一、总体要求 ★1.平台出厂集成Python3、机器视觉、自然语言、深度学习、ROS系统等开发环境，配备TensorFlow、PyTorch多种深度学习框架，能满足人工智能相关的学习与开发，可以开展人工智能专业课程及人工智能场景应用的课程教学与实践。 ★2.平台所有模块一体化板载设计（拒绝零散模块外接使用），模块包含：①边缘计算平台、②人机交互显示单元、③视觉处理应用系统、④麦克风阵列系统、⑤ROS智能机械臂应用系统、⑥AIOT无线网关、⑦AIOT虚实结合采集控制端模块、⑧AIOT端感控场景应用系统、⑨机器视觉场景应用组件等九大部分组成。 ★3、平台本地部署Deepseek-R1:1.5B大模型,实现麦克风阵列语音识别推理与播报;实现语音互动对话、语音搜索推理、大模型微调推理与硬件控制等功能。演示直接打开桌面“离线语言模型”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，通过板载“麦克风阵列”实现语音与本地部署DeepSeek-R1：1.5B模型对话，并将对话问题推理分析的结果语音播报输出，亦可联动AIOT端传感器。演示语音输入“我好热”时，推理结果为AIOT端“风扇”打开；演示语音输入“室内光线太暗了”时，推理结果为AIOT端“RGB灯”打开等联动控制效果。 ★4、平台通过调用具身智能多模态应用，实现语音多指令控制IOT模块、健康场景联动、语音控制机械臂、语音视觉机械臂融合场景推理等功能应用。演示直接打开桌面“具身智能”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，通过板载“麦克风阵列”实现语音与多模态模型对话，并将对话问题推理分析的结果语音播报输出，亦可联动机械臂、AIOT端传感器等模块。演示语音输入类似“光线太亮了，而且我好热”时，推理结果为AIOT端“RGB灯”关闭、“风扇”打开等联动效果；演示在摄像头区域内，放置三种类型物块，语音输入“你能看到什么，并帮我把右边的分类”时，推理结果准确识别物块类别并语音播报结果，右侧物块机械臂准确抓取进行分类。 ★5、平台通过调用OpenClaw智能体应用，在移动设备终端的社交平台对话框里，实现语音多指令获取平台传感器数据、控制执行器状态、控制机械臂分拣等功能应用。演示在飞书聊天窗口中点击语音按钮进行语音输入，语音自动转为文字后发送给OpenClaw进行处理演示先语音输入"我有点热"，系统记录用户偏好并打开风扇；间隔一段时间后，演示语音输入"还是很热"，OpenClaw基于历史对话记忆，自动调节降低温度设备让数码管显示值变小；演示语音输入"现在凉快了"，系统根据语义判断自动关闭风扇等降温设备，操作结果通过飞书聊天窗口文字反馈。 6、系统提供人工智能核心课程，包含：《Python基础》、《OpenCV机器视觉》、《深度学习TensorFlow实验》、《深度学习Pytorch实验》、《端感知控制》、《六轴机械臂控制》、《PyQT5应用开发》、《自然语言处理》、《人工智能AI大模型》、《人工智能综合课程设计》等课程资源与教学资料，包含教学实验指导书、实验案例源码、开发环境及软件工具等。 二、主要模块参数: 2.1、人工智能边缘计算平台 ★CPU：等同或优于六核ARM Cortex-A78 MPcore处理器； ★GPU：≧512 CUDA Cores；≧16 Tensor Cores； ★AI算力：≧34 TOPS（INT8） 内存与存储：≧4GB LPDDR5，≧256 GB SSD； 以太网：支持10/100/1000 BASE-T自适应； 显示接口：支持HDMI 2.0 或DP； ★硬件资源：≧3个UART，≧2个SPI，≧2个12S，≧4个12C，≧1个CAN,≧1个DMIC&DSPK，≧1个PWM，多个GPIO； ★本地大模型：本地部署Deepseek-R1:1.5B大模型,实现麦克风阵列语音识别推理与播报;实现大模型微调推理与硬件控制； 2.2、人机交互显示单元 ≧17.3寸，支持≧1920*1080高清信号； 实验箱内部集成HDMI接口接入箱盖上的显示屏； 键鼠：独立有线键盘、有线鼠标。 