人工智能专业一体化教学与实训解决方案

一、方案概述

本方案面向人工智能专业 人才培养需求，以"硬件为基、软件为核、资源为魂、教学为纲"为设计理念，融合边缘计算、机器视觉、自然语言处理、物联网、大模型、虚拟仿真、云计算等核心技术，构建"硬件实训平台+软件教学平台+课程资源体系+行业应用实践 "四位一体的人工智能专业教学解决方案。

方案覆盖人工智能专业从基础入门、核心技能实训、综合项目开发到行业应用落地的全流程教学场景，满足中职、高职、本科不同层次人工智能专业的课程教学、实验实训、技能竞赛、科研创新、就业赋能需求，助力院校打造标准化、系统化、实战化的人工智能专业人才培养体系。

二、方案设计理念与建设目标

2.1 设计理念

岗课赛证融通 ：对接人工智能产业岗位需求，融合课程标准、技能竞赛、职业等级证书考核要求。

虚实结合 ：实体硬件实操+虚拟仿真训练，降低教学成本与设备损耗，提升实训安全性。

软硬一体 ：硬件设备预装开发环境与实训案例，软件平台支撑全流程教学管理，无缝衔接。

分层递进 ：从基础编程、算法原理到模型训练、行业应用，循序渐进培养学生能力。

产教融合 ：引入真实行业项目与数据集，贴合企业实际开发流程，提升学生就业竞争力。

2.2 建设目标

搭建覆盖人工智能全技术栈的硬件实训环境 ，满足核心课程实验与综合实训需求。
构建一站式人工智能教学与实训软件平台 ，实现教、学、练、测、评全流程数字化管理。
配套完整的人工智能专业课程资源体系 ，覆盖专业核心课程与实训项目。
打造科研创新与行业应用实践平台 ，支撑师生科研、技能竞赛与项目开发。
形成可复制、可扩展的人工智能专业人才培养模式，输出符合产业需求的技术技能人才。

三、整体架构设计

本方案整体采用**"云-边-端"三层架构** ，结合硬件实训层、软件平台层、课程资源层、教学应用层四大模块，实现硬件互联互通、软件统一管理、资源按需调用、教学高效开展。

端侧（硬件实训层） ：人工智能实训装置、视觉/语音实训平台、机械臂实验箱、无人驾驶小车、物体识别桌等实体硬件，承载实操实训。
边缘层（本地部署层） ：边缘计算网关、AI实训服务器，提供本地算力支撑与数据处理。
云层（软件平台层） ：数字教学平台、人工智能实训平台、大数据/云计算平台、数据标注系统，实现云端管理与远程实训。
应用层（教学与实践层） ：基础教学、核心实训、综合项目、技能竞赛、科研创新、岗课赛证融合应用

四、硬件实训平台建设

硬件实训平台是人工智能专业实操教学的核心载体，覆盖基础感知、视觉处理、语音交互、智能控制、大模型部署、无人驾驶、物体识别 七大实训方向，所有硬件一体化设计、预装开发环境、配套实训案例，即开即用。

4.1 人工智能实训装置 ( AIoT一体化实训平台 )

本装置是面向中高职人工智能技术服务、物联网应用技术、嵌入式技术等电子信息类专业研发的端边协同AIoT一体化实训平台，以边缘计算异构算力+物联网无线通信+深度学习模型部署为核心技术架构，采用软硬件解耦、模块化集成设计。装置搭载RK3399Pro高性能边缘计算网关，内置专用NPU神经网络处理器，支持主流深度学习框架模型的本地训练、转换与推理；搭配ESP32无线终端节点与工业级感知执行套件，通过图形化编程与代码开发双模式，实现AI算法与物联网硬件的全链路联动。

产品内置Linux嵌入式系统、完整AI开发环境、离线算法模型与教学资源栈，无需依赖服务器与外网环境，即可完成人工智能基础编程、计算

机视觉、语音识别、模型部署、端边协同控制等全流程技术实训，完美适配职业教育理实一体化、产教融合、岗课赛证人才培养需求，解决院校AI专业建设中算力不足、环境搭建复杂、实训场景脱节、设备复用率低等核心痛点。

异构边缘计算架构，本地AI算力原生支撑

采用ARM多核CPU+独立GPU+专用NPU三芯异构计算架构，NPU支持8bit/16bit定点运算，可高效完成卷积神经网络、循环神经网络等深度学习模型的本地推理与轻量化训练，摆脱对云端服务器的算力依赖，实现边缘端AI全流程开发。

跨框架模型兼容与转换，跨平台部署无壁垒

原生支持TensorFlow、PyTorch、Caffe、Mxnet等主流深度学习框架，内置模型转换引擎，可将X86架构下生成的模型文件转化为ARM64边缘端可执行格式，解决AI模型跨硬件平台部署的技术难题，实现训练-转换-部署-推理全链路技术闭环。

端边协同通信技术，AIoT全链路无缝打通

基于TCP/IP、MQTT、Socket、WiFi等多协议融合通信技术，构建边缘计算网关（边）+无线终端节点（端）两级协同网络，实现AI推理结果的低延迟下发、终端状态实时回传，完成视觉识别、语音交互对物联网执行器的智能控制，还原真实工业AIoT应用逻辑。

双模式开发体系，兼顾零基础教学与高阶开发

创新采用Blockly图形化编程+MicroPython代码开发双模式，图形化模块封装底层硬件驱动与通信逻辑，零基础师生可拖拽实现AIoT联动；代码模式支持函数开发、仿真调试与源码读写，满足高阶实训与竞赛开发需求。

软硬件模块化解耦设计，多专业复用扩展

硬件采用标准化直插接口与模块化拆分设计，核心计算、感知、执行、扩展单元可自由组合，一套设备兼容人工智能、物联网、嵌入式三大专业实训场景；软件支持插件化扩展，可外接新增传感器与执行器，适配技术迭代与实训内容升级。

离线AI算法栈内置，教学场景不受限

预集成离线计算机视觉、语音识别、生成式对话模型，无需外网即可完成人脸识别、目标检测、语音合成、智能问答等实训，支持算法调用、二次开发与参数调优，适配无网络实训室教学与移动实训场景。

一站式开发环境，开箱即用免配置

内置Linux嵌入式系统、Python3.6+、QT/PYQT5可视化环境，预装OpenCV、SciPy等AI开发依赖库，提供系统还原镜像，开机即可进入实训开发状态，省去复杂环境部署与故障排查，提升教学效率。

工业级实训设计，贴合职教实操标准

实训工位集成路由交换、电源管理、硬件防护功能，接口采用工业级直插设计，无线终端与执行器支持热插拔与重复使用，符合职业院校高频实训、设备移动、多人操作的使用场景，兼顾教学便捷性与设备耐用性。

