【實驗室簡介】
廣西工業職業技術學院電子信息學院人工智能綜合實驗室位于校園核心教學區的精工B座203房間,周圍設定有便捷的交通和多功能的學習掌控把握空間。實驗室占地80平方米,空間設計充分考慮了教學與實踐的需要,布置合理,動線流暢。配備裝備了60個單單獨的工位,為每位學生提供了充足的實操空間和個人學習掌控把握領地。
實驗室內部設備先進,共配備裝備了2臺高端機器人,含有概括提供客戶服務交互演示的服務機器人和支持高級語音識別及響應實訓的語音機器人,這些機器人不僅用來演示和教學,也是學生研究和實驗的重要工量具。此外,還擁有16套人工智能教學實驗箱,其中含有概括了傳感器、執行器、處置整理器等一系列模型塊,方便學生在模仿各類環境下開展機器學習掌控把握和深度學習掌控把握模型的組建與實訓。
這些設備主要用來支持機器學習掌控把握、深度學習掌控把握模型實訓、數值解析等教學和研究活動,對于提升學生的實際實操能力、工程實踐經驗和科研水平均起到了重要推動作用。實驗室的資產總值達120萬元,由電子信息學院統一管理,并指派了資深教師擔任專業負責人,不僅負責日常的維護和管理作業,還定期對實驗室設備實行升級和維護,保證設備的先進性和功能的完善性,保證實驗室能夠適應最新的教學需求和技術發展,從而保障學生在科學研究和技能培養上的深度學習掌控把握體驗,使其能在未來的作業中占據優勢。
實驗室不僅是教學活動的場所,也是學生開展創新實驗和科研項目的重要基地,多次承擔了校內外的技術競賽和創新大賽。經過在實驗室中的學習掌控把握和實踐,學生能夠積累豐富的實際項目經驗,為將來走向職業生涯打下堅實的基礎。
【實驗室功能】
人工智能綜合實驗室不僅是學生們獲取知識的場所,更是實踐技能、開展科研和實行創新的重要平臺。本實驗室的功能多元,旨在為學生提供全方位的學習掌控把握體驗和專業技能培養機會。
教學課程實踐: 實驗室支持人工智能基礎、數值構造、機器學習掌控把握、深度學習掌控把握、智能控制、圖像處置整理等多門核心課程的實際實操與實驗活動。學生在此可以檢驗課程課程理論知識并經過項目實施,深入對專業知識的理解和把握。
專業技能培訓: 為了提升學生的專業素質,實驗室經常舉辦各類作業坊、培訓研討會,引實行業內資深專家實行面對面輔導,以及最新行業趨勢的解析討論。
科研項目與學術競賽: 基于實驗室出色的實驗設施和技術支持,學生可以參與到高水平的科研項目中,與導師合作攻關,參加國內外的學術競賽和挑戰,如人工智能設計大賽、編程馬拉松以及各類創新創業比賽。
專業認證考試: 本實驗室可用來人工智能相關職業技能證書的培訓和考試,比如1+X,HCIP/HCIE認證考試等,幫助學生提升職業競爭力。
師資培訓和教改實踐: 教師也可運用實驗室實行教學方法的研究與探索,以及新教學工量具和技術的嘗試。實驗室經常承擔教學改革試點項目,推動教育教學的創新發展。
經過這些豐富的功能,實驗室為電子信息學院培育高素質、技術嫻熟的人工智能應用技術人才提供了有力保障,同時也加強了學院與行業之間的交流ACAC與合作,提升了學生的就業競爭力和未來發展潛力。
來源于: 廣西工業職業技術學院電子信息學院
相關設備:
--SD23 AI人工智能實驗箱
AI人工智能實驗箱:開啟您的AI學習掌控把握之旅!
