品牌：其他型号：CCD-IOT-AI学科类别：职业技校设备类别：实验箱材质：PCB适用范围：物联网人工智能实验教学产地：天津加工定制：加工定制外形尺寸：700mm重量：3kg
物联网+人工智能教学实验平台采用ARM Cortex多核处理器，配备Cortex-A72双核及Cortex-A53四核处理器，可根据用户需求定制内存和Flash容量。同时配备WIFI和蓝牙模块，用于联网，以及与物联网、家联网、车联网设备通讯。平台支持UART串口、USB口、HDMI输出，可以连接USB外设、SD卡、外接显示器。平台主要聚焦于图像的处理以及数字字母的识别，其中图像以内置图片文件的形式为主，同时配备了摄像头用于图像采集实验。利用本平台，学生可以完成简单的图像原理和分类聚类、神经网络算法的学习，动手操作进行图像的基本处理、数字及字母的识别，并最终完成车牌识别的实验。平台提供图形界面的学习工具，通过图形界面学习工具，学生可以清晰地看到图像处理算法的基本流程，了解和掌握算法相关参数的配置，自己动手更改图像处理的流程和参数，直观地学会使用图像处理的各种算法。
平台填补了国内大专院校、本科生、研究生面向人工智能、机器视觉、自然语言处理、机器学习等方向的基础课、通选课、专业必修、专业选修课实验课程内容的空缺，为不具备相关课程研发与教学能力的专业及讲师提供一系列的从零基础逐步进阶至专业内容的实验平台、配套软件、学生实验教材、教师指导用书等全套的教学解决方案，既可以作为相关专业方向学生的专业必修及选修动手实验指导材料，也可以作为非相关专业方向学生了解和初步使用人工智能相关领域最基础的知识技术的手段。
二、硬件技术参数
1、CPU: RK3399: Dual Cortex-A72 + Quad Cortex-A53, 64-bit CPU at 2.0GHz
2、GPU: Mali-T864 GPU, OpenGL ES 1.1/2.0/3.0/3.1, OpenVG 1.1, OpenCL, DX11
3、Memory: 2GB LPDDR3
4、Flash: 8GB emmc 5.1
5、Multi-Media: 4K VP9 & H265/H264 decoders, 1080P MPEG-1/2/4 & VP8 decoders, 1080P H.264 & VP8 decoders
6、接口：MIPI、GPIO、SPI、I2C、MIC Array、TF Card (sd/mmc 3.0)、USB 3.0 HOST、USB 2.0 HOST、eDP 1.3、HDMI 2.0 for 4K 60Hz
7、按键：Power、Menu、Esc、Vol+、Vol-
8、以太网：1000M
9、音频：音频输出口、MIC
10、无线网：WiFi (2.4G and 5G, 802.11 ac), Bluetooth 4.1
11、PCIE: 2.0
12、Uart: Debug口
13、传感器：光电传感器、陀螺仪、重力加速度计、电子罗盘、霍尔传感器
14、USB: Type-C (with DP out)
15、键盘鼠标：USB键盘，带触摸板
16、摄像头：USB摄像头模组，100万像素，720P
三、实验教学课程资源
平台提供成套教学资源，用户可以按照学期长度和实际教学情况安排教学，实验教材可以提供10～18周、每周2～6节课的教学实验需要。主要包含以下知识实验课程：
教学平台使用
Linux操作系统使用
命令行Bash编程界面与编程入门
Python编程界面与编程入门
Python调用OpenCV实验【使用Python、OpenCV】
Python的数学处理与可视化界面实验【使用Python、NumPy、Matplotlib】
图像分解与编解码实践：像素、行列、图像格式、编解码【使用Python、OpenCV】
图像表示与色彩空间实践：灰度化、色彩空间转化【使用Python、OpenCV】
图像特征实践：亮度、对比度、饱和度等的原理、调节与自动调节【使用Python、OpenCV】
图像文件的读取、保存与编解码【使用Python、OpenCV】
视频信号的读取、处理、保存与编解码【使用Python、OpenCV】
图像基本处理实验：各类算法的实现效果（灰阶、二值化、马赛克、缩放、插值、截取）【使用Python、OpenCV】
图像简单处理实验：各类算法的实现效果（滤波、平滑、增强、边缘检测）【使用Python、OpenCV】
各种图像处理方法的综合使用与项目实践【使用Python、OpenCV】
TensorFlow实验环境搭建实验
Python调用TensorFlow实验【使用Python、TensorFlow、Matplotlib】
图像特征提取实验：各类算法的实现效果（HOG、LBP、Haar）【使用Python、OpenCV】
分类算法实验课：各类算法的实现效果（决策树、支持向量机、朴素贝叶斯、罗辑回归）【使用Python、OpenCV】
分类算法实现数字识别实践【使用Python、OpenCV】
聚类算法实验：K-Mean算法的实现效果【使用Python、OpenCV、TensorFlow等】
使用聚类算法实现数字识别实践【使用Python、OpenCV、TensorFlow等】
车牌识别实验（一）：视频信号读取、寻找定位车牌号码、图像预处理与特征提取【综合使用以上技术】
车牌识别实验课（二）：使用各种算法进行数字识别【综合使用以上技术】
车牌识别实验课（三）：整体项目实测与效果展示【综合使用以上技术】
车牌识别课程设计成果展示与总结