边缘计算网关（AI核心控制器）

聚焦边缘AI异构计算核心技术方向，构建高性能专用计算平台，集成专用神经网络处理器（NPU），核心围绕深度学习任务进行专项优化，能够高效并行处理卷积、池化、激活等各类神经网络运算，可独立完成边缘端本地AI模型的推理与轻量化训练，彻底摆脱对云端算力的依赖，有效解决云端延迟、网络依赖等实训痛点。作为整个实训装置的"AI大脑"，其核心技术方向集中在四大核心能力的协同突破：一是AI模型本地实时推理，确保实训过程中AI任务的快速响应与高效执行；二是多源感知数据预处理与解析，实现各类传感器、终端设备数据的精准处理与有效提取；三是多通信协议互联互通，打破不同设备间的通信壁垒，实现数据无缝传输；四是终端设备与执行器协同调度，构建指令下发、状态回传的闭环控制体系，保障整个实训系统的稳定、高效运行，为全流程AI实训提供坚实的算力支撑与核心控制保障。

无线终端节点（端边协同终端）

以端边协同通信技术为核心发展方向，承担起边缘计算网关与终端执行器之间的数据交互、指令传输的关键枢纽职能，核心聚焦无线通信稳定性提升、多模式指令解析效率优化两大核心目标。设备底层深度封装硬件驱动与各类通信协议核心逻辑，无需师生进行复杂的底层开发工作，同时支持图形化编程与代码开发双模式，兼顾不同基础学习者的使用需求，可快速实现AI指令的精准接收、终端运行状态的实时采集，以及各类执行器的联动控制。其核心技术围绕低功耗无线通信、端边数据高速交互两大维度展开，高效衔接边缘AI算力层与终端执行层，为AIoT全链路联动实训提供稳定、可靠的通信支撑，助力学习者掌握端边协同的核心技术逻辑。

节点扩展底板（硬件扩展载体）

采用标准化模块化设计，集成OLED显示驱动电路、按键中断处理电路、蜂鸣器控制电路三大核心电路，为无线终端节点与各类执行器提供即插即用的硬件连接与信号转换解决方案。其标准化直插接口严格遵循工业接口规范，可直接对接无线终端节点与执行器，无需额外接线调试，大幅简化硬件部署流程。同时，该底板具备信号隔离与放大功能，可有效过滤干扰信号，保障数据传输的稳定性，还能实时反馈设备运行状态，为师生实训过程中的硬件调试提供直观支撑，降低硬件操作门槛。

高清电容触控显示屏

以人机交互一体化技术为核心发展方向，深度整合高精度触控交互与高清可视化显示技术，实现AI实训过程中的操作交互与成果展示双重核心功能，打造便捷、直观的人机交互体验。核心技术聚焦三大维度优化：一是触控响应速度与精度优化，确保操作的流畅性与准确性，适配实训过程中的界面拖拽、参数设置、指令下发等多样化操作需求；二是多信号适配技术，可灵活对接边缘计算网关与外部计算机设备，实现多类型信号的稳定输入与输出；三是可视化界面开发支持，内置标准化可视化运行环境，支持师生根据实训需求自定义界面布局与功能，可清晰呈现AI算法运行效果、实训流程步骤与各类实训数据，同时提供便捷的操作交互入口，无缝衔接人机交互与AI实训全流程，提升实训教学的效率与直观性。

工业级AI视觉摄像头

核心技术方向围绕多源数据采集与预处理展开，聚焦视觉与音频数据的高质量采集，同时内置专业的数据预处理算法，为各类AI实训提供标准化、高质量的数据源支撑，是计算机视觉、语音识别等核心实训项目的基础保障。核心技术集中在三大关键领域：一是图像采集优化技术，确保采集图像的清晰度、流畅性，满足AI视觉识别实训的核心需求；二是音频拾音与降噪技术，实现全向、清晰的音频采集，有效过滤环境噪音，保障语音识别实训的准确性；三是数据预处理优化技术，可完成图像降噪、灰度化、尺寸归一化，以及音频信号净化、特征提取等操作，大幅减少后续AI算法训练与推理的计算量，高效衔接数据采集与AI算法应用的核心环节，为各类AI实训的顺利开展提供坚实的数据支撑。

RGB三色灯执行器

以AI指令可视化反馈技术为核心方向，通过精准的电平驱动与色彩调节技术，将抽象的AI识别结果、设备运行状态等信息，转化为直观、易懂的灯光状态反馈，让AI实训成果可看、可感，助力学习者快速理解AI与硬件联动的核心逻辑。核心技术聚焦两大核心要点：一是多色彩精准控制技术，可实现RGB三色的灵活混色与亮度无级调节，呈现丰富的灯光效果；二是AI指令快速响应技术，能够精准接收边缘网关下发的AI指令，快速完成灯光状态切换，适配智能家居、智能监控等多种AIoT实训场景。作为终端执行层的关键设备，无缝衔接AI推理结果与终端执行反馈环节，既提升了实训的趣味性，也为实训效果的直观呈现提供了有力支撑。

级联点阵显示设备

核心技术方向聚焦AI识别结果的文字化展示，围绕串行通信驱动与字符显示优化两大核心，通过专用驱动芯片与高速串行通信协议，实现AI指令与文字信息的高效转化、稳定传输与清晰显示，为实训成果展示、指令反馈提供直观、可靠的文字载体。核心技术集中在三大关键领域：一是高速串行通信技术，保障数据传输的速度与稳定性，确保文字显示的流畅性；二是字符取模转码技术，支持汉字与各类字符的精准转化与清晰显示，满足不同实训场景的展示需求；三是显示稳定性优化技术，有效避免显示卡顿、模糊等问题，确保实训过程中文字信息的清晰呈现。该设备无缝衔接AI推理与成果可视化呈现环节，方便师生快速查看实训效果、确认指令执行状态，提升实训教学的便捷性。

智能语音播放设备

以AI交互语音化反馈技术为核心发展方向，聚焦文本转语音合成技术的优化升级，可将AI交互结果、实训操作提示、识别信息等各类文本内容，转化为清晰、自然的语音播报，丰富AI实训的交互形式，提升实训体验。核心技术围绕三大维度展开：一是多编码格式兼容技术，全面适配各类文本编码格式，确保文本信息的精准转化；二是语音合成音质优化技术，提升语音播报的清晰度与自然度，保障实训过程中语音信息的有效传递；三是AI指令精准触发展开，可快速接收边缘网关或无线终端下发的AI指令，实时完成语音播报，无需额外外接发声设备，部署便捷。该设备无缝衔接AI推理结果与多模态人机交互环节，为语音合成、AI交互等相关实训提供核心支撑，助力学习者掌握多模态交互的核心技术。

继电器与直流风扇

核心技术方向围绕AI指令驱动的工业级控制展开，聚焦低压控制高压、转速无级调节两大核心能力，精准模拟家电控制、工业设备控制等真实应用场景，为嵌入式、工业控制等相关专业的实训提供贴合岗位实际的技术支撑。其中，继电器模块核心突破光电隔离控制技术，实现控制端与负载端的电气隔离，有效避免高压电路对控制电路的干扰，保障控制过程的安全性与稳定性，可精准实现低压控制信号对高压电路的通断控制；直流风扇模块聚焦调速技术优化，通过精准的调速控制，实现转速的无级调节，可模拟智能通风、温度调节等实际场景。两者均可精准接收边缘网关下发的AI控制指令，与AI算法无缝联动，无缝衔接AI控制与工业级实操实训，助力学习者快速掌握工业控制的核心逻辑与实操技能，提升岗位适配能力。