2017年,Transformer出現在一篇論文《 Attention Is All You Need》中被引入,可以在自然語言處置整理中得到廣泛應用。
2022年:ChatGPT的橫空出世
2022年11月,OpenAI發布了基于Transformer模型的大型語言模型ChatGPT,引發了全世界的AI浪潮,被《大西洋》雜志評為"年度突破",并稱其"可能會改變我們對作業方法、思考方法以及人類創造力的真正含義的想法"。
2023年:AI元年,全球競速,勢不可擋!
中國:國務院發布《新一代人工智能發展規劃》,將人工智能列為國家戰略,目標到2030年成為世界領先者。
美國:發布《人工智能國家戰略》,持續加大投入,保持領先優勢。
歐盟:發布《人工智能白皮書》,將人工智能視為歐洲未來經濟增長引擎。
全球:人工智能在醫療、技術、教育、交通、金融、娛樂等領域廣泛應用,帶來前所未有的變革。
AI 的新時代已經降臨,而你,準備好了嗎?
AI人工智能實驗箱專為高校人工智能教學打造的全功能平臺,讓您輕松掌控把握AI技術,開啟智能時代的大門!
三大核心優勢,助您一路領先:
1. 由淺入深,循序漸進
從基礎的GPIO拓展到深度學習掌控把握的AI視覺、AI聽覺,上海-AI平臺提供完整的學習掌控把握路徑,讓您一步步掌控把握AI知識體系,輕松應對各種挑戰。
2. 軟硬集合,實踐為王
AI人工智能實驗箱將課程課程理論與實踐完美集合,豐富的實驗項目讓您在實踐中學習掌控把握,在應用中鞏固,真正將AI知識融會貫通。
3. 開放靈活,激發創新
開放的GPIO連接口和模型塊化設計,支持個性化功能研發,讓您將創意變為現實,打造屬于自己的AI項目。
用戶的評價:
1. 來自高校教師的評價:
"課程內容豐富,教學效果杠杠的,學生們全部搶著學AI!"
"以前教AI,我頭全部大了,各種課程課程理論知識,學生們聽得云里霧里?,F在有了上海-AI實驗箱,我輕松多了,直接讓學生做實驗,學得賊快!"
2. 來自學生的評價:
"以前我對AI一點全部不懂,現在我全部能研發自己的AI項目了!"
"課程由淺入深,循序漸進,小白也能輕松上手。老師講得也好,我聽得懂,學得會!"
3. 來自校領導的評價
"AI人工智能實驗箱能夠幫助學生快速掌控把握AI知識和技能。平臺提供的實驗項目也非常實用,能夠幫助學生將課程課程理論知識應用到實踐中。"
"我們相信,借助上海-人工智能實驗箱,我們學校的AI教學水平將不斷提升,學生們也將能夠在未來的AI時代取得更大的成就。"
AI人工智能實驗箱不僅是學習掌控把握AI的最佳工量具,更是您通往AI未來的橋梁!
