人工智能技术应用实训室建设需求

人工智能技术应用实训室建设需求一、技术需求（一）项目目标本次建设的人工智能技术应用实训室由软硬件构成，包含硬件服务器、软件平台（指主要包括人工智能专业知识和技能如智能数据处理、机器视觉、机器学习等内容的教学资源、实践资源和应用案例以及支撑教学与实训环节的平台环境）和人工智能教学仪器设备等，保障专业课程教学和实践教学活动的顺利开展。（二）内容一览表序号内容数量单位1GPU计算节点5套2协同计算节点1套3服务器机柜1套4万兆交换机1套5千兆交换机1套6智能教学综合管理平台1套7智慧教学实验平台1套8课程和实验资源库1套9综合案例资源库1套10智能开发板套件20套11智能机械臂开发套件20套12智能飞行器开发套件1套13智能机器狗开发套件1套14机器视觉应用实验箱2套（三）设备详细技术参数货物名称数量单位序号指标项指标要求GPU计算节点5套1服务器类型2U机架式，配置安装导轨，前置支持8个3.5"/2.5"SAS/SATA/NVME硬盘。支持扩展1个M.2SATA/NVMESSD；2cpu类型CPU颗数≥2，单颗CPU性能相当于或者不低于12核/24线程，频率2.10GHz—3.30GHz，缓存不低于18MB；3内存类型内存总容量不低于256GB，单根内存容量不少于32GB，R-ECCDDR43200Hz服务器内存；4系统盘类型总容量不低于1TB；单块磁盘容量不低于1TB，NVME固态硬盘；5数据盘类型总容量不低于16TB；单块磁盘容量不低于16TB，SATAHDD企业级机械硬盘；6GPU类型数量不少于4块，单块CUDA计算核心不低于16384核，单精度浮点算力不低于82TFlops，配备至少24GBGDDR6X显存容量，规格不少于RTX4090；7共享功能提供支持基于底层基础硬件的共享功能，基础硬件共享由基于硬件的算法支持，共享需求提供1/2,1/4,1/8功能；8计算网络配置不少于2个10GESFP+网口（包含多模模块和光纤线缆）；9管理网络配置不少于2个1GE千兆网口.（包含网络线缆）；平台支持IB和以太网并提供RDMA技术以及网卡虚拟化技术的功能；10电源配置2200W1+1冗余电源，冗余风扇满配；11服务器管理模块iKVM集成远程更新功能，通过WebGUI、智能平台管理接口(IPMI)和Redfish®API实现带外服务器管理。支持通过BIOS、BMC或DFU进行固件更新。支持远程BIOS更新。集成远程管理功能，通过带HTML5界面的独KVM简化远程控制和视频录制以轻松排除故障。能够通过网络应用远程键盘、视频和鼠标(KVM)控制，同时监控系统状态和硬件清单信息。服务器运行系统已关闭后，也可以通过简单的基于Web的界面为全天候远程监控提供带外管理。可以建立和管理BMC的防火墙功能。协同计算节点1套1服务器类型2U机架式,配置安装导轨，前置支持8个3.5"/2.5"SAS/SATA硬盘（支持4个NVME模式），后置支持2个SAS/SATA硬盘。支持扩展2个M.2SATASSD；2cpu类型CPU颗数≥2，单颗CPU性能相当于或者不低于16核/32线程.频率2.90GHz—3.90GHz；3内存类型内存总容量不低于128GB，单根内存容量不少于32GB.R-ECCDDR43200Hz服务器内存；4系统盘类型总容量不低于960GB；单块磁盘容量不低于480GB，SATA固态硬盘；5数据盘类型总容量不低于24TB；单块磁盘容量不低于8TB，SATAHDD企业级机械硬盘；6阵列卡配置独立LSI阵列卡，高速缓不低于2GB，带电池/电容保护模块，支持raid0、1、5、6、10、50、60，支持硬盘满配数量；7计算网络配置不少于2个10GESFP+网口（包含多模模块和光纤线缆）.8管理网络配置不少于2个1GE千兆网口（包含网络线缆）；9电源配置800W1+1冗余电源，冗余风扇满配；10服务器管理模块iKVM集成远程更新功能，通过WebGUI、智能平台管理接口(IPMI)和Redfish®API实现带外服务器管理。支持通过BIOS、BMC或DFU进行固件更新。支持远程BIOS更新。集成远程管理功能，通过带HTML5界面的独立KVM简化远程控制和视频录制以轻松排除故障。能够通过网络应用远程键盘、视频和鼠标(KVM)控制，同时监控系统状态和硬件清单信息。服务器运行系统已关闭后，也可以通过简单的基于Web的界面为全天候远程监控提供带外管理。可以建立和管理BMC的防火墙功能。服务器机柜1套1材质和防护等级优质令轧钢材质，防护等级符合IP20，可以抵抗类似手指长的物体刺穿。