4.2人工智能实训装置（ AIoT综合教学实训平台）

该款人工智能实训装置是一款面向人工智能、嵌入式系统、物联网与工业机器人应用领域的一体化AIoT综合教学实训平台，以标准化实验箱为载体，深度融合人工智能技术、嵌入式系统技术、工业机械臂应用技术、物联网技术四大核心技术，通过阶梯式基础实验与综合项目案例，构建从AI基础入门到工程应用落地的全流程实践教学体系。

装置采用模块化一体化集成设计，将10寸及以上高清多点电容触摸屏、QWERTY全键盘、高性能嵌入式AI运算单元、嵌入式AI实时控制单元、多类型传感器执行器、RFID识别模块高度整合于箱内，同时预留工业机械臂专用存放仓位，形成"显示交互---核心算力---实时控制---感知执行---工业应用"五位一体的硬件教学载体，为AI与嵌入式开发、物联网感知、工业机器人操作等多维度实训提供稳定可靠的物理支撑。

平台搭载64位Linux嵌入式操作系统，内置Qt、Python3、TensorFlow、OpenCV等完整AI开发环境，配套基于Blockly的可视化图形编程工具，支持拖拽编程与代码双向互转，大幅降低AI算法开发与硬件编程门槛，满足从基础编程到AI算法实践的全场景教学需求。

平台全面覆盖人工智能基础算法、主流深度学习框架应用、计算机视觉处理、物联网感知控制、工业机械臂视觉货物分拣等核心实训内容，配套完整系统镜像、项目源码与图文实训指导资源，可全面满足高校、职业院校在人工智能、物联网工程、机器人工程、嵌入式技术等相关专业的课程教学、综合实训、创新开发及竞赛备赛需求。

平台以一体化硬件、完善软件生态与系统化实验资源为支撑，实现教学、实训、开发、竞赛多场景覆盖，有效衔接理论教学与工程实践，全面培养学生的人工智能应用能力、嵌入式开发能力、物联网集成能力与工业机器人实操能力，是面向智能技术专业群的高品质综合教学实训装备。

多技术深度融合，构建全维度实训体系

平台创新性融合人工智能、嵌入式系统、工业机械臂、物联网四大核心技术，打破单一技术实训壁垒，打造覆盖AI基础学习---算法开发---硬件控制---工业应用的完整实践链，高度贴合新一代智能技术人才培养需求。

一体化实验箱设计，硬件集成度高

平台采用多箱体单层实验箱结构，配套工业机械臂专用存放箱，将高性能AI运算单元、嵌入式实时控制单元、高清触控显示屏、多类型传感器模块及工业级机械臂等核心硬件高度集成，布局规整紧凑，兼具便携搬运性与教学实用性，系统整体性与稳定性优异，可同时满足课堂集中实训与课外创新开发的双重场景需求。

高性能硬件配置，支撑AI算力需求

平台搭载多核高性能嵌入式AI运算单元，配备大内存与高速存储，支持高清显示与多种外设扩展；搭配高性能嵌入式控制单元与ESP32无线传感节点，兼顾AI算力与实时控制能力，可流畅运行主流深度学习框架与计算机视觉算法。

图形化编程赋能，降低入门学习门槛

平台搭载基于Blockly的可视化图形化编程工具，支持拖拽式逻辑搭建与代码双向互转，内置丰富硬件驱动控件，可自动生成C、Python代码，支持代码联想、在线调试与多硬件程序下载，有效解决编程入门难、底层驱动开发复杂的教学痛点。

丰富实验资源覆盖全学段，教学适用性强

平台提供基础验证实验、AI算法实验、计算机视觉实验、数据分析挖掘实验、工业机械臂应用实训等多层次实验资源，配套图文并茂的实训指导文档，满足基础教学、综合实训、科研创新等不同教学阶段需求。

跨平台一键部署，软硬件兼容性优异

软件平台支持Windows、Linux单机一键运行，无需额外配置环境；硬件兼容Arduino、Micro:bit、ESP32、STM32 等多种主流硬件平台，支持多语言切换与固件烧录，拓展性与复用性强。

工业级硬件选型，贴合工程应用实际

平台配备工业级USB摄像头、6轴可编程工业机械臂、RFID识别模块及多种传感器执行器，硬件设计贴近工业现场应用标准，助力学生掌握工程化开发流程与工业设备应用技能。

平台通过高集成的硬件架构、高性能算力支撑、可视化编程工具及完善的实验资源体系，有效降低技术学习门槛，保障跨平台兼容与工业级应用落地能力。无论是基础教学、综合实训还是科研创新，均可实现一站式交付，为院校、培训机构及创新团队提供高性价比、高扩展性、强实用性的智能教育实训底座。

4.3无人驾驶智能小车实训平台

该款无人驾驶智能小车实训平台是一款面向智能网联汽车、人工智能、机器人工程、自动化等领域的一体化无人驾驶综合教学实训装备，以标准化智能小车为载体，深度融合环境感知技术、嵌入式智能控制技术、ROS 机器人系统技术、线控底盘驱动技术四大核心技术，通过阶梯式基础实验与综合项目案例，构建从无人驾驶基础入门到工程应用落地的全流程实践教学体系。

平台采用模块化一体化集成设计，将高精度激光雷达、实感深度相机、高算力机控服务器、6麦全向麦克风阵列、线控开发汽车底盘高度整合，形成环境感知---智能决策---运动控制---人机交互四位一体的硬件教学载体，为无人驾驶传感器标定、算法开发、底盘控制、智能交互等多维度实训提供稳定可靠的物理支撑。

平台搭载 Ubuntu 18.04 嵌入式开发环境，内置完整的 ROS 机器人系统框架，配套激光雷达、实感深度相机、麦克风阵列、线控底盘专属 ROS 驱动程序，支持传感器数据可视化、节点通信、算法联合调试，大幅降低无人驾驶开发与硬件对接门槛，满足从基础硬件调试到高阶算法实践的全场景教学需求。

平台全面覆盖无人驾驶传感器应用、ROS 系统开发、SLAM 建图定位、路径规划、自主避障、语音交互、线控底盘控制等核心实训内容，配套完整系统镜像、驱动源码与图文实训指导资源，可全面满足高校、职业院校在智能网联汽车、人工智能、机器人工程等相关专业的课程教学、综合实训、创新开发及竞赛备赛需求。

平台以一体化硬件、完善的 ROS 软件生态与系统化实验资源为支撑，实现教学、实训、开发、竞赛多场景覆盖，有效衔接理论教学与工程实践，全面培养学生的无人驾驶感知应用能力、嵌入式开发能力、智能决策算法设计能力与线控底盘控制能力，是面向智能交通与机器人专业群的高品质综合教学实训装备。

多技术深度融合，构建无人驾驶全链路实训体系

平台创新性融合环境感知、嵌入式智能控制、ROS 机器人系统、线控底盘驱动四大核心技术，打破单一技术实训壁垒，打造覆盖无人驾驶基础学习---传感器标定---算法开发---底盘控制---综合应用的完整实践链，高度贴合新一代智能网联汽车与无人驾驶技术人才培养需求。