一、AI核心
GPU :128核 NVIDIA Maxwell GPU
CPU :4核cortex-A57處置整理器
內部存儲:4 GB LPDDR 25.6 GB/s
算力:472 GFLOP
基于NVIDIA強大的Al計算能力,系統內核是一個小巧卻功能強大的計算機數值數值,它可以讓你并行運行多個神經互聯網、對象檢驗測試、分割和語音處置整理等應用程序, 系統搭載四核cortex- A57處置整理器,128核Maxwell GPU及 4GB LPDDR內部存儲,帶來足夠的Al計算能力,提供472GFLOP算力,并支持一系列流行的Al框體結構和算法,比如TensorFlow、Pytorch、 caffe/caffe2、Keras、MXNET等。
二、系統框體結構與AI框體結構
1. 系統預裝ubuntu18.04實操系統,全部環境代碼庫文件均已裝配,開機即用。
Ubuntu 18.04 LTS在云計算領域效率極高,特別適用來機器學習掌控把握這樣的存儲密集型和計算密集型任務。Ubuntun 長期支持版本可以獲取 Canonical 官方長達五年的技術支持。Ubuntu 18.04 LTS 還將附帶了 Linux Kernel 4.15,其中含有針對 Spectre 和 Meltdown 錯誤的修復程序。
2. 提供詳細的python開源范例程序
按照TIOBE最新排名 ,Python已超越C#,與Java,C,C++一起成為全球前4大最流行語言。國內目前百度指數搜索量已經超越Java,與C++,即將成為國內最受歡迎的研發語言。
Python被廣泛應用來后端研發、游戲研發、網站研發、科學運算、大數值解析、云計算,圖形研發等領域;Python在系統重量控制、提升研發效率、可移植性、結合套件包括、豐富庫支持等各個方面均處于先進地位。python設定有 簡便、易學、免費、開源、可移植、可拓展、可嵌入、面向對象等優點,它的面向對象甚至比java和C#.net更徹底;
3. JupyterLab編程
JupyterLab是一個基于Web的交互式研發環境,用來Jupyter筆記本、代碼和筆記本、代碼和數值.JupyterLab非常靈活配備和排列用戶界面,以支持數值科學、科學計算和機器學習掌控把握中廣泛的作業流.JupyterLab是可拓展的和模型塊化的編寫插件,添加新結合套件并與現有結合套件包括
4. 多種AI框體結構
OpenCV計算機數值數值視覺庫,TensorFlow AI框體結構,Pytorch AI框體結構等
三、AI人工智能實驗箱特別點
支持多模態寫入,跨語言編程,優化深度學習掌控把握模型
人體姿態估計,應用來實際場景
就地實時背景移除,基于深度學習掌控把握,高效就地實時移除背景
目標檢驗測試,多目標檢驗測試能力強
語義分割,像素級別的詳細分類,適用來環境感知
單目深度,無需特殊相機,運用全卷積互聯網,可從單個圖像推斷相對深度,應用廣泛。
語音情感識別,應用Mobilenet_v2模型處置整理語音情感,輕量化、高效
六自由度機械臂,智能舵機,ROS控制,適用來AI視覺顏色分揀實驗
車牌識別,使用Teseract-OCR 引擎,識別準確率高,使用場景廣泛。
ROS機器人系統,跨平臺兼容,代碼開源,模型塊化設計,通用性強靈活性高。
AI聽覺主板,具備高重量音頻處置整理和語音服務,搭載Snowboy喚醒詞檢驗測試引擎,可以完成語音情感識別、圖靈機器人、語音對話等實驗。
四、硬件資源
一、硬件資源
|
功能單元 |
功能數值 |
功能描述 |
|
實驗箱 |
外觀尺寸:≥610*440*240mm; |
外箱應用鋁木合金材料,四周裝配尼龍防護墊,實驗箱體內部含有存儲空間,可以妥善放置模型塊及備品備件,打開方法為按壓彈出。 |
|
