|
|||||||
|
|||||||
|
||||||
|
||||||
|
|||||||||
|
|||||||||
|
|||
|
|||
|
|||||||||||||
|
|||||||||||||
|
|||||||||
|
|||||||||
|
||
|
||
|
|||||
|
|||||
|
||
|
||
|
|||
|
|||
|
|||
|
|||
上海中人專業(yè)提供ZRRGZN-01人工智能綜合平臺(tái),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(tái)，并為您提供專業(yè)的解決方案。教學(xué)設(shè)備可以解決教師教學(xué)缺少平臺(tái)，學(xué)生缺少實(shí)操經(jīng)驗(yàn)的難題。ZRRGZN-01人工智能綜合平臺(tái)，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(shí)物為準(zhǔn).
本文關(guān)鍵詞：ZRRGZN-01人工智能綜合平臺(tái)ZRRGZN-01人工智能綜合平臺(tái)
參考圖片
一、產(chǎn)品結(jié)構(gòu)組成
系統(tǒng)包含六自由度機(jī)械臂、寬動(dòng)態(tài)AI視覺攝像頭、Jetson Nano邊緣處理終端17.3寸邊緣計(jì)算顯示單元、機(jī)器視覺場(chǎng)景應(yīng)用資源包、可模擬人工智能典型應(yīng)用場(chǎng)景，實(shí)現(xiàn)人工智能應(yīng)用技術(shù)教學(xué)實(shí)驗(yàn)。
教學(xué)平臺(tái)系統(tǒng)預(yù)裝Ubuntu18.04操作系統(tǒng)，所有環(huán)境代碼庫文件均已安裝，開機(jī)即用�；诙嗑S度學(xué)習(xí)實(shí)踐平臺(tái)，由淺入深循序漸進(jìn)，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(shí)驗(yàn)項(xiàng)目再進(jìn)入OpenCVPyTorch、ROS系統(tǒng)，機(jī)器運(yùn)動(dòng)學(xué)，AI機(jī)器視覺，AI語音識(shí)別聽覺等學(xué)習(xí)，從而學(xué)會(huì)AI人工智能開發(fā)。
所提供的算法源代碼（包括人臉檢測(cè)、車牌識(shí)別、垃圾分類、目標(biāo)檢測(cè)），兼容Caffe/TensorFlow/MXNet訓(xùn)練模型和API，可以讓學(xué)生對(duì)機(jī)器視覺的流程、處理方式等有更好的了解，熟悉相關(guān)算法，了解實(shí)際應(yīng)用場(chǎng)景，貼近工程化應(yīng)用。
1、JetsonNano邊緣計(jì)算平臺(tái)
NVIDIA Jetson Nano是一個(gè)小巧卻功能強(qiáng)大的計(jì)算機(jī)，它可以讓你并行運(yùn)行多個(gè)神經(jīng)網(wǎng)絡(luò)、對(duì)象檢測(cè)、分割和語音處理等應(yīng)用程序,Jetson Nano搭載四核cortex-A57處理器，128核MaxwellGPU及4GB LPDDR內(nèi)存，帶來足夠的AI計(jì)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
2、機(jī)器視覺(機(jī)器臂)
視覺機(jī)械臂以Jetson nano為主控，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。攝像頭與機(jī)械臂機(jī)身一體式設(shè)計(jì)，“手眼合一”的視覺識(shí)別讓機(jī)械臂顯得更加靈動(dòng)，它不僅可以實(shí)現(xiàn)顏色識(shí)別追蹤與抓取，還能人體特征識(shí)別互動(dòng)，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(jiǎn)化了6自由度串行總線舵機(jī)復(fù)雜運(yùn)動(dòng)控制。
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�。�3.0μm*3.0μm;寬動(dòng)態(tài)范圍：96DB;自動(dòng)控制：飽和度，對(duì)比度，銳度，白平衡，曝光。