2.3、机器视觉感知单元 ★感光器尺寸：1/2.7 inch； 分辨率：最高支持1920 x 1080； USB协议：USB2.0 HS/FS； 支持免驱协议：UVC（USB Video Class）； 支持自动曝光控制、自动白平衡、自动增益控制； 工作电压：DC 5V。 任意角度识别：支持任意角度准确识别颜色标签、动物图卡、交通标识、垃圾物块； ★同时识别多种组件：支持同时识别两种及以上的颜色标签、动物图卡、交通标识、垃圾物块。 交通标识识别系统：演示直接打开桌面“交通标识”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，通过板载摄像头，可快速识别多种交通标识并可与板载的AIOT端感知模块联动。演示软件识别“限速标志”与板载的“RGB灯”闪烁联动；演示识别“小心行人”标识与板载“蜂鸣器”报警联动等控制场景应用效果。 2.4、自然语言处理单元 MIC：环形6麦; 唤醒/识别距离: 3-5m； ★定位精度:±15°; 电源:5V 300mA; 支持 AEC 功能、360°拾音波束、DNN 降噪算法等 2.5、ROS机械臂应用系统 机械臂材质：阳极氧化铝合金; ★机械臂自由度（DOF）：至少包含5自由度+夹持器，设计“机械臂复位”功能按钮； ★舵机方案：15Kg*5+6Kg*1智能串行总线舵机； 有效负载：≧200g伸直可夹重量; 负载：≧500g夹持搬运重量; 臂展：≧350mm; ★有效抓取范围：不低于中心轴为半圆半径≤30cm的区域; 重复定位精度：不低于±0.5mm; 垃圾分类系统：演示直接打开桌面“垃圾分类”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，通过板载摄像头和机械臂，利用视觉定位与机械臂姿态动态解析算法，完成非固定位置垃圾识别与快速分类。演示垃圾物品左右两侧随机放置，机械臂完成垃圾分类和两种及以上的物块堆叠动作。 ★机械臂远程控制系统：演示直接打开桌面“云端控制”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，机械臂通过MQTT协议与人工智能云平台互联互通，实现机械臂远程控制。演示通过手机移动端APP远程5G网络控制机械臂执行“单关节运动”动作，语音控制“机械臂抓取”、“机械臂跳舞”等动作。 2.6、AIOT无线网关 ★MCU：Cortex-M3内核处理器； 显示屏：≧0.96寸液晶显示屏。 无线模组：标配ZigBee无线模组，支持WiFi/BLE/LoRa等多种无线模组； 外围接口：外围接口：Mini USB接口，JTAG接口； 2.7、AIOT虚实结合采集控制端模块 ★MCU：CORTEX-M3内核处理器； ≧3.5寸TFT触摸显示屏； 无线模块：兼容双排直列接口，标配ZIGBEE，可选WIFI/BLE/LORA等无线模块； 通讯协议：传感层支持Modbus。 ★外设接口：提供RS485、RS232、UART、GPIO、PWM等接线柱。 2.8、AIOT端感控场景应用系统 提供包含但不限于智慧环境、智能安防、智能停车。 ★智慧环境感知单元：包含但不限于光照、温湿度、雨雪、风扇、数码管、调色灯等传感器与执行器。 ★智能安防感知单元：包含但不限于红外对射、烟雾、酒精、蜂鸣器、触摸按键、人体等传感器与执行器。 ★智能停车感知单元：包含但不限于超声波、电磁锁、继电器、舵机等传感器与执行器。 传感数据采集系统：演示直接打开桌面“传感器上云”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，设备板载“温湿度”、“光照”等传感器数据通过MQTT协议与人工智能云平台互联互通。