高性能算力配置，支撑无人驾驶多任务处理

机控服务器搭载4核以上高性能CPU、128核等效 NVIDIA Maxwell 算力 GPU 与 4GB LPDDR4 高速内存，具备充足的 AI 推理、多传感器数据融合与实时决策处理能力，可流畅运行 SLAM 建图、目标检测、路径规划等主流无人驾驶算法，满足复杂场景下的算力需求。

全生态ROS适配，降低开发与调试门槛

平台所有硬件均配套专属 Linux 版 ROS 驱动程序，可将激光雷达点云、深度相机图像、麦克风语音数据、底盘运动控制信号无缝接入 ROS 系统，实现数据可视化、话题通信、节点调试与算法联合调用，无需复杂的底层协议开发，大幅降低无人驾驶开发入门门槛。

丰富接口与扩展能力，适配二次开发需求

机控服务器配备千兆以太网、多路 USB3.0/2.0、双路 MIPI CSI、DP+HDMI 等丰富 I/O 接口，支持 TF 卡外部存储扩展，线控底盘开放转向、驱动、制动、驻车全协议对接，硬件模块化设计便于拆装、调试与功能升级，可满足个性化创新开发与科研项目需求。

工业级安全设计，保障实训稳定运行

各硬件单元均设定合规工作温度区间，深度相机采用 Class 1 激光安全等级，激光雷达、底盘等核心部件供电与功耗参数匹配实训场景长期运行需求，兼顾设备运行稳定性与教学使用安全性，适配实验室与户外实训多环境使用。

跨系统多端兼容，适配多元开发场景

实感深度相机、麦克风阵列兼容 Windows、Linux、MacOS、Android 等多操作系统，机控服务器预装 Ubuntu 18.04 并支持与上位机跨系统通信，可满足不同开发习惯的实训需求，拓展性与复用性强。

4.4人工智能视觉实训平台

人工智能视觉实训平台是面向高校教学、实训与创新实践打造的软硬一体化综合实训系统，聚焦机器视觉、人工智能算法、嵌入式开发与运动控制四大核心方向，深度融合图像采集、视觉处理、目标检测、图像识别、双目视觉、三维重建、AI 模型训练与部署等关键技术，形成完整的视觉 AI 技术链路。

平台以智能小车为载体，搭配多类型视觉传感器与 AI 加速器，实现从算法建模→训练优化→硬件部署→实车验证的全流程闭环，满足从基础实验到综合项目开发的多层次教学与科研需求。

平台采用PC 端建模训练 + 实验平台执行的双端协同架构，以 Python 为核心开发语言，实现 PC 开发与嵌入式开发无缝衔接，大幅降低跨平台开发门槛。硬件层面集成 AI 加速器、多类别摄像头、多维度传感器及运动控制单元；软件配套完整驱动、工程代码、实验数据集与教学文档，兼顾高集成度、易用性与开放性，既能支撑标准化课程实验，也支持学生自主拓展创新项目，有效衔接理论教学与工程实践，是培养机器视觉与嵌入式 AI 工程实践能力的专业实训装备。

全栈AI技术融合，覆盖视觉核心应用场景

平台集成人工智能主流组件，深度融合机器视觉、多传感器感知、电机控制三大技术模块，支持图像采集、视觉处理、目标检测、图像识别、双目测距、三维重建、模型训练与推理等全链路功能，一站式覆盖视觉 AI 核心应用场景。

软硬一体高集成度，支持AI应用快速创新

采用"硬件模组 + 软件系统"一体化设计，集成 AI 加速器、智能小车、多类型视觉传感器与通用外设，开箱即用；配套完善底层驱动与上层应用框架，支持人工智能应用快速搭建、验证与迭代，显著提升创新效率。

传感器丰富，拓展性强，开放兼容

搭载红外夜视、单目高清、双目、深度等多类型摄像头，搭配温湿度、超声波等通用传感器，硬件拓展性强；平台性能强劲、接口开放，可满足绝大多数视觉类实验与综合教学应用需求。

跨端开发无缝衔接，技术栈统一

采用 Python 作为核心开发语言，打通 PC 端与嵌入式端的数据与控制链路，开发环境统一、学习成本低，适配零基础入门到高阶项目开发。

实训体系完善，配套资源齐全

支持25个标准化视觉实训案例，每个项目配套完整实验手册、可直接运行代码、实测数据集；实验手册包含问题提出、方案设计、环境配置、资源清单、实验步骤、代码实现、实验结论，形成规范化、可落地的实训体系。

4.5人工智能语音实训平台

人工智能语音实训平台是面向高校教学、实训与创新实践打造的软硬一体化综合实训系统，聚焦语音信号处理、人工智能算法与嵌入式开发三大核心方向，将语音采集、噪声检测、声源定位、语音识别与合成、AI 模型训练等技术深度融合，形成完整的语音 AI 技术链路。平台以智能小车为载体，搭配专业音频采集设备与 AI 加速器，实现从算法建模到硬件部署的全流程验证，满足从基础实验到综合项目开发的多层次教学需求。

平台采用PC 端建模训练 + 嵌入式端部署执行的双端协同架构，通过 Python 语言实现开发环境无缝衔接，降低跨平台开发门槛。硬件层面集成麦克风阵列、语音识别模块、多类传感器及运动控制单元，软件配套完整驱动、实验代码与实验数据，兼顾高集成度与开放性，既能支撑标准化课程实验，也支持学生自主拓展创新项目，有效衔接理论教学与工程实践。

平台配套20 个标准化实训项目与完整实验手册，覆盖语音采集、信号分析、端点检测、语音增强、LSTM 模型训练、情感分析、声源定位、语音识别与合成等关键技术点。适用于人工智能、电子信息、物联网、自动化等专业的课程实验、综合实训、课程设计与学科竞赛，是培养语音 AI 工程实践能力的专业实训装备。

五、软件教学与实训平台建设

软件平台为人工智能专业教学提供数字化管理、虚拟实训、在线学习、自动评测、科研支撑全流程服务，采用微服务架构，支持公有云/私有云部署，跨设备访问。

本平台是一款专为高校及科研机构打造的人工智能全生命周期管理与教学实训一体化解决方案。平台创新性地融合了"日常实验教学"与"深度科研探索"双核心模块，通过统一的资源调度中心，实现了从算法开发、数据标注、模型训练、评估量化到在线部署的一站式服务。平台旨在打破教学与科研的壁垒，最大化利用计算资源（CPU/GPU/内存），为师生提供高效、便捷、安全的AI创新环境。