機(jī)械臂：Cortex-M3內(nèi)核的處理器控制板，自由度桌面式機(jī)械臂，大功率串行總線智能舵機(jī)，臂展350mm，負(fù)載≥300g，帶夾爪，陽極氧化處理鋁合金機(jī)身，主要用于工業(yè)機(jī)械臂的控制。支持python編程，可靈活和精準(zhǔn)調(diào)節(jié)每一關(guān)節(jié)角度和位置；支持PC上位機(jī)、手機(jī)APP、USB游戲手柄控制；
3、語音識(shí)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(jì)的，模塊聲音識(shí)別靈敏度、信噪比都比較高，可應(yīng)用于聲源定位、語音識(shí)別、波束成型等需求場(chǎng)合。
1. :RISC-V Dual Core 64bit,with內(nèi)核,主頻400MHz,8M Byte,內(nèi)置語音識(shí)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(gè)MSM261S4030H0組成陣列（聲壓級(jí):140 dB SPL，靈敏度:-26，信噪比: 57dB，THD<1%，時(shí)鐘頻率:1.0-4.0MHz正常模式，150-800kHz低功耗模式）
2.燈光:12個(gè)LED通過雙信號(hào)線級(jí)聯(lián)（顏色和亮度可調(diào))
3.支持聲源定位、語音導(dǎo)航、語音交互、離線語音識(shí)別。
4、激光雷達(dá)
相較于傳統(tǒng)技術(shù)，利用紅外激光設(shè)備可實(shí)現(xiàn)超大屏幕的多點(diǎn)觸摸，其反應(yīng)更快、精度更高、抗環(huán)境光能力更強(qiáng)。激光雷達(dá)作為核心傳感器，可快速獲得環(huán)境輪廓信息，配合SLAMWARE使用，可以幫助機(jī)器人實(shí)現(xiàn)自主構(gòu)建地圖、實(shí)時(shí)路徑規(guī)劃與自動(dòng)避開障礙物。應(yīng)用領(lǐng)域智能掃地機(jī)、家用機(jī)器人。
測(cè)量半徑：12米，測(cè)量頻率：8000次/秒，掃描頻率：5.5HZ，360度掃描測(cè)距
工程應(yīng)用方向
1. 計(jì)算機(jī)視覺基礎(chǔ)應(yīng)用與機(jī)械臂的運(yùn)動(dòng)控制
（1）視覺定位：放置任意物體在視野中，在圖像中將其分割（框出來），并輸出中心點(diǎn)坐標(biāo)；
（2）顏色識(shí)別和分選：多種顏色混合放置于視野中，每種顏色各一個(gè)，控制手臂挑選出某種顏色，并放置在一側(cè)；
（3）顏色識(shí)別和堆疊：多種顏色混合放置于視野中，如兩種，每種顏色兩個(gè)，控制手臂抓取某種顏色并堆疊，或多顏色分別堆疊；
（4）形狀識(shí)別和分選：多種形狀混合放置于視野中，每種形狀各個(gè)，控制手臂挑選出某種形狀，并放置在一側(cè)；
（5）形狀識(shí)別和堆疊：多種形狀混合放置于視野中，如兩種，每種形狀兩個(gè)，控制手臂抓取某種形狀并堆疊，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，放置三種不同尺寸的物體于視野中，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(shí)按形狀和大小堆疊：三種形狀，每種形狀放置三種不同尺寸的物體于視野中，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(gè)堆垛，均為從大到�。�
（8）垃圾分類：在目標(biāo)上貼上不同物體的圖案，如白菜、標(biāo)識(shí)為有毒物品的玻璃瓶、紙箱，混合放置于視野中，通過配置，控制機(jī)械臂按照廚余垃圾、有害垃圾、可回收垃圾進(jìn)行分類；
（9）手勢(shì)交互：比如伸出1、2、3、4個(gè)手指，機(jī)械臂分別執(zhí)行向上、向下、向左、向右運(yùn)動(dòng)，伸出5個(gè)手指，則畫一個(gè)圓；
（10）目標(biāo)跟蹤：操作者手持一個(gè)小球，機(jī)械臂識(shí)別該小球（形狀或顏色），并隨著小球的移動(dòng)而移動(dòng)；
（11）OCR光學(xué)字符識(shí)別與排序：目標(biāo)上貼上字符，亂序擺放（可要求字符必須朝同一個(gè)方向，但順序是亂的），機(jī)械臂通過視覺識(shí)別，將其按照123456的順序擺放到指定位置
2.計(jì)算機(jī)視覺與人臉識(shí)別、車牌識(shí)別等應(yīng)用
（1）人臉識(shí)別：事先錄入人臉，對(duì)新的人臉進(jìn)行識(shí)別，識(shí)別成功彈出人員的信息，識(shí)別不到則提示該人員不在系統(tǒng)中；