AI運算單元 |
GPU :128核 NVIDIA Maxwell GPU;
CPU :4核cortex-A57處置整理器;
內部存儲:4 GB LPDDR 25.6 GB/s;
算力:472 GFLOP;
核心拓展:擁有最少4個USB3.0連接口,支持HDMI和DP視頻連接口,一路M.2連接口的單路PCIE,并裝配備有散熱風扇, 40pin GPIO;
互聯網:千兆以太網口、無線網卡支持2.4Ghz/5GHZ,支持藍牙4.2; |
裝配Ubuntu 18.04 LTS+ROS Melodic實操系統,包括JupyterLab研發環境、Anaconda 4.5.4虛擬環境,支持一系列流行的AI框體結構和算法,比如TensorFlow、caffe/caffe2、Keras、Pytorch、MXNET 等,系統裝配備有OpenCV計算機數值數值視覺庫,TensorFlow AI框體結構,Pytorch AI框體結構。 |
|
機械臂 |
機械臂自由度:5自由度+夾持器,200g有效負載,臂展350mm;
舵機方案:15Kg*5+6Kg*1智能串行總線舵機;
材料:陽極氧化處置整理鋁制; |
用來機器人動作學與機器人系統,可以完成夾持積木等動作。 |
|
嵌入式核心主板 |
連接口:6個總線舵機連接口, PWM舵機連接口,i2C連接口,除AI核心板外還支持STM32和Raspberry Pi;
OLED:顯露CPU占用,顯露內部存儲占用,顯露IP地址等基礎信息;
按鍵:K1+K2鍵+RESET鍵;
1 個RGB燈; |
用來支持機械臂動作。 |
|
攝像頭 |
應用USB連接口,30萬像素,110度廣角攝像頭,480P分辨率(600*480) |
AI視覺實驗,如垃圾分揀等實驗。 |
|
AI聽覺單元 |
音頻芯片:應用SSS1629音頻芯片;
麥克風:板載兩個高重量MEMS硅麥克風;
連接口:標準3.5mm耳機連接口、雙通道喇叭連接口; |
應用USB連接口設計,免驅動,多系統兼容,可左右聲道錄音,音質更加??梢酝瓿葾I聽覺類實驗。 |
|
傳感器實驗模型塊 |
傳感器實驗模型塊將Jetson nano的GPIO連接口引出,便利完成GPIO實驗,并而且含有以下實驗課程:雙色LED、 繼電器、
輕觸開關按鍵、U 型光電傳感器、模數變換、PS2 操縱桿、電位器、模仿霍爾傳感器、光敏傳感器、火焰報警、氣體傳感器、觸摸開關、超聲波傳感器距離檢驗測試、旋轉編碼器、紅外避障傳感器、氣壓傳感器、陀螺儀加快速度度傳感器、循跡傳感器、直線DC電機風扇模型塊、步進電機驅動模型塊; |
傳感器實驗模型塊可以更好的幫助學習掌控把握者更加快速的入門Jetson nano的GPIO控制,從基礎入手,完成實驗項目。同時引出的GPIO和可位移的模型塊也使我們后續的使用和研發更加便利。 |
|
顯露屏 |
10寸顯露屏,HDMI連接口,1080P分辨率。 |
顯露屏傾斜裝配,傾斜角度大于5°。用來實操系統顯露。 |
|
鍵盤鼠標 |
干電池供電,無線藍牙連接。 |
用來系統控制。 |
五、AI人工智能課程
AI人工智能實驗箱在設計時,考慮到不一樣基礎學習掌控把握者的需求,力求使用更易理解的學習掌控把握方法傳遞更加詳細的知識。本實驗平臺對各類使用者均有一定的學習掌控把握幫助,特別是在在校大學生和研究生,能夠幫助學生從初學逐漸過渡到深入學習掌控把握。也可以幫助他們完成畢業設計或者學術論文。
在人工智能遍地開花的今天,人工智能在 各個領域全部發揮了重要的作用,為設備賦能愈來愈稱為各大企業的追求。人工智能早已滲透到計 算機視覺、自動駕駛、自然語言處置整理、機器人技術、推薦系統、語音識別、航空航天等等領域。
