HL-RGZN AI人工智能实验箱
温州虹联科教设备有限公司
AI人工智能实验箱，AI人工智能实验实训设备，AI人工智能实验实训设备教学考核培训实验箱
一、产品概述
本实验平台是一款专为高校人工智能教育设计的综合性教学平台，采用国产高性能AI芯片技术路线，搭载8核64位高性能CPU与6TOPS算力NPU，为实时图像处理、目标检测、语音交互等教学任务提供充沛算力。开发体验上，平台预装完善的开发环境与全流程教学工具链，提供涵盖CV、NLP等领域的百项参考代码与预训练模型，开箱即用。支持int8量化等模型优化技术，可让主流深度学习模型在设备端高效运行，满足从入门到进阶的AI教学需求，彰显国产化硬件的技术突破与生态兼容性。
使用Ubuntu操作系统，集成6自由度机械臂、二舵机云台、深度相机、环形阵列麦克风、多种被控对象和传感器等硬件模块，旨在为学生提供从理论学习到实践应用的完整AI教育体验。实验平台支持多种人工智能实验场景，如积木堆叠、垃圾分类、语音交互和视觉导航等，覆盖计算机视觉、机器人控制、自然语言处理和边缘计算等核心领域。
通过高性能硬件与开源软件生态的结合，本实验平台不仅满足高校AI课程的教学需求，还为学生提供项目式学习和创新实践的平台，助力培养具备AI开发能力的复合型人才。
人工智能实验平台，专为高校人工智能教学打造的全功能平台，让您轻松掌握AI技术，开启智能时代的大门！
二、核心硬件与功能
1. 核心主板：高性能AI核心
· 算力支持：搭载8核64位高性能CPU与6TOPS算力NPU，在实时目标检测、多路视频分析等教学场景中展现出色吞吐能力，支持高效的神经网络推理。
· 内存与存储：配备8GB LPDDR4X内存，可外接最高256GB TF卡。
· 外设接口丰富：HDMI输出、MIPI摄像头接口、USB 3.0 HOST x2、USB Type-C HOST x1，Micro USB x1串口打印功能，网口和GPIO，满足多种外设连接需求，支持Wi-Fi双频2.4G和5G，支持BT4.2/BLE。
· 软件生态：预装Ubuntu 22.04操作系统，兼容主流Linux发行版，支持PyTorch、TensorFlow、ONNX等主流AI框架。内置全流程开发工具链，提供100+参考代码样例和CV、NLP等领域的预训练模型，支持模型快速适配和端到端应用开发，显著降低学习门槛。
· 高效工具链：内置模型转换与推理加速工具，方便将多种主流AI框架的模型转换为适用于平台NPU的格式，简化模型部署过程。
· 开放生态与行业适配能力：兼容国产AI软硬件生态，支持与DeepSeek R1大模型等国产技术栈无缝集成。
2. 6自由度机械臂
· 功能：配备高精度伺服电机，支持多角度灵活运动，末端安装摄像头用于视觉引导。
· 实验场景：实现ROS系统学习，积木堆叠、垃圾分类等任务，训练学生在机器人控制与AI视觉结合方面的能力。
AI传感器模块
· 功能：通过核心主板的40Pin GPIO扩展，开发传感器实验或者控制设备。
· 实验场景：入门学习，学习GPIO的硬件控制，了解传感器模块方面的知识，学习python编程。
传感器实验模块
l 双色LED、
l 继电器、
l 轻触开关按键、
l U 型光电传感器、
l 模数转换、
l PS2 操纵杆、
l 电位器、
l 模拟霍尔传感器、
l 光敏传感器、
l 火焰报警、
l 气体传感器、
l 触摸开关、
l 超声波传感器距离检测、
l 旋转编码器、
l 红外避障传感器、
l 气压传感器、
l 陀螺仪加速度传感器、
l 循迹传感器、
l 直流电机风扇模块、
l 步进电机驱动模块；
三、高校人工智能教育的应用价值
1. 由浅入深，循序渐进
从基础的GPIO扩展到深度学习的AI视觉、AI听觉，AI平台提供完整的学习路径，让您一步步掌握AI知识体系，轻松应对各种挑战。
2. 覆盖AI核心课程内容
实验平台支持以下高校AI课程的教学需求：
· 数学基础：涵盖矩阵论、概率与信息论核心理论，构建底层逻辑框架。
· 编程基础：从Python语法到Linux环境配置，结合TensorFlow、PyTorch等主流框架实战入门。
· 计算机视觉：通过深度相机和机械臂摄像头，学生可实现图像分类、目标检测和3D物体识别。
· 机器人学：6自由度机械臂和二舵机云台提供运动控制和路径规划的实践机会。