双模块协同设计

平台包含两大核心模块：教学实验模块与科研模块。两模块共用基础资源（数据集、镜像、持久卷、算法、模型），在实现教学与科研场景分离的同时，有效提升资源利用率。

统一的资源管理

****硬件资源监控：****校内管理员可实时监控硬件服务器资源使用情况，为硬件升级或扩展提供依据。

****资源使用统计：****支持查看平台内数据集、算法、模型、镜像等资源的统计数据，包括公共/私有资源数量及文件总数。

****持久卷管理：****支持新建或选择已有持久卷进行挂载，提供快照、共享、删除等操作，并清晰展示卷的挂载实例及使用用户详情。

实训课程与资源共享

****课程创建：****支持自行创建实训课，配置名称、专业、介绍、封面等基本信息。

****课程内容编辑：****支持添加实验，实验文档编辑支持富文本和MarkDown两种模式，富文本模式可插入MarkDown文件。

资源共享机制： 平台内置共享课；用户可将"我的课"中的实训课分享至共享课，供其他用户使用。

实验环境配置

****灵活的环境配置：****新建实验时可选择镜像、资源规格（CPU、内存、GPU）、数据集、模型、算法、持久卷等，以上资源在实际实验中会自动挂载至每个学生的实验实例。

****环境连续性：****支持继承上一个实验的环境配置，确保同一课程下实验的连续性。

****环境重置：****支持一键重置实验环境，重置后工作目录或持久卷文件不丢失，仅系统环境还原至初始状态

课堂与实验开展

****课堂创建：****支持选择班级和实训课程创建课堂。

****双栏实验界面：****开始授课后，学生进入课堂即可开始实验，界面左侧为实验文档，右侧为实验环境，便于边学边练。

科研与开发工具

****镜像管理：****支持通过命令上传和文件上传两种方式。镜像可设置多个服务端口，并指定主服务端口；可按用途分为训练镜像、实验镜像、量化镜像等。

****Notebook镜像默认设置：****教师可设置默认的Notebook镜像，便于算法编辑时直接使用。

算法代码库：

公有算法：支持平台调拨和校内共享，可下载、复制。

私有算法：支持上传文件新建，或从公有算法库复制得到，可进行共享、在线编辑、创建训练任务、下载、复制、删除等操作。

****实例创建：****创建时可选择开发镜像及版本、资源规格，并挂载数据集、多个模型、多个算法、多个持久卷到实例指定目录，便于科研使用。

·****实例操作：****支持启动、停止、打开、删除等操作。

·****代码保存：****在Notebook中编辑的算法代码可直接保存为算法，实例销毁后代码永久保存。

双仓库模式：

公有仓库：支持平台调拨或校内用户共享，可查看数据集名称、数据量、来源、描述等信息，并在线查看具体内容。

私有仓库：支持上传已标注数据集或手动创建数据集进行在线标注。

****标签组管理：****支持设置用于标注的标签组，可自定义标签名称及标注颜色。

模型全生命周期管理

****任务创建：****可选择预训练模型、镜像、训练算法、训练数据集、验证数据集。

****参数设置：****支持设置训练轮数、批次大小、学习率、参数映射及资源规格（CPU、内存、GPU）。

****任务管理：****可查看任务状态（运行中、停止、错误、排队中）、运行时长及实例详情；支持保存模型、启动、停止、取消排队、删除、查看日志等操作。

**模型管理：**支持直接上传模型文件（支持PyTorch、TensorFlow、Keras、Caffe等框架），也可通过训练任务直接保存模型。

****评估任务：****创建任务时选择模型、镜像、数据集、资源规格。

****结果查看：****可查看评估任务状态、进度、配置；评估完成后可在线查看模型性能（准确率、精准率、召回率、F1等），并支持启动、停止、编辑、删除、查看日志等操作。

****部署任务：****创建时可选择服务类型（HTTP/GRPC）、部署模型、是否自定义推理脚本、部署镜像及资源规格。

****量化任务：****创建任务时选择需要量化的模型、运行的镜像、量化数据集及资源规格。

资源管理： 用户可统一管理自己所有的科研任务，包括训练、在线部署、算法代码、模型等。

六、人工智能专业课程资源体系

配套人工智能专业全周期课程资源 ，覆盖公共基础课、专业核心课、实训课、综合项目课、岗课赛证课程，包含实验指导书、PPT、源码、数据集、微课视频等。

6.1 人工智能课程资源

配套提供《人工智能语音实训》、《人工智能视觉实训》、《Python 程序开发》、《Python人工智能入门》、《人工智能应用》共5门核心教学课程，全面匹配算法设计、机器学习、深度学习、计算机视觉、数字图像处理、自然语言处理、智能机器人等专业核心课程，满足中职/高职/职业本科不同层次教学需求。

|----------------|--------------------------------------------------------------------|------------|------------------------|
| 课程名称 | 主要内容 | 课时 | 对应学校课程 |
| 《人工智能语音实训》 | 语音采集、波形显示、编码、采样频率转换、信号强度、短时傅里叶变换、端点检测、语音增强、LSTM 声学模型训练、语音情感分析 | 16 | 智能语音技术、语音信号处理 |
| 《人工智能视觉实训》 | 图像基础操作、轮廓/划痕/行人/人脸/车牌检测、图像变换、污点修复、红绿灯/字符/猫狗/车牌/人脸识别、目标跟踪、双目视觉、三维重建 | 32 | 计算机视觉、数字图像处理、机器视觉系统 |
| 《Python程序开发》 | 环境搭建、变量、数据类型、列表、字典、流程控制、函数、类、文件、异常、模块、代码规范与测试 | 48 | Python程序设计、编程基础、软件开发基础 |
| 《Python人工智能入门》 | AI与神经网络认知、Python基础与进阶、TensorFlow 张量操作、数学运算、数据处理、深度学习入门实践 | 32 | 人工智能导论、Python机器学习、AI基础 |
| 《人工智能应用》 | TensorFlow框架、机器学习基础、CNN/RNN/NLP、目标识别、模型训练与部署、行业应用实践 | 48 | 人工智能应用、深度学习、模式识别、大模型应用 |

