摄像头 | |
| JetCam库中测试USB摄像头 | |
| OpenCV读取、写入和显示图像 | |
| OpenCV读取、显示和保存视频 | |
| OpenCV绘图函数使用 | |
| OpenCV图像质量和像素操作 | |
| OpenCV图片剪切 | |
| OpenCV图片平移 | |
| OpenCV图片镜像 | |
| OpenCV仿射变换 | |
| OpenCV图片缩放 | |
| OpenCV图片旋转 | |
| OpenCV图片处理 | |
| OpenCV灰度处理 | |
| OpenCV图像美化 | |
| OpenCV边缘检测 | |
| OpenCV二值化处理 | |
| OpenCV矩形圆形绘制 | |
| OpenCV文字图片处理 | |
| OpenCV线段绘制 | |
| OpenCV彩色图片直方图 | |
| OpenCV直方图均衡画 | |
| OpenCV图片修补 | |
| OpenCV亮度增强 | |
| OpenCV高斯均值滤波 | |
| OpenCV磨皮美白 | |
| OpenCV中值滤波 | |
| AI视觉与机械臂综合课程 | 颜色检测 |
| 脸部和眼睛检测 | |
| 行人检测 | |
| 汽车检测 | |
| 车牌检测 | |
| 目标追踪 | |
| 定位物体实时位置 | |
| 摄像头机械臂物体追踪 | |
| 摄像头机械臂人脸追踪 | |
| 色块抓取分拣实验 | |
| 摄像头ArucoTag识别抓取实验 | |
| AI人工智能机械臂与主人互动实践 | |
| AI人工智能机械臂手势识别抓取指定色块进行码垛 | |
| AI人工智能机械臂垃圾分类实践 | |
| 嵌入式视觉应用 | 图像分类 |
| 物体检测 | |
| 语义分割 | |
| 目标检测 | |
| 人体姿态动作识别 | |
| 背景移除 | |
| 单眼深度图 |
| 实验课程 | 课程内容 |
| AI听觉领域前沿算法 | 连接时序分类模型 |
| Attention模型 | |
| 基于HMM的语音识别 | |
| Transformer | |
| AI听觉综合实战 | AI听觉领域前沿算法 |
| 在线语音合成 | |
| 语音听写流式 | |
| 图灵机器人 | |
| AIUI | |
| VAD端点检测 | |
| 小薇机器人语音对话 | |
| Snowboy语音唤醒 | |
| 语音情感识别 | |
| 基于 Kaldi 的语音识别实践 |