· 语音处理：环形阵列麦克风支持语音信号处理和自然语言理解实验。
· 边缘计算：板载NPU的AI推理能力让学生学习如何在资源受限的边缘设备上优化与部署模型。
· GPIO硬件控制：基于GPIO使用python编程对传感器或者其他被控对象进行开发。
3. 系统框架与AI框架
l ubuntu操作系统:
系统预装ubuntu22.04操作系统，所有环境代码库文件均已安装，开机即用。
Ubuntu22.04在云计算领域效率极高，特别适用于机器学习这样的存储密集型和计算密集型任务。Ubuntun 长期支持版本可以获得 Canonical 官方长达五年的技术支持。
l 提供详细的python开源范例程序:
根据TIOBE最新排名 ，Python已超越C#，与Java,C,C++一起成为全球前4大最流行语言。国内目前百度指数搜索量已经超越Java，与C++，即将成为国内最受欢迎的开发语言。
Python被广泛应用于后端开发、游戏开发、网站开发、科学运算、大数据分析、云计算，图形开发等领域；Python在软件质量控制、提升开发效率、可移植性、组件集成、丰富库支持等各个方面均处于先进地位。python具有 简单、易学、免费、开源、可移植、可扩展、可嵌入、面向对象等优点，它的面向对象甚至比java和C#.net更彻底；
l JupyterLab编程:
JupyterLab是一个基于Web的交互式开发环境，用于Jupyter笔记本、代码和笔记本、代码和数据.JupyterLab非常灵活配置和排列用户界面，以支持数据科学、科学计算和机器学习中广泛的工作流.JupyterLab是可扩展的和模块化的编写插件，添加新组件并与现有组件集成
l 多种AI框架和AI开发工具:
NPU推理框架：提供高效的模型转换、量化与推理加速能力，让AI模型在设备端流畅运行。
PyTorch：广泛使用的深度学习框架，支持动态图和静态图计算。
OpenCV:功能强大且广泛使用的开源计算机视觉库，为图像处理和机器视觉提供了高效的工具。
TensorFlow：由 Google 开发的开源机器学习框架，广泛应用于各类 AI 应用。
NPU加速库：作为核心软件栈，提供算子库、加速库等，兼容多种框架模型的推理优化。
推理SDK：支持调用NPU接口进行模型推理，适用于视频分析、自然语言处理等场景。
模型转换工具：可以将多种主流 AI 框架的模型（如 TensorFlow、PyTorch、Caffe、ONNX 等）转换为适用于平台NPU的离线模型，实现推理加速。
4. 项目式学习与创新实践
实验平台设计了多个综合性实验项目，例如：
· 人脸追踪：实验通过 OpenCV 检测人脸，驱动机械臂实时追踪，展示图像处理与硬件控制结合，支持视频流显示与用户交互。
· 垃圾分类：通过AI模型分析垃圾类型，机械臂执行分类任务，提升学生对AI社会应用的理解。
· 颜色分拣与堆叠：实验通过 OpenCV 识别方块颜色，机械臂根据选择进行分拣或堆叠，支持 HSV 校准、方框colare标定与 ROS 通信控制。
5. 降低学习门槛，强化动手能力
实验平台预装教学软件和示例代码，支持Python编程和PyTorch等主流AI框架，学生无需深入硬件底层即可快速上手。同时，丰富的GPIO和外设接口让学生能够实现软硬件结合的完整开发流程，培养解决实际问题的能力。
6. 适配国产化教育趋势
基于国产高性能AI芯片的实验平台，融入国产AI生态，符合高校推广国产技术的要求。学生在学习过程中还能接触到中国自主研发的技术栈，增强技术自信。
四、典型实验案例
l 5.0全新部署DeepSeek-R1离线人工智能模型，内存占用小，低延迟响应。
l 蛋白质分类评估，适用于实际场景
l 目标检测，得益于强大的算力，多目标检测能力强
l 人像分割与背景替换，基于深度学习，高效实时移除背景
l 细胞图像分割，检测精准速度快
l 六自由度机械臂，智能舵机，ROS控制，适用于AI视觉颜色分拣实验
l 车牌识别，使用Teseract-OCR 引擎，识别准确率高，使用场景广泛。
l ROS机器人系统，跨平台兼容，代码开源，模块化设计，通用性强灵活性高。
五、人工智能课程资源
人工智能实验平台在设计时，考虑到不同基础学习者的需求，力求使用更易理解的学习方式传递更加详细的知识。本实验平台对各类使用者均有一定的学习帮助，特别是在在校大学生和研究生，能够帮助学生从初学逐渐过渡到深入学习。也可以帮助他们完成毕业设计或者学术论文。