AI人工智能實驗箱的學習掌控把握主要分為兩個部分,第一部分為人工智能基礎,主要含有概括:相關數學基礎、編程基礎、機器學習掌控把握、深度神經互聯網、ROS基礎與動作學。第二部分主要為實踐學習掌控把握含有概括:GPIO與傳感器、機械臂、AI視覺、AI聽覺、物聯網。完成學習掌控把握后,可以充分理解到人工智能最主流的相關應用。
1.相關數學基礎
|
教學課程 |
課程內容 |
|
矩陣論 |
標量、向量、矩陣、張量 |
|
矩陣和向量相乘 |
|
單位矩陣和逆矩陣 |
|
線性相關和生成子空間 |
|
范數 |
|
特殊類型的矩陣和向量 |
|
跡運算 |
|
Moore-Penrose偽逆 |
|
概率與信息論 |
隨機變量與概率分布 |
|
離散型變量與概率分布律 |
|
常見的離散型概率分布 |
|
連續型變量和概率密度函數 |
|
常見的連續性概率分布 |
|
聯合概率 |
|
邊緣概率 |
|
條件概率 |
|
單單獨性和條件單單獨性 |
|
期望、方差和協方差 |
|
信息論 |
2.編程基礎
|
教學課程 |
課程內容 |
|
變量與基礎數值類型 |
變量 |
|
基礎數值類型 |
|
清單和元組 |
清單 |
|
元組 |
|
字典與集合 |
字典 |
|
集合 |
|
類和對象 |
面向對象基礎簡介 |
|
類的定義和使用 |
|
屬性 |
|
繼承 |
|
模型塊化程序設計 |
函數創建和調用 |
|
功能數值傳遞 |
|
深度學習掌控把握框體結構簡介 |
TensorFlow |
|
PyTorch |
|
Caffe/caffe2 |
|
PaddlePaddle |
|
Linux研發環境簡介 |
Ubuntu實操系統 |
|
常用命令行 |
3.機器學習掌控把握
|
教學課程 |
課程內容 |
|
基礎概念 |
實訓集、測量試驗集、檢驗集 |
|
過結合、欠結合、泛化 |
|
學習掌控把握率、正則化、交叉檢驗 |
|
K-近鄰算法 |
基礎概念 |
|
K的選取 |
|
距離的度量 |
|
支持向量機 |
間隔與支持向量 |
|
對偶問題 |
|
核函數 |
|
軟間隔與正則化 |
|
K-均值聚類 |
K-均值聚類 |
|
決策樹和隨機森林 |
決策樹的基礎概念 |
|
選用最佳劃分標準 |
|
隨機森林 |
|
神經互聯網 |
神經元模型 |
|
感知器 |
|
多層感知器 |
|
經驗風險和構造風險 |
|
梯度下降和反向傳播 |
|
RBF互聯網 |
|
超限學習掌控把握機 |
|
神經互聯網實訓技巧 |
4.深度神經互聯網
|
教學課程 |
課程內容 |
|
人工智能 |
人工智能、機器學習掌控把握與深度學習掌控把握 |
|
深度學習掌控把握 |
深度學習掌控把握的發展歷程 |
|
卷積神經互聯網 |
發展歷程 |
|
基礎構造 |
|
前饋運算與反向傳播 |
|
相關性質 |
|
卷積神經互聯網變種 |
|
常用卷積神經互聯網模型 |
|
循環神經互聯網 |
循環神經互聯網簡介 |
|
長短時記憶互聯網神經 |
|
循環神經互聯網的變體 |
|
生成對抗互聯網 |
生成對抗互聯網簡介 |
|
生成對抗互聯網基礎構造 |
|
生成對抗互聯網變種 |
5.機器動作學與ROS機器人
|
實驗課程 |
課程內容 |
|
ROS基礎與動作學 |
ROS基礎課程 |
|
ROS創建工程項目 |
|
自定義消息 |
|
Server通訊 |
|
機械臂URDF模型 |
|
機械臂動作學正反解 |
|
MoveIt配備 |
|
智能串行總線舵機 |
|
PC上位機控制 |
|
機械臂自定義學習掌控把握動作組 |
|
機械臂關節弧度及末端姿態控制 |
|
機械臂作業區域內抓取、搬運 |
|
6自由度逆動作學控制 |
6.GPIO、傳感器基礎課程
|
實驗課程 |