七、技术参数

7.1 人工智能实训装置

|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 一、平台硬件资源 1、人工智能实训工位（1）桌面式操作台，尺寸：长480±20mm，高620±20mm，底宽200±20mm。所有外围接口均可方便插拔接入使用；（2）实训工位后面板包含1套具备路由交换功能的网络设备，带1路WAN口和3路LAN口，支持DHCP和静态IP模式，支持无线WIFI加密模式；包含1组后面板固定锁，既可用于实训装置内部电源设备的保护，也方便师生必要时对设备进行维护；（3）实训工位底部包含1组三脚电源输入模块，带1路电源指示灯开关按钮；带4路USB3.0扩展口，方便键鼠等外设的接入；（4）实训工位顶部带1对便携式半圆弧设计提手，方便实训环境变更时实训装置的移动； 2、边缘计算网关（1）处理器六核ARM 64位（双核Cortex-A72+四核Cortex-A53），最高运行频率高达1.8GHz；（2）内存不小于4G LPDDR3，存储不小于32G；（3）四核ARM Mali-T860 MP4 GPU，支持OpenGL ES1.1/2.0/3.0/3.1, OpenVG1.1, OpenCL, DX11；（4）高性能NPU支持8bit/16bit运算，支持TensorFlow、Pytorch、Caffe、Mxnet、Darknet、Onnx主流深度学习框架，算力3.0TOPs；（5）板载外设接口包括1路SPI接口、1路HDMI接口、3路GPIO口、1个电源指示灯、2路ADC接口、2路IIC接口、3路VCC电源接口（12V、3.3V、5V）、1路100Mbps以太网接口、1路音频输出、1路TF-Card接口、3路USB接口、1路电源按键、1路复位按键、1路RS232或RS485接口； 3、高清触摸显示屏（1）分辨率：1920*1080 （全高清）；（2）尺寸：14寸；（3）触摸类型：十点电容屏；（4）动态对比度：800:1；（5）视频接口：1个VGA接口、1个HDMI接口（6）平均亮度: 350 cd/㎡；（7）工作电压：12V； 4、无线终端节点（1）CPU内置ESP32-D0WDQ6芯片，Xtensa® 32-bit LX 双核处理器，时钟频率80MHz到240 MHz；（2）448K ROM，520KB SRAM，8KB RTC SRAM，4MB SPI Flash；（3）WiFi认证为Wi-Fi Alliance，执行标准802.11 b/g/n，数据速率高达150Mbps，帧聚合（TX/RX A-MPDU，RX A-MSDU），0.4us保护间隔，工作信道中心频率范围：2412~2484MHZ；（4）支持多种低功耗工作状态：精细时钟门控、动态电压时钟频率调节；（5）安全机制：eFuse 存储、安全启动、Flash 加密、数字签名，支持 AES、SHA 和 RSA 算法；（6）芯片接口包括：UART、SPI、SDIO、I2C、PWM、I2S、IR、脉冲计数器、GPIO等；（7）硬件接口方式：直插2*6*2PIN；（8）支持图形化编程，采用MicroPython语言编程，支持函数、仿真，支持python、blockly代码读写等功能； 5、节点扩展底板：（1）工位共4块节点扩展底板；（2）扩展外设包括：OLED显示屏、用户按键、有源蜂鸣器、电源控制开关；（3）扩展接口包括：无线终端节点接口2*6*2PIN，可直插无线终端节点；执行器接口1*7*2PIN，可直插执行器； 6、RGB三色灯执行器（1）8组RGB三色LED灯组合显示；（2）工作电压：2.4 ~ 5.5V；（3）电平输出：高3.3V，低2.4V；（4）驱动方式：三线制电平驱动；（5）硬件接口方式：直插1*7*2PIN； 10、级联点阵显示设备（1）MAX7219集成化的串行输入/输出共阴极显示驱动器；（2）SPI全双工通讯，传输速率最高可达10Mbps；（3）工作电压：4V ~ 5.5V；（4）工作温度：-40℃ ~ 85℃；（5）最大功率耗散：1066mW；（6）硬件接口方式：直插1*7*2PIN；（7）高电平输出电流：65mA；（8）支持16*16分辨率字符显示； 11、智能语音播放设备（1）SYN6988语音合成芯片，可采用GB2312、GBK、UNICODE三种编码方式；（2）UART串口通讯，四种波特率支持：4800bps、9600bps、57600bps、115200bps；（3）工作电压：3.3V模拟电源输入；（4）输出：正负音频输出；（5）工作温度：-40℃ ~ 85℃；（6）硬件接口方式：直插1*7*2PIN；（7）扬声器：内置贴片扬声器； 12、继电器（1）工作电压：5V DC；（2）宽范围接点切换领域10uA ~ 2A；（3）线圈接点间、同极接点间FCC parts68标准；（4）额定电流：100mA；（5）线圈电阻：50Ω；（6）消耗功率：约500mW；（7）动作时间：7ms以下；（8）寿命：10万次以上；（9）硬件接口方式：直插1*7*2PIN； 13、直流风扇（1）工作电压：DC12V；（2）工作电流：0.18A；（3）转速：6000RPM；（4）风量：6.2CFM；（5）噪音：18d --BA；（6）风压：0.1 IN H20； 14、工业级摄像头（1）像素：200W；（2）光学分辨率：1920*1080；（3）视野范围：视场（FOV）≥60°。（4）麦克风：内置全向麦克风。（5）视频帧：帧数率最大值可达30fps。（6）支持USB2.0接口； 15、键鼠套装（1）键盘键数：大于100个（2）连接方式：有线（3）键盘背光：无光（4）材质：ABS 二、平台软件资源 1、平台支持Linux系统，满足嵌入式系统教学； 2、平台内置python3.6及以上，满足人工智能python的教学； 3、支持TCP/IP通讯协议、支持WiFi通讯协议、支持Socket通讯协议、支持蓝牙通讯协议、支持MQTT通讯协议，满足无线通信教学； 4、边缘计算网关内置 QT、PYQT5 的运行环境，满足人工智能的可视化教学； 5、支持图形化编程功能；无线终端节点通过图形化编程软件，使用blocky图形块无需编写python代码即可和边缘计算网关上的应用程序进行联动，形成AIoT的经典应用； 6、提供满足人工智能AI实训需求的完整系统镜像，方便用户使用过程中的还原需求； 7、平台内置多种人工智能算法，包括人脸识别、人脸属性分析、车牌识别、物体目标检测、口罩识别、人体关键点识别、语音识别等，满足人工智能应用教学需求； 8、平台内置人工智能算法演示程序，可快速实现调用平台摄像头进行人脸识别、人脸属性分析、车牌识别、物体目标检测、口罩识别、人体关键点识别等功能，满足人工智能教学展示中的演示需求； 9、平台内置人工智能生成式开源问答对话模型，可在离线环境下帮助用户在学习过程中的快速问答咨询。 |