演示通过手机移动端APP远程5G网络采集平台“温湿度”等传感数据，控制平台“蜂鸣器”、“风扇”等执行器。 2.9、机器视觉场景应用组件 ★颜色标签：包含但不限于红色、绿色、黄色、蓝色四种颜色的色块或卡片，配套提供对应的训练模型数据； 动物图卡：包含但不限于印刷有猫、狗等多种动物的物块或卡片，配套提供对应的训练模型数据； 交通标牌：包含但不限于印刷有停车、转弯、限速、禁止通行、小心行人、禁止长时间停车等交通标识物块或卡片，配套提供对应的训练模型数据； 垃圾物块：按照国家最新版《生活垃圾分类标志》标准，提供印刷有害、可回收、厨余、其他四类垃圾图标的物块，配套提供对应的训练模型数据； 三、配套软件与实验课程： 3.1、软件资源 ★平台采用边缘计算+端感控+大模型框架体系，出厂预装Ubuntu20.04操作系统，集成Python3、机器视觉、自然语言、深度学习（TensorFlow、PyTorch）框架、ROS系统等。 ★演示Demo：颜色识别、猫狗识别、交通标识识别、人脸识别、垃圾分类、语音识别、离线语音推理模型、多模态视觉推理模型等。 3.2、人工智能虚拟仿真实验平台（整个实验室配套1个节点） 3.2.1、总体要求 （1）平台融合 B/S 架构与 Unity3D 技术，打造了“教、学、练、考、评”闭环。 ★（2）平台至少包含教师管理系统、虚实结合课程管理系统、3D 学生实验系统三大子系统。覆盖从课程学习到实验实操、从教师管控到学生练习的全场景。 ★（3）平台内置 Python、机器视觉、深度学习、ROS 机械臂控制等多领域超 80 个标准化实验项目，实现 AI 理论学习与虚拟实操深度融合。 ★（4）机械臂控制虚实结合：在人工智能虚拟仿真实验平台中，演示可使用拖拽组件、模块、设置参数等操作，完成机械臂初始化、机械臂起立、机械臂某个关节舵机旋转一定角度等流程。通过3D模型，展示机械臂运动过程及结果；演示保存以上流程Python代码文件，通过SSH远程下载到AIoT实验箱真实硬件中，运行python代码文件，演示机械臂实现与虚拟仿真平台中，一致的运动过程及结果。 （5）垃圾分类虚实结合：在软件中使用拖拽组件、组件连线、设置参数等操作，完成“导入系统包”、“获取识别信息”“窗口实时显示检测”等流程，运行代码后自动调用 PC 端垃圾识别视觉应用，将垃圾图卡或物块放到镜头前，视觉应用能准确识别垃圾名称。保存以上流程Python代码文件，通过SSH远程下载到人工智能真实硬件中，运行导入的python代码文件，可实现与虚拟仿真平台中一致的垃圾分类过程及结果。 3.2.2、虚实结合一致性要求 ★（1）硬件一致性：平台采用Unity3D技术开发，将真实机械臂与虚拟机械臂1：1建模，并构建6自由度机械臂舵机算法模型，实现同代码虚拟仿真平台控制与真实机械臂控制一致。 ★（2）程序流程一致性：可视化AI程序流程，通过拖拽组件、模块、设置参数，自主构建机器视觉、机械臂控制程序流程，直观掌握视觉算法、机械臂控制工作原理和过程，也可更加专注于逻辑设计和问题解决。 ★（3）Python代码一致性：可视化AI程序流程中，每个拖拽的组件、模块及设置的参数，都一对一自主生成对应的Python代码块，将复杂的人工智能算法，采用每个模块单独呈现的形式，明确学习目标，降低学习难度，使学生更快的实现算法原型，提高整体学习和研究效率。 ★（4）运行结果一致性：结合6自由度机械臂舵机算法模型，实现同代码虚拟仿真平台控制与真实机械臂控制一致。可将拖拽组件、模块、设置参数等生成的程序流程，自动生成Python文件并导出。Python代码文件可直接到硬件平台中验证、执行结果一致。 （5）教学过程管控：平台包含“导入模块”（保存课程）和“导出模块”（加载课程）。