課程內容 |
|
Jetson nano GPIO課程 |
雙色LED控制 |
|
電位器檢驗測試 |
|
繼電器控制 |
|
輕觸開關按鍵 |
|
PCF8591模數變換 |
|
PS2操縱桿 |
|
觸摸開關控制 |
|
直線DC電機風扇 |
|
步進電機驅動 |
|
傳感器實驗課程 |
模仿霍爾傳感器 |
|
模仿溫度(℃)傳感器 |
|
火焰報警 |
|
煙霧傳感器 |
|
超聲波傳感器距離檢驗測試 |
|
旋轉編碼器 |
|
紅外避障傳感器 |
|
BMP180氣壓傳感器 |
|
MPU6050陀螺儀加快速度度傳感器 |
|
循跡傳感器 |
7.機械臂課程
|
實驗課程 |
課程內容 |
|
機械臂基礎課程 |
用戶按鍵控制 |
|
蜂鳴器控制實驗 |
|
OLED控制實驗 |
|
控制單個舵機 |
|
同時控制6個舵機動作 |
|
讀取舵機當前位置 |
|
機械臂關節標定實踐 |
|
機械臂關節弧度及末端姿態控制 |
|
機械臂舞蹈表演 |
|
機械臂搬運色塊實踐 |
|
機械臂搬運碼垛色塊實踐 |
|
機械臂抓取作業區域九點標定 |
|
機械臂抓取作業區域物塊測量試驗 |
8.AI視覺課程
|
實驗課程 |
課程內容 |
|
AI視覺研發課程 |
裝配和使用Matplotlib、Pyplot 和 Numpy |
|
在OpenCV中運行攝像頭 |
|
JetCam庫中測量試驗USB攝像頭 |
|
OpenCV讀取、寫入和顯露圖像 |
|
OpenCV讀取、顯露和存檔視頻 |
|
OpenCV繪圖函數使用 |
|
OpenCV圖像重量和像素實操 |
|
OpenCV圖片剪切 |
|
OpenCV圖片平移 |
|
OpenCV圖片鏡像 |
|
OpenCV仿射變換 |
|
OpenCV圖片縮放 |
|
OpenCV圖片旋轉 |
|
OpenCV圖片處置整理 |
|
OpenCV灰度處置整理 |
|
OpenCV圖像美化 |
|
OpenCV邊緣檢驗測試 |
|
OpenCV二值化處置整理 |
|
OpenCV矩形圓形測繪制作 |
|
OpenCV文字圖片處置整理 |
|
OpenCV線段測繪制作 |
|
OpenCV彩色圖片直方圖 |
|
OpenCV直方圖均衡畫 |
|
OpenCV圖片修補 |
|
OpenCV亮度增強 |
|
OpenCV高斯均值濾波 |
|
OpenCV磨皮美白 |
|
OpenCV中值濾波 |
|
AI視覺與機械臂綜合課程 |
顏色檢驗測試 |
|
臉部和眼睛檢驗測試 |
|
行人檢驗測試 |
|
汽車檢驗測試 |
|
車牌檢驗測試 |
|
目標追蹤 |
|
定位物體就地實時位置 |
|
攝像頭機械臂物體追蹤 |
|
攝像頭機械臂人臉追蹤 |
|
色塊抓取分揀實驗 |
|
攝像頭ArucoTag識別抓取實驗 |
|
AI人工智能機械臂與主人互動實踐 |
|
AI人工智能機械臂手勢識別抓取指定色塊實行碼垛 |
|
AI人工智能機械臂垃圾分類實踐 |
|
嵌入式視覺應用 |
圖像分類 |
|
物體檢驗測試 |
|
語義分割 |
|
目標檢驗測試 |
|
人體姿態動作識別 |
|
背景移除 |
|
單眼深度圖 |
9.AI聽覺課程
|
實驗課程 |
課程內容 |
|
AI聽覺領域前沿算法 |
連接時序分類模型 |
|
Attention模型 |
|
基于HMM的語音識別 |
|
Transformer |
|
AI聽覺綜合實戰 |
AI聽覺領域前沿算法 |
|
在線語音合成 |
|
語音聽寫流式 |
|
圖靈機器人 |
|
AIUI |
|
VAD端點檢驗測試 |
|
小薇機器人語音對話 |
|
Snowboy語音喚醒 |
|
語音情感識別 |
|
基于 Kaldi 的語音識別實踐 |