- 您当前的位置是：首页 >人工智能产品 > 人工智能开发与应用平台
- 人工智能开发与应用平台
-
-
人工智能边缘计算平台eAI7500
产品型号：eAI7500
人工智能边缘计算平台是为高校人工智能核心课程——《机器学习》、《神经网络与深度学习》、《计算机视觉》、《自然语言处理》等课程进行各类算法学习实验、相关应用案例开发的开放性计算平台。
- 详细内容
-
平台简介
人工智能边缘计算平台是为高校人工智能核心课程——《机器学习》、《神经网络与深度学习》、《计算机视觉》、《自然语言处理》等课程进行各类算法学习实验、相关应用案例开发的开放性计算平台。该平台包括：人工智能边缘计算系统、视觉系统、开源机器学习案例库、开源深度学习框架及案例库、自然语言处理案例库、大量训练与测试数据等。本开发平台主要解决以上四门课程教学工程实践问题，真正培养学生具有人工智能专业技术的实践项目开发及应用能力。
硬件参数
边缘计算系统
1、CPU：6核64位 CPU + 6MB二级缓存+4MB三级缓存；
2、GPU：384核CUDA内核+48个Tensor内核；
3、DL加速器：2个NVDLA引擎；
4、视觉加速器：7路VLIW视觉处理器；
5、内存：8GB 128位 LPDDR4内存；
6、存储：128G电子硬盘；
7、视频：视频编码—4Kx2K/30Hz；视频解码—4Kx2K/60Hz，4Kx4K/30Hz；
8、接口
（1）以太网：10/100/1000BASE-T自适应；
（2）无线网卡：802.11ac WIFI + 蓝牙；
（4）显示：HDMI 2.0；
（5）USB：4路USB 3.0 + USB 2.0；
（6）其他：GPIO， I2C， I2S， SPI， UART。
9、电源：DC19V 插孔；
10、机箱：工控专用机箱；
11、显示器：21寸HDIM接口LCD显示器；
12、外设：键盘、鼠标一套；
13、预装：预装ubantu 18.0以上操作系统。
计算机视觉系统
1、200万像素相机；
2、1/2.7”CMOS传感器；
3、最大图像尺寸：1920×1080；
4、RJ45以太网接口或USB接口；
5、电源：DC5V或DC12V。
应用开发案例
1、计算机视觉基础案例
1.1 在图像上绘制直线、圆及字符串；
1.2 图像的灰度处理；
1.3 图像的阈值分割及平滑处理；
1.4 图像的运算、比较及变化；
1.5 图像的颜色提取、拆分及合并；
1.6 图像形态学；
1.7 图像形态学滤波；
1.8 边缘检测；
1.9 霍夫（Hough）直线、圆形检测；
1.10 轮廓提取及缺陷检测；
1.11 图像颜色直方图分析；
1.12 图像多边形；
1.13 图像的矩；
1.14 模板匹配；
1.15 图像特征点检测。
2、计算机视觉应用案例
（1）视觉定位
1.1 原点视觉定位；
1.2 装配视觉定位。
（2）视觉测量
2.1 距离与长度测量；
2.2 角度测量；
2.3 圆弧与正圆、椭圆测量。
（3）视觉识别
3.1 产品生产日期检测；
3.2 车牌及号码检测；
3.3 条码、二维码识别；
3.4 物料形状、颜色识别；
3.5 物料视觉识别与分拣；
3.6 道路标志识别；
3.7 人脸识别。
（4）视觉检测
4.1 零件缺陷检测；
4.2 产品质量检测。
3、机器学习课程开源应用开发案例
3.1 眼镜类型分类的决策树算法案例；
3.2 手写数字分类k最近邻算法案例；
3.3 简单数据集分类的线性模型算法案例；
3.4 小规模数据点分类的SVM算法案例；
3.5 留言板侮辱性言论屏蔽的贝叶斯分类器算法案例；
3.6 距离测量的流行学习数据降维算法案例；
3.7 地图标记点分类的聚类算法案例；
3.8 声纳信号分类的随机森林算法案例；
3.9 毒蘑菇相似特征分析的Apriori算法学习案例；
3.10 走迷宫的强化学习案例。
4、深度学习课程开源应用开发案例（含自然语言处理与语音识别课程开源应用开发案例）
（1）深度学习主要网络结构与应用
1.1 卷积神经网络及应用；
1.2 循环神经网络及应用；
1.3 残差网络及应用；
1.4 生成对抗网络及应用。
（2）深度学习开源框架与搭建
2.1 基于TensorFlow框架的网络模型搭建；
2.2 基于PyTorch框架的网络模型搭建。
（3）深度学习在自然语言处理的应用
3.1 中文分词与词性标注；
3.2 句法分析与文本处理；
3.3 机器翻译。
（4）深度学习在图像处理的应用
4.1 手写数字识别；
4.2 图像分类；
4.3 目标检测识别；
4.4 人脸识别；
4.5 图像生成。
（5）深度学习在语音识别的应用
5.1 语音识别模型；
5.2 语音输入法；
5.3 语音合成。
