AI实验箱，AI人工智能实验箱
2024-11-22 08:36
DB-SD23 AI人工智能实验箱
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。
2. 软硬结合，实践为王
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。
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
2.编程基础
3.机器学习
4.深度神经网络
5.机器运动学与ROS机器人
6.GPIO、传感器基础课程
7.机械臂课程
8.AI视觉课程
9.AI听觉课程
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 |
