• 高性能人工智能边缘计算平台eAI7600 产品型号:eAI7600
    高性能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
高性能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:8核Arm,64位 CPU + 3MB二级缓存+6MB三级缓存;2.2GHz;
2、GPU:1780核CUDA内核 + 56个Tensor内核;AI计算性能不低于200 TOPS;
3、DL加速器:2个NVDLA引擎;
4、视觉加速器:PAV V2.0;
5、内存:32GB 256位 LPDDR5内存;
6、存储:64G电子硬盘;
7、视频:视频编码—2x4K/60Hz;视频解码—1x8K/30Hz;
8、接口
(1)以太网:千兆以太网连接器;
(2)无线网卡:802.11ac WIFI +蓝牙;
(3)显示:HDMI 2.0;
(4)USB:4路USB 3.0 + USB 2.0;
(5)其他:GPIO、CAN、I2C、I2S、SPI、 UART。
9、电源:AC220/DC19V;
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。
  • 关于我们 企业简介 企业文化 战略合作 人才培养
  • 解决方案 工业机器人实训基地方案 创客教育与创客空间方案 电子工艺实训基地方案无人机技术实训基地方案
  • 慕课平台 工业机器人 电子信息工程 嵌入式与物联网 智能硬件
  • 快速链接 做中学APP 产教融合 moocdo课程 信息备案
  • 关注官方微信
©2004-2024 湖南科瑞特科技有限公司    湘ICP备10001081号-10