教学过程中，每个实验可自由保存和加载完成或未完成程序流程，结合实验的“实验目的”、“实验理论”、“实验内容”和“实验流程”等课程元素，更加方便教师对教学及教学过程管控。 3.2.3、3D学生实验系统要求 ★（1）学生端基于 Unity3D 技术开发，聚焦Python基础、机器视觉、深度学习、机械臂控制、场景应用等方向， ★（2）通过拖拽式组件编程、参数可视化设置、代码智能生成、3D 效果实时展示，让抽象的 AI 算法、机械臂控制原理变得直观易懂。 ★（3）平台内置 conda、jupyter 等开发环境，搭载智能纠错功能，更实现软硬件虚实高度一致，同代码可在虚拟平台与真实硬件端无缝运行。 （4）实验流程可保存和加载，学生零风险自由探索，快速实现算法原型与实操落地。 3.2.4、教师端管理系统 （★1）教师端采用B/S 架构实现轻量化操作，包含作业中心、班级管理、实验管理、数据看板四大核心功能，实现教师对教学资源、学生、实验、考核的全维度管控。 （2）教师端支持作业/考核一键发布、学生账号批量管理、自定义实验创建与多端同步。 ★（3）通过大数据图表直观呈现班级学习进度、实验分数、易错点等数据，同时支持实验报告存档打印，让教学管理更高效、个性化指导更精准。 3.2.5、虚实结合课程管理系统 ★（1）平台采用B/S 架构开发，集成Python 基础及进阶、机器视觉 OpenCV、TensorFlow/PyTorch 深度学习、ROS 机械臂控制核心课程，提供实验指导书、PPT、教学视频等全维度学习资源。 （2）学生可自主选课、查看课程进度，学习完成后可跳转 3D 实验系统开展实操，学习进度实时同步至教师端，实现“理论学习 - 虚拟实操” 无缝衔接，打造渐进式课程学习体验。 3.2.6、仿真平台虚拟实验 ★（1）Python 基础虚拟实验：Python 基础（注释、语句格式及缩进、变量、字符串、引入外援、数据类型、常用操作符）、Python 分支和循环（分支和循环、条件表达式、断言、循环语句）、Python 高级（列表、元组、字符串、序列、字典、集合）、Python 函数（函数的创建与调用、函数的参数、函数的变量、函数式编程、递归）、Python 模块（模块、导入模块）Python 项目（经典飞机大战）。实验项目数量≧10个； ★（2）数字图像与机器视觉虚拟实验：OpenCV 图像基础、OpenCV 视频基础、OpenCV 绘图功能、OpenCV 图像操作基础、OpenCV 图像算术运算、OpenCV 颜色空间、OpenCV 图像变换、OpenCV 阈值处理、OpenCV 图像金字塔、OpenCV图像平滑处理等实验；项目数量≧20 个； ★（3）深度学习TensorFlow虚拟实验：TensorFlow 基础、线性回归、逻辑回归、人工神经网络、卷积神经网络、神经网络迁移学习、循环神经网络、人工智能综合实验，实验项目数量10 个； ★（4）深度学习Pytorch虚拟实验：Tensor 的使用、Dataset 类代码实战、TensorBoard 的使用、Transforms 的使用、torchvision 数据集的使用、Dataset 与 Dataloader、神经网络--卷积层、神经网络--非线性激活层、神经网络--线性层、神经网络--Sequential、神经网络--最大池化、神经网络基本骨架 nn.module、项目实战--Cifar10分类实战、项目实战--Cifar10 分类实战(GPU 训练)、项目实战--Minst 数字识别实战、项目实战--猫狗分类实战、项目实战--基于 YOLOv5 的水果分类、项目实战--基于 YOLOv5 的垃圾分类、项目实战--基于 YOLOv5 的车牌检测识别。实验项目数量≧20 个； ★（5）ROS机械臂虚拟实验：包含控制板蜂鸣器控制实验、机械臂单个舵机控制、读取机械臂舵机当前的位置实验、机械臂六舵机同时控制、机械臂上下左右摆动实验、机械臂跳舞、机械臂夹取方块、机械臂搬运、机械臂叠罗汉、颜色识别与分类、垃圾分类等。