一、人工智能教學開發(fā)實驗箱總體介紹
1、人工智能教學開發(fā)平臺采用Jetson Nano開發(fā)套件
2、提供現(xiàn)代AI的強大功能。完整的軟件可編程性。Jetson Nano采用四核64位ARM CPU和128核集成NVIDIA GPU，可提供472 GFLOPS的計算性能。它還包括4GB LPDDR4存儲器，采用高效，低功耗封裝，具有5W / 10W功率模式和5V DC輸入。
3、兼容這些框架和NVIDIA的AI平臺，可以比以往更輕松地將基于AI的推理工作負載部署到Jetson。Jetson Nano為各種復雜的深度神經(jīng)網(wǎng)絡（DNN）模型提供實時計算機視覺和推理。這些功能支持多傳感器自主機器人，具有智能邊緣分析的物聯(lián)網(wǎng)設備和先進的AI系統(tǒng)。甚至轉(zhuǎn)移學習也可以使用ML框架在Jetson Nano上本地重新訓練網(wǎng)絡。
4.、Jetson Nano開發(fā)套件的占地面積僅為80x100mm，具有四個高速USB 3.0端口，MIPI CSI-2攝像頭連接器，HDMI 2.0和DisplayPort 1.3，千兆以太網(wǎng)，M.2 Key-E模塊，MicroSD卡插槽，和40引腳GPIO接頭。端口和GPIO接頭開箱即用，具有各種流行的外圍設備，傳感器和即用型項目。
5、Jetson Nano可以運行各種各樣的高級網(wǎng)絡，包括流行的ML框架的完整原生版本，如TensorFlow，PyTorch，Caffe / Caffe2，Keras，MXNet等。通過實現(xiàn)圖像識別，對象檢測和定位，姿勢估計，語義分割，視頻增強和智能分析等強大功能，這些網(wǎng)絡可用于構建自動機器和復雜AI系統(tǒng)。
二、人工智能教學開發(fā)實驗箱硬件資源及技術參數(shù)

三、主要實驗項目
平臺提供OpenCV、機器學習、深度學習和端側AI模型部署等教學資源，并提供從神經(jīng)網(wǎng)絡模型訓練、模型轉(zhuǎn)換到模型部署的完整文檔教程。配套豐富的實訓案例以及開發(fā)手冊等。
1、控制基礎例程
(1)控制RGB燈
(2)控制蜂鳴器
(3)操作控制舵機
(4)讀取舵機位置
(5)控制所有舵機
(6)控制機械臂做一些動作
(7)操作機械臂記憶動作
(8)機械臂夾方塊
2、OpenCV基礎例程
(1)圖像讀取與顯示；
(2)圖像繪制；
(3)圖像ROI提?。?/span>
(4)圖像幾何變換；
(5)圖像形態(tài)學操作；
(6)圖像輪廓提取
3、機器學習基礎例程
(1)回歸算法；
(2)聚類算法；
(3)分類算法；
(4)決策樹；
(5)支持向量機；
4、深度學習基礎例程
(1)神經(jīng)網(wǎng)絡線性回歸；
(2)神經(jīng)網(wǎng)絡非線性回歸；
(3)全連接神經(jīng)網(wǎng)絡識別手寫數(shù)字；
(4)卷積神經(jīng)網(wǎng)絡人臉識別
(5)神經(jīng)網(wǎng)絡模型的保存與使用；
5、深度學習綜合例程
(1)手勢識別實驗
(2)顏色識別實驗
(3)顏色識別并抓取積木實驗
(4)視覺定位實驗
(5)垃圾分類實驗
(6)目標追蹤實驗
(7)人臉表情識別應用案例
(8)車牌識別應用案例
(9)口罩檢測應用案例