7.2人工智能实训箱

|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 人工智能教学实验平台融合人工智能技术+嵌入式系统技术+工业机械臂应用技术+物联网技术；通过丰富的基础实验和项目案例，实现从人工智能基础学习到应用实践的完整过程；结构采用实验箱方式。一、硬件要求 1.实验箱结构（带机械臂）：多箱体单层结构，机械臂存放在专用存放箱（含机械臂底座放置区及多个货物仓位） 2.嵌入式 AI 运算单元： 1)采用多核心处理器，处理器至少含4个 Cortex-A53 核心和2个 Cortex-A72 核心，不低于Mali-T860MP4显示加速； 2)至少配置6GBDDR3 内存，至少配置32GBeMMC； 3)配备10寸及以上分辨率不低于1920*1080 的液晶屏，带多点电容触摸屏。 3.嵌入式 AI 运算单元主板： 1)含2路及以上USB2、0 HOST 接口； 2)具备USB3、0HOST 接口； 3)具备TF卡接口，Type-C 接口，音频输入，HDMI 接口； 4)具备至少1路CSI摄像头接口； 5)具备10/100/1000M以太网接口，EDP 显示屏接口； 6)具备2路 MIPIDSI 显示接口(最高支持4K 屏)； 7)具备9路可扩展 GPIO 接口 8)至少1 路TTL 串口； 9)具备PCIE 4G 接口，SPI 接口； 10)具备2、4G/5G/WIFI+蓝牙 4、0， 11)至少2路功能按键，具有用户自定义 LED； 12)至少1路3W 喇叭输出接口； 4.嵌入式AI控制单元： 1) 性能不不低于STM32F103。 2) 可用于工业机械臂、无线传感网控制等； 5.嵌入式AI控制单元主板： 1) 配备嵌入式AI控制单元接口，SD卡接口，调试口，复位按键等； 6.嵌入式AI控制单元主板： 1)主板采用整块PCB板设计，嵌入式AI运算单元主板、液晶屏、无线传感网节点模块、RFID模块固定在嵌入式AI控制单元主板上，保证系统整体性、一体化； 2)至少拓展出三个 USB 接口； 3)至少2路串口，一路串口可用于AI运算单元与AI控制单元通信，一路串口可用于工业机械臂控制； 4)RFID 模块接口； 5)支持至少2组无线传感网络接口，每组均具有传感器接口，可自动识别多种传感网络；； 7.工业级 USB 免驱摄像头： 24 位图像色彩：输出分辨率 1920*1080 时 30帧成像，广角无畸变； 8.工业机械臂：可编程机械手臂，包含至少6个高寿命串行总线舵机； 9.QWERTY全键盘：支持直接在嵌入式 AI单元上进行编程操作。 10.无线传感网节点模块：配备至少3个无线传感网节点模块 1)CPU不低于ESP32-D0WDQ6芯片，Xtensa® 32-bit LX 双核处理器，时钟频率80MHz到240 MHz； 2)至少满足448K ROM，520KB SRAM，8KB RTC SRAM，4MB SPI Flash； 3)支持多种低功耗工作状态：精细时钟门控、动态电压时钟频率调节； 4)硬件接口方式：直插2*6*2PIN； 5)支持图形化编程，采用MicroPython语言编程，支持函数、仿真，支持python、blockly代码读写等功能； 11.无线传感器节点扩展底板：配备至少2个无线传感器节点扩展底板 1)扩展外设包括：OLED显示屏、用户按键、有源蜂鸣器、电源控制开关； 2)扩展接口包括：无线传感网节点模块接口2*6*2PIN，可直插无线传感网节点模块；传感器执行器接口1*7*2PIN，可直插传感器执行器； 12.传感器执行器模块 1)配备温湿度、LED点阵、光强、语音播报、RGB、人体红外等传感器及执行器模块。支持接口兼容的光电传感。要求接口兼容，可以直接连接节点扩展底板； 13.13.56MRFID 模块：板载0.91寸OLED独立显示 2 个按键，1 路蜂鸣器，独立电源按钮； 14.嵌入式操作系统：搭载 64 位linux操作系统，内置Qt、Python3、TensorFlow、OpenCV等开发环境。二、软件资源提供图形化编程工具，工具基于blockly语言模块，用图形模块表示使用硬件的各类底层驱动库，根据图形模块上下关联形式连接变量、函数、输入输出等各类语言代码，最终组合为可执行C语言或python语言代码。基于图形化的编程模型很好地映射实际代码关系和层级结构，替代传统的代码编写过程，简化底层硬件代码编写过程。可以导出Python、C等多种语言，用图形化编程方式去理解程序语言，可以让学生更加容易理解编程语句的内容，解决了绝大多数编程语法入门难的痛点。 1.平台至少包含输入输出、控制、文本、列表、元组、函数、变量、逻辑、数学、字典、集合、串口、传感器、显示器、文件、通信、网络、云平台等控件，包含自定义模块功能，允许用户自行创建私有控件； 2.平台包含图形化拖拽式编程功能。软件可拖拽多种控件组成执行块，并同步组合转换为C语言或者Python语言； 3.平台包含代码编辑功能，提供C语言、Python语言代码输入联想提示功能，每行代码均有行号显示，支持C语言、Python语言代码一键转换为图形化编程语言；(提供截图证明文件并加盖制造商公章) 4.平台至少内置对ardunio、microbit、ESP32、STM32等四种硬件的程序下载、串口调试功能； 5.能够为ESP32等常见单片机下载初始化固件； 6.平台至少支持简体中文、繁体中文、英文等三种语言显示； 7.平台应在主界面左半部分呈现实训指导文档，主界面右半部分呈现图形化编程画布，其中实训指导文档至少包含LED灯闪烁、按键点灯、光照采集、人体红外、温湿度采集、RGB三色灯、呼吸灯、继电器控制等8个实训项目，每个实训项目至少包含实验目的、实验设备、实验步骤、实验现象等相应内容，且实验步骤要求以图文并茂形式进行展现。 8.平台包含程序下载调试信息输出窗口，能正确显示当前程序运行情况； 9.图形编程画布及模块可放大缩小，可使用按键一键删除模块或函数体，也可将模块或函数体拖拽至画布内回收站进行删除；平台使用一键式部署，可在windows、Linux平台上单机直接运行，不需要提前安装其他环境包。三、实验资源 1.可进行人工智能典型实验，支持TensorFlow、Pytorch、Caffe、Mxnet、Darknet、Onnx主流深度学习框架；支持人脸识别应用实训、物体识别应用实训、语音识别应用实训、语音控制应用实训、机械臂视觉货物分拣等典型实训项目，以上项目可基于python编程开发或控制。 2.能提供完整U-boot、Linux内核、根文件系统镜像，提供满足人工智能AI实训需求的集成开发环境镜像、提供完整的项目案例源码和配套资源；项目如下： 1)基本处理算法模型实验：包括Numpy、Pandas、Matplotlib相关操作、数据预处理和特征选择、线性及逻辑回归预测、Kmeans聚类算法、SVD分解和PCA降维、决策树算法，以及集成学习算法实验； 2)数据可视化实验：包括pyecharts、Plotly、matplotlib、Pandas、Seaborn、Bokeh方式的数据可视化实验； 3)Pytorch实验：包括Dataset与Dataloader、Tensorboard、Transforms、Torchvision、卷积层和池化层、Sigmoid和Relu、pytorch搭建神经、损失函数和反向传播的算法实验； 4)OpenCV实验：提供包括opencv、数值计算和图片融、图像阈值和平滑操作、膨胀腐蚀和梯度运算、Sobel、Scharr、Laplacian算子、Canny边缘检测和轮廓近似、模板匹配的处理方案算法实验； 5)计算机视觉-OpenCV进阶篇实验：包括傅里叶变换的使用、使用角点检测和特征匹配、图像拼接、分水岭算法图像检测和GrabCut算法前景提取、使用稠密光流、背景减除和霍夫变换、使用opencv进行迷宫解密、使用opencv对视频进行分析和鼠标绘画、信用卡OCR识别。 6)Python财政收入影响因素分析及预测实验:包括描述分析、相关性分析、降维、Lasso回归筛选模型特征、对影响增值税、营业税、企业所得税的因素建立灰色模型、利用灰色预测模型对政府性基金收入进行预测、支持向量机线性回归。 7)Python旧金山犯罪分类预测实验:包括导入旧金山犯罪数据、数据分析、特征预处理、利用scikit-learn拿到训练集和交叉验证集、利用朴素贝叶斯和逻辑回归建立模型、利用multi-classlog_loss评估模型、优化模型。 8)Python航空公司客户价值分析实验:包括缺失值和异常值处理、数据清洗、属性规约、数据变换、模型构建。 9)Python泰坦尼克之灾人员获救预测实验:包括数据探索分析、复杂类型数据分析处理、数据预处理、利用scikit-learn中拿到训练集和交叉验证集、建立逻辑回归模型、使用集成模型和svc进行预测。 10)经典名著数据挖掘和分析案例实验:包括《红楼梦》文本词频统计分析并可视化展示、《红楼梦》文本聚类分析并可视化展示、《红楼梦》LDA主题模型和人物社交网络分析、《红楼梦》层次聚类分析。 11)汽车零配件市场需求分析及预测案例实验:包括数据整理分析、单个零配件数据分析（上）、单个零配件数据分析（下）、数据预处理、模型训练、模型评价与调优。 |

