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網絡（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網設備和先進的AI系統(tǒng)。甚至轉移學習也可以使用ML框架在Jetson Nano上本地重新訓練網絡。
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，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

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，并提供從神經網絡模型訓練、模型轉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??；
(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)神經網絡線性回歸；
(2)神經網絡非線性回歸；
(3)全連接神經網絡識別手寫數字；
(4)卷積神經網絡人臉識別
(5)神經網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