（2）人臉門禁：識(shí)別到人臉后，打開門禁系統(tǒng)，同時(shí)綠色指示燈亮起，識(shí)別不到，黃色指示燈亮起，提示無該人員信息；
（3）人員入侵預(yù)警：同上。同一人臉連續(xù)識(shí)別超過 3 次，且均顯示不在系統(tǒng)中，紅燈亮起，同時(shí)蜂鳴器報(bào)警；
（4）車牌識(shí)別：事先錄入車牌，對(duì)新的車牌進(jìn)行識(shí)別，識(shí)別成功彈出車主信息，同時(shí)綠色指示燈亮起，識(shí)別不到則黃色燈亮起，并提示該車輛不在系統(tǒng)中；
（5）車輛入侵預(yù)警：同上。同一車牌連續(xù)識(shí)別超過 3 次，且均顯示不在系統(tǒng)中，紅燈亮起，同時(shí)蜂鳴器報(bào)警；
（6）運(yùn)動(dòng)目標(biāo)識(shí)別與跟蹤：采用視頻實(shí)時(shí)識(shí)別的方式，對(duì)視野中的一個(gè)或多個(gè)人員進(jìn)行識(shí)別，框出來，標(biāo)記識(shí)別到的人員數(shù)量，并隨著人員的移動(dòng)進(jìn)行跟蹤；
3.語音識(shí)別與智能家居系統(tǒng)
（1）智能門禁控制：預(yù)先對(duì)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，實(shí)現(xiàn)如發(fā)出“開門”的指令，門禁系統(tǒng)自動(dòng)打開的動(dòng)作；
（2）智能燈光控制：預(yù)先對(duì)語音進(jìn)行標(biāo)記，通過配置語音指令和燈光控制算法，實(shí)現(xiàn)如發(fā)出“開燈”的指令，燈光自動(dòng)打開的動(dòng)作；
（3）智能風(fēng)扇控制：預(yù)先對(duì)語音進(jìn)行標(biāo)記，通過配置語音指令和風(fēng)扇控制算法，實(shí)現(xiàn)如發(fā)出“打開風(fēng)扇”的指令，風(fēng)扇自動(dòng)開啟的動(dòng)作；
（4）智能溫濕度檢測(cè)：預(yù)先對(duì)語音進(jìn)行標(biāo)記，通過配置語音指令和溫濕度傳感器控制算法，實(shí)現(xiàn)如發(fā)出“今天的溫度是多少”的指令，傳感器自動(dòng)開啟并在屏幕上顯示當(dāng)前環(huán)境溫濕度的動(dòng)作。
配套實(shí)驗(yàn)內(nèi)容
Python基礎(chǔ)部分實(shí)驗(yàn)
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(jí)
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(chǔ)
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(duì)象
9.1 Python對(duì)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(shí)驗(yàn)
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(gè)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(jì)基礎(chǔ)
4.1 單窗口屬性與設(shè)置
4.2 信號(hào)與槽
4.3 多窗口設(shè)計(jì)
第五章 PyQt5常用控件設(shè)計(jì)
5.1 文本類開發(fā)（Label、TextEdit、SpinBox）
5.2 按鈕類開發(fā)（PushButton、CheckBox）
5.3 日期時(shí)間類（Data/TimeEdit）
5.4 進(jìn)度條類（ProgressBar）
5.5 對(duì)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(shí)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(shí)驗(yàn)
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(jiǎn)介
1.1.2 機(jī)器視覺發(fā)展
1.2 OpenCV介紹
1.2.1 OpenCV簡(jiǎn)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?cái)嚅撝堤幚?/span>