在人工智能遍地开花的今天，人工智能在 各个领域都发挥了重要的作用，为产品赋能愈来愈称为各大企业的追求。人工智能早已渗透到计 算机视觉、自动驾驶、自然语言处理、机器人技术、推荐系统、语音识别、航空航天等等领域。
人工智能实验平台的学习主要分为两个部分，第一部分为人工智能基础，主要包括：相关数学基础、编程基础、Ubuntu系统、机器学习与深度神经网络、AI框架、基础舵机控制。第二部分主要为实践学习包括：机械臂、AI视觉、AI听觉、人工智能语言推理模型。完成学习后，可以充分了解到人工智能最主流的相关应用。
1、相关数学基础
矩阵论课程内容:（1）标量、向量、矩阵、张量（2）矩阵和向量相乘（3）单位矩阵和逆矩阵（4）线性相关和生成子空间（5）范数（6）特殊类型的矩阵和向量（7）迹运算（8）Moore-Penrose伪逆
概率与信息论课程内容:（1）随机变量与概率分布（2）离散型变量与概率分布律（3）常见的离散型概率分布（4）连续型变量和概率密度函数（5）常见的连续性概率分布（6）联合概率（7）边缘概率（8）条件概率（9）独立性和条件独立性（10）期望、方差和协方差（11）信息论
2、编程基础
变量与基本数据类型课程内容：（1）变量（2）基本数据类型
列表和元组课程内容：（1）列表（2）元组
字典与集合 课程内容：（1）字典（2）集合
类和对象课程内容：（1）面向对象概述（2）类的定义和使用（3）属性（4)继承
模块化程序设计课程内容：（1）函数创建和调用（2）参数传递
深度学习框架简介课程内容：（1）TensorFlow（2）PyTorch（3）Caffe/caffe2（4）PaddlePaddle
Linux开发环境简介课程内容：（1）Ubuntu操作系统（2）常用命令行
3、机器学习
基本概念课程内容：（1）训练集、测试集、验证集（2）过拟合、欠拟合、泛化（3）学习率、正则化、交叉验证
K-近邻算法课程内容：（1）基本概念（2）K的选取（3）距离的度量
支持向量机 课程内容：（1）间隔与支持向量（2）对偶问题（3）核函数（4）软间隔与正则化
K-均值聚类课程内容：K-均值聚类
决策树和随机森林课程内容：（1）决策树的基本概念（2）选择最佳划分标准（3）随机森林
神经网络课程内容：（1）神经元模型（2）感知器（3）多层感知器（4）经验风险和结构风险（5）梯度下降和反向传播（6）RBF网络（7）超限学习机（8）神经网络训练技巧
4、深度神经网络
人工智能课程内容： 人工智能、机器学习与深度学习
深度学习课程内容： 深度学习的发展历程
卷积神经网络课程内容：（1）发展历程（2）基本结构（3）前馈运算与反向传播（4）相关性质（5）卷积神经网络变种（6）常用卷积神经网络模型
循环神经网络课程内容：（1）循环神经网络简介（2）长短时记忆网络神经（3）循环神经网络的变体
生成对抗网络课程内容：（1）生成对抗网络简介（2）生成对抗网络基本结构（3）生成对抗网络变种
5、DeepSeek-r1-1.5B人工智能模型
深入了解模型课程内容：
（1）模型架构详解
（2）训练流程
（3）强化学习机制
高级应用与案例分析课程内容：（1）数学推理（2）代码生成（3）案例分析
本地部署与集成开发课程内容：（1）环境准备（2）模型部署（3）API开发
提示词设计与优化课程内容：（1）提示词设计原则（2）高级技巧（3）案例分析
6、机器运动学与ROS机器人
ROS基础与运动学课程内容：（1）ROS基础课程（2）ROS创建工程项目（3）自定义消息（4）Server通讯（5）机械臂URDF模型（6）机械臂运动学正反解（7）MoveIt配置（8）智能串行总线舵机（9）PC上位机控制（10）机械臂自定义学习动作组（11）机械臂关节弧度及末端姿态控制（12）机械臂工作区域内抓取、搬运（13）6自由度逆运动学控制
7、GPIO、传感器基础课程
GPIO基础课程课程内容：（1）双色LED控制（2）电位器检测（3）继电器控制（4）轻触开关按键（5）PCF8591模数转换（6）PS2操纵杆（7）触摸开关控制（8）直流电机风扇（9）步进电机驱动
传感器实验课程课程内容：（1）模拟霍尔传感器（2）模拟温度传感器（3）火焰报警（4）烟雾传感器（5）超声波传感器距离检测（6）旋转编码器（7）红外避障传感器（8）BMP180气压传感器（9）MPU6050陀螺仪加速度传感器（10）循迹传感器