7.3无人驾驶智能小车实训平台

7.4人工智能视觉实训平台

7.5人工智能语音实训平台

7.2 人工智能科研平台

|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 1、人工智能实训包括以下主要模块：教学使用的实验模块，用于日常实验教学；科研使用的科研模块，一个包含人工智能全流程学习的平台，包括算法、数据集、训练、评估、在线部署、在线量化，为用户提供一站式功能服务，聚焦于算法模型本身，由平台提供硬件资源分配，包括cpu、内存、vGPU的管理和分配。两模块相辅相成，共用基础资源，包括数据集、镜像、持久卷、算法、模型等，提高资源利用率。 2、平台通过共享课将内置的实训课程提供给用户使用，同时用户也可以将我的课中的实训课分享至共享课中，提供给其他用户使用。 3、平台支持自行创建实训课，配置实训课名称、专业、课程介绍、封面等，可添加实验，配置实验环境，编写实验内容，实验文档编辑支持两种模式：富文本模式、MarkDown模式，其中富文本模式支持插入MarkDown文件进行展示。 4、实验环境配置支持新建实验环境，选择实验镜像、资源规格（CPU、内存、GPU）、数据集、模型、算法、持久卷等资源，并且在实际的实验中，将数据集、模型、算法、持久卷自动挂载至每个学生的实验实例中。 5、实验环境配置可选择继承上一个实验的实验环境，可保证同一个实验课程下的实验的连续性。 6、在实验过程中支持一键重置实验环境，用户的工作目录或持久卷中的文件不会消失，实例中的系统环境还原至初始状态。 7、支持用户选择班级和实训课程创建课堂，选择开始授课后，用户进入课堂即可开始实验，左边为实验文档，右边为实验环境。 8、校级管理员可设置该机构每个学生可使用的CPU、内存、GPU显存的最大值，当机构内的GPU使用量达到最高值后，默认开始排队模式。 9、支持通过命令上传镜像和文件上传两种方式，镜像可设置多个镜像服务端口，并且可指定其中一个服务端口为主服务端口。 10、镜像可根据用途分为训练镜像、实验镜像、量化镜像等。 11、支持教师侧设置默认使用的Notebook镜像，在后续的算法编辑可直接进行使用。 12、算法代码库分为公有算法代码和私有算法代码，公有算法代码支持从平台进行调拨配置和校内用户共享，可进行下载、复制等操作；私有算法代码可自行进行上传文件新建，也可从公有算法代码库复制得到，可进行共享、在线编辑、创建训练任务、下载、复制、删除等操作。 13、持久卷管理，每个任务实例进行创建时，都能选择新建持久卷进行挂载，也可选择已存在的持久卷挂载。持久卷可进行快照、共享、删除等操作，其中卷类型分为原始、快照、共享。 14、对于已存在的持久卷，可详细的展示该持久卷挂载的实例详细信息，及使用的用户。 15、数据集分为公有仓库和私有仓库，公有仓库可从平台调拨配置或校内用户共享，可详细的展示数据集的名称、数据量、来源、描述等信息，可在线进行查看具体的数据集内容；私有仓库可自行进行上传已标注好的数据集，也可手动创建数据集，进行在线标注。 16、标签组管理，设置用于标注的标签组，可自定义每个标签的名称及标注颜色。 17、 Notebook实例管理，算法代码在线编辑的Notebook实例也可在此进行管理，创建Notebook实例时可以选择开发镜像及版本，CPU、内存、GPU等规格类型，同时可以选择挂载数据集、多个模型、多个算法、多个持久卷到实例的指定目录，便于在科研中直接使用。 18、 Notebook实例可进行启动、停止、打开、删除等操作，在notebook中编辑算法代码可直接保存为算法，并且实例销毁后该算法代码永久保存。 19、在线训练模型，可创建训练任务，选择预训练模型、镜像、训练算法、训练数据集、验证数据集；进行训练参数设置，包括训练轮数、批次大小、学习率、参数映射、CPU、内存、GPU。 20、训练任务展示当前训练任务的状态：运行中、停止、运行错误、排队中，可查看当前任务的运行时长以及具体实例，点击实例可查看该实例的详细信息；可进行保存模型、启动、停止、取消排队、删除、查看日志等操作。 21、模型管理，可直接上传模型文件，选择模型框架，支持pytorch、TensorFlow、Keras、Caffe等框架；也可通过训练任务直接保存训练完成的模型。 22、在线评估模型性能，可创建模型评估任务，选择评估的模型、任务运行的镜像、评估使用的数据集、资源规格大小（CPU、内存、GPU）。 23、模型评估任务可展示当前的评估任务的状态、进度、配置等信息，并且对于评估完成的任务可在线查看该模型的性能，包括准确率、精准率、召回率、F1等；可对评估任务进行启动、停止、编辑、删除、查看日志等操作。 24、在线部署验证，可创建在线部署任务，选择服务类型（HTTP模式、GRPC模式）、部署模型、是否自定义推理脚本、部署镜像、资源规格（CPU、内存、GPU）。 25、在线部署任务展示在线调用推理的接口信息，包括接口地址、参数配置等；同时也可直接在平台上进行在线预测，选择上传预测数据，点击预测后可在线预测该模型的效果；方便进行调试可在线查看该实例的运行日志。 26、模型在线量化，可创建模型在线量化任务，选择需要量化的模型、运行的镜像、量化使用的数据集、资源规格（CPU、内存、GPU）。 27、模型量化后可在平台上展示量化前后的模型性能对比，包括准确率、精准率、召回率、F1、推理速度、模型大小。可对量化任务进行启动、停止、删除等操作。 28、资源管理，用户可管理自己所有的科研任务，包括训练、在线部署、算法代码、模型等。 29、校内管理员可实时监控硬件服务器的资源使用情况，以便在资源紧缺时进行硬件升级或扩展。 30、可查看平台内部数据集、算法、模型、镜像等资源的数据统计，包括但不限于公共资源数、公共资源内文件总数、私有资源数、私有资源内文件数。 31、任务管理区可查看当前平台内的排队数以及GPU的使用率，平台内置任务管理中心，资源不足时，用户可按照小时申请资源的使用权限，任务中心自动进行资源调配，任务结束后自动开启排队中的下一个任务。 32、管理员可对任务中心进行管理，包括正在进行中的任务，可进行查看该任务的创建人、资源规格、申请时间、实际开始时间等，并可手动提前停止该任务；排队中的任务，可查看该任务的创建人、资源规则、申请时间等，并且可以进行任务调序、手动取消该任务；历史任务，可查看所有已完成的任务，包括任务的开始时间、创建人、结束时间、结束原因等。 33、任务中心配置黑名单管理，可选择用户加入黑名单，则该用户无法创建任何科研任务，同时也可将黑名单中的用户移除黑名单。 |