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?yàn)V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(cè)
14.1 Canny邊緣檢測(cè)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(jì)算輪廓面積
15.2.2 計(jì)算輪廓長(zhǎng)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(shí)現(xiàn)傅里葉變換
17.2 Numpy實(shí)現(xiàn)逆傅里葉變換
17.3 OpenCV實(shí)現(xiàn)傅里葉變換
17.4 OpenCV實(shí)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(shí)別
第二十一章 OpenCV顏色檢測(cè)
第二十二章 OpenCV面部、眼睛檢測(cè)
第二十三章 OpenCV汽車和行人檢測(cè)
第二十四章 OpenCV手寫數(shù)字識(shí)別
深度學(xué)習(xí)部分實(shí)驗(yàn)
第一章 深度學(xué)習(xí)發(fā)展簡(jiǎn)史
1.1 人工智能簡(jiǎn)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(jiǎn)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(shí)驗(yàn)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(jiǎn)介
第三章 TensorFlow 基礎(chǔ)部分
3.1 張量創(chuàng)建實(shí)驗(yàn)
3.2 張量運(yùn)算實(shí)驗(yàn)
3.3 張量維度變換實(shí)驗(yàn)
第四章 線性回歸
4.1 一元線性回歸實(shí)驗(yàn)
4.2 多元線性回歸實(shí)驗(yàn)
4.3 波士頓房?jī)r(jià)預(yù)測(cè)實(shí)驗(yàn)
第五章 邏輯回歸
5.1 一元邏輯回歸實(shí)驗(yàn)
5.2 多元回歸實(shí)驗(yàn)
5.3 實(shí)戰(zhàn)鳶尾花分類實(shí)驗(yàn)
第六章 人工神經(jīng)網(wǎng)絡(luò)
6.1 單層神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)
6.2 多層神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)
6.3 模型保存或加載實(shí)驗(yàn)
第七章 卷積神經(jīng)網(wǎng)絡(luò)
7.1 卷積操作實(shí)驗(yàn)
7.2 卷積神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)
7.3 數(shù)據(jù)預(yù)處理實(shí)驗(yàn)
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(shí)驗(yàn)
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(shí)驗(yàn)
9.3 文本生成實(shí)驗(yàn)
第十章 人工智能綜合實(shí)驗(yàn)
10.1 人臉識(shí)別實(shí)驗(yàn)
10.2 口罩檢測(cè)實(shí)驗(yàn)
10.3 水果識(shí)別實(shí)驗(yàn)
麥克風(fēng)陣列部分實(shí)驗(yàn)
1. 聲源定位實(shí)驗(yàn)
2. 音頻可視化實(shí)驗(yàn)
3. 語音識(shí)別實(shí)驗(yàn)
機(jī)械臂部分實(shí)驗(yàn)
基礎(chǔ)實(shí)驗(yàn)
1.控制RGB燈
2.控制蜂鳴器
3.控制單個(gè)舵機(jī)
4.讀取舵機(jī)當(dāng)前的位置
5.一次控制6個(gè)舵機(jī)
6.機(jī)械臂上下左右擺動(dòng)
7.機(jī)械臂跳舞
8.機(jī)械臂記憶動(dòng)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(shí)驗(yàn)
1.顏色校準(zhǔn)
2.顏色識(shí)別抓取積木
3.顏色分揀與堆疊
4.垃圾分揀
5.目標(biāo)追蹤