8、机械臂课程
机械臂基础课程课程内容：（1）用户按键控制（2）蜂鸣器控制实验（3）OLED控制实验（4）控制单个舵机（5）同时控制6个舵机动作（6）读取舵机当前位置（7）机械臂关节标定实践（8）机械臂关节弧度及末端姿态控制（9）机械臂舞蹈表演（10）机械臂搬运色块实践（11）机械臂搬运码垛色块实践（12）机械臂抓取工作区域九点标定（13）机械臂抓取工作区域物块测试
9、AI视觉课程
AI视觉开发课程 课程内容：（1）安装和使用Matplotlib、Pyplot和Numpy（2）在OpenCV中运行摄像头（3）通过开源视觉库测试USB摄像头采集（4）OpenCV读取、写入和显示图像（5）OpenCV读取、显示和保存视频（6）OpenCV绘图函数使用（7）OpenCV图像质量和像素操作（8）OpenCV图片剪切（9）OpenCV图片平移（10）OpenCV图片镜像（11）OpenCV仿射变换（12）OpenCV图片缩放 （13）OpenCV图片旋转（14）OpenCV图片处理（15）OpenCV灰度处理（16）OpenCV图像美化（17）OpenCV边缘检测（18）OpenCV二值化处理（19）OpenCV矩形圆形绘制（20）OpenCV文字图片处理（21）OpenCV线段绘制（22）OpenCV彩色图片直方图（23）OpenCV直方图均衡画（24）OpenCV图片修补（25）OpenCV亮度增强（26）OpenCV高斯均值滤波（27）OpenCV磨皮美白（28）OpenCV中值滤波
AI视觉与机械臂综合课程课程内容：（1）颜色检测（2）脸部和眼睛检测（3）行人检测（4）汽车检测（5）车牌检测（6）目标追踪（7）定位物体实时位置（8）摄像头机械臂物体追踪（9）摄像头机械臂人脸追踪（10）色块抓取分拣实验（11）摄像头ArucoTag识别抓取实验（12）AI人工智能机械臂与主人互动实践 （13）AI人工智能机械臂手势识别抓取指定色块进行码垛（14）AI人工智能机械臂垃圾分类实践
嵌入式视觉应用课程内容：（1）图像分类（2）物体检测（3）语义分割（4）目标检测（5）人体姿态动作识别（6）背景移除（7）单眼深度图（8）场景文字识别（9）目标实际高度估计
10、AI听觉课程
AI听觉领域前沿算法课程内容：（1）连接时序分类模型（2）Attention模型（3）基于HMM的语音识别（4）Transformer
AI听觉综合实战课程内容：（1）AI听觉领域前沿算法（2）在线语音合成（3）语音听写流式（4）图灵机器人（5）AIUI（6）VAD端点检测（7）小薇机器人语音对话（8）Snowboy语音唤醒（9）语音情感识别（10）基于Kaldi的语音识别实践
技术规格
1、实验平台：
外形尺寸：≥610*440*240mm；
2、AI运算单元：
CPU：8核64位高性能处理器（4大核+4小核架构，主频最高2.4GHz），集成6TOPS算力NPU；内存：8GB LPDDR4X内存；算力：NPU算力6TOPS（INT8），支持INT4/INT8/INT16混合精度运算，支持主流深度学习框架模型推理加速；存储：板载64GB eMMC高速存储，支持外接最高256GB Micro SD卡扩展；40Pin扩展接口：1个；USB Type A接口：2个；HDMI接口：1个；USB Type C接口：1个；Micro SD卡接口：1个；MIPI-CSI连接器：2个，8Lane；风扇接口：1个；千兆网口：1个；
3、机械臂：
（1）机械臂自由度：5自由度+夹持器，200g有效负载，臂展350mm；
（2）舵机方案：15Kg*5+6Kg*1智能串行总线舵机；
（3）材质：阳极氧化处理铝合金；
4、摄像头：
机械臂末端安装摄像头，采用USB接口，30万像素，110度广角，480P分辨率（600*480）；
5、传感器实验模块：
传感器实验模块：双色LED、 继电器、轻触开关按键、U 型光电传感器、模数转换、PS2 操纵杆、电位器、模拟霍尔传感器、光敏传感器、火焰报警、气体传感器、触摸开关、超声波传感器距离检测、旋转编码器、红外避障传感器、气压传感器、陀螺仪加速度传感器、循迹传感器、直流电机风扇模块、步进电机驱动模块；
6、显示屏：
22寸显示屏，HDMI接口，1080P分辨率。