实验项目数量≧11个； ★（6）综合3D虚拟实验：包含人脸识别系统（能够录入人脸数据；能实现身份认证；身份认证后控制无线 ZigBee 模块开锁，有专门PYQT 用户操作界面）；交通标识识别系统（能够识别平面彩色目标，如停车、减速、禁止行驶等标识，或者利用深度学习识别其他复图案）；车牌检测与识别系统（能从视频流中提取特定帧图像，并进行预处理，滤除干扰信息；能从图像识别车牌号码）；垃圾分类系统（能从视频流中提取特定帧图像识别四大类垃圾的标识 及对其正确的分类）。实验项目数量≧4 个。 3.3、人工智能在线课程平台（整个实验室配套1个节点） 3.3.1、总体要求 （1）本平台基于互联网与云计算技术，聚焦电子信息类新工科专业，可协同院校梳理规划培养方案及课程体系，一站式满足高校“教、学、练、测、管”全流程教学需求。 ★（2）采用B/S架构，搭建教师端与学生端双端口教学管理闭环，支持课程、实验、测评及数据可视化分析，界面简洁、操作便捷，适配线上线下教学场景； （3）平台内置对应专业优质教学资源，每门课程配套完整教学材料，助力高校专业教学及人才培养。 ★（4）教师端发布课程作业：人工智能在线课程平台教师端可通过“作业中心”发布课程作业给学生端，首先选择课程内容再选择班级（确认完成任务时间节点及作业名称），预览课程作业内容后确认下发课程作业。学生端登录后可在“我的作业”中看到教师端发布的课程作业，学生依次完成课程视频、课程实验指导书、课程PPT浏览作业后，“课程平台”端显示已完成的状态信息，教师端亦可在“作业中心”中看到学生完成课程作业的完成情况。 ★（5）教师端发布实验作业：本在线课程平台与人工智能虚拟仿真平台实现深度互联互通。教师可通过在线课程平台教师端 — 作业中心，将实验任务一键发布至人工智能虚拟仿真平台；学生可在人工智能虚拟仿真平台我的作业模块，查看并获取教师发布的实验作业。学生按照提示完成实验操作后，点击提交实验，系统将自动同步实验结果至在线课程平台教师端，教师可实时查看学生实验完成状态、实验过程数据及考核分数。 3.3.2、教师端功能要求： ★（1）教师端支撑教学管理全流程，核心功能包括：实验管理、作业中心、班级管理等。 ★（2）实验管理：可查看课程及实验资源，支持新建课程、实验，实现规范化管理； （3）作业中心：可自主设置考核参数、发布作业及考核任务，支持多维度筛选查询学生实验报告、考核成绩，实现全过程管理； （4）班级管理：可自主创建班级、批量导入学生信息并自动生成登录账号，通过可视化图表呈现班级及学生学习数据，便于精准掌握学习情况。 3.3.3、学生端功能要求 ★（1）平台包含课程平台、我的作业等功能，涵盖人工智能综合教学实验平台的多门核心课程，至少包含《Python基础》、《OpenCV机器视觉》、《深度学习TensorFlow》、《深度学习Pytorch》、《深度学习PaddlePaddle》、《端感知控制》、《六轴机械臂控制》、《PyQT5应用开发》、《自然语言处理》、《人工智能AI大模型》等10门以上课程； ★（2）每门课程均配套微课视频、PPT课件、实验指导书，可在线查看，并且覆盖核心知识点及实验演示，支持随时观看，助力课后复习，辅以实验案例、习题练习等补充资源，满足多样化学习需求。 ★3.4、平台实验课程资源： 要求提供包含但不限于《Python基础》、《OpenCV机器视觉》、《深度学习TensorFlow》、《深度学习Pytorch》、《端感知控制》、《六轴机械臂控制》、《PyQT5应用开发》、《自然语言处理》《人工智能AI大模型》《人工智能综合课程设计》等10门及以上课程。 所有实验案例均提供原始训练数据集、验证数据集以及标注文件，且每个实验必须独立包含数据集收集、整理数据集与验证集、修改数据集配置文件、修改预训练模型文件以及模型训练和模型测试等全流程实验内容，确保实验的完整性与独立性。 | 