2载重和移动重型脚轮，坚固滚轮，自由移动安全坚固，可载重800KG。3组装方式拆卸方便，侧门和前门，后门均可拆卸，方便设备的安装运载及布线。4散热和通风强加风扇，风扇散热强，材质好，耐用，机柜四面通风好。5容量基于国际标准自主开发的19英寸工业标准机柜，支持42U内部扩展空间。万兆交换机1套1端口数量10GESFP+端口≥24，40GEQSFP端口≥6。2交换容量≥2.4Tbps/24Tbps。3包转发率≥720Mpps/792Mpps。4高度19英寸，1U标准机架式。5风扇数量≥4，可插拔。6MAC特性支持最大64KMAC地址容量，遵循IEEE802.1d标准，支持MAC地址自动学习和老化支持静态、动态黑洞MAC表项，支持源MAC地址过滤。7VLAN支持支持基于MAC/协议/IP子网/策略/端口的VLAN，支持VLANMapping功能.支持GVRP协议。8安全特性支持防止DOS、ARP攻击功能、ICMP防攻击，支持IP、MAC、端口、VLAN的组合绑定，支持端口隔离、端口安全、StickyMAC，支持黑名单和白名单，支持对ND、DHCPv6、MLD等IPv6协议报文进行攻击溯源和惩罚。9配套材料含10个多模光模块，10条光纤线缆。10服务原厂维保3年（标准）。千兆交换机1套1端口数量10/100/1000BASE-T以太网端口≥24，千兆SFP≥6。2交换容量≥336Gbps。3包转发率≥42Mpps。4高度1U标准机架式。5散热方式风冷散热，智能调速。6接口基础支持VLAN、支持802.1Q、支持PortBridge、支持Jumbo帧、支持端口UP/DOWN检测、支持端口自协商、支持接口MTU设置、支持VLANIF接口、支持链路聚合、静态端口聚合。7安全特性支持端口安全、支持广播、组播、未知单播风暴控制、支持端口隔离。8配套材料含24条不低于CAT6类网线。9服务原厂维保3年（标准）。智能教学综合管理平台1套1支撑人数可以支撑不少于100人同时在线，进行人工智能/在线课程的学习；2系统架构系统采用B/S架构，支持浏览器访问，支持Android版手机客户端、iOS版手机客户端访问，方便学生随时随地登录系统进行学习；3权限管理系统默认有管理员、老师、学生等权限角色，支持管理员设置角色权限及创建新的角色类型；4用户添加管理员可以手动或批量导入添加老师和学生用户，可删除或停用其他用户；5在线学习管理提供丰富的在线学习管理功能,包括课程管理、班级管理、课件管理、题库管理、作业管理、测验管理、成绩管理、公告管理、主题讨论、学习日历；6教师管理教师功能包括：课程管理、班级管理、课程分析、在课程内上传课件、创建作业、创建测验题、作业评审、讨论管理、公告管理等；7课程管理课程管理支持老师按章节顺序等方式自由组合指列课程课件、实验、作业、测验、讨论等教学内容，支持老师限制章节学习条件，通关式学习；8课程导入支持课程内容导出及导入，可从系统内其他课程或已导出的兼容压缩包中导入；9班级管理支持班级及小组管理，按班级小组指定作业及测验等差异化教学；10作业管理作业支持在线文本提交也支持课后附件上传提交，支持作业提交起始结束时间限制，支持作业小组分类设置成绩权重，科学汇总课程最终成绩；11评改管理学生作业提交后系统自动通知老师评改，同一作业通知小红标累计数字，界面简洁及阅读高效；12快速批改提供评分手册，标识未提交、待批改、已批改，支持老师快速批改作业；13评分手册提供成绩册，按学生列出各项作业得分、待批改、未提交等状态，支持快速进入评分手册；14成绩册导入导出成绩册支持导出excel表，也支持excel表批量覆盖导入；15个性化页面支持个性化页面，提供图文及链接等编辑，可引入更丰富的教学资源；16菜单排序支持老师对课程功能菜单进行排序，并控制学生可见范围；17学生视图支持学生视图，老师可以直接切换为学生视角对课程编辑内容快速进行体验，快速完善课程设置；18自定义课程老师可以自定义邀请其他老师参与自己的课程，共同完成课程的教学，可以授权课程维护、作业批改等；19学生管理学生功能包括：查看课件、提交作业、参加测验、消息会话管理、课程日历查看、日历自定义活动提醒、发起参与课程讨论、个人文件夹管理、查看作业评价和成绩、个人档案管理、通知选项管理等;20课程看板支持课程看板视图，快速查看各门课程难度级别、学习进度、显示作业/讨论/公告等新消息数量；21测验管理测验试卷可从题库抽取问题，支持固定问题组卷也支持随机问题组卷，有效防止作弊；22题库管理支持题库问题类型包括单选题，多选题，判断题，填空题等客观题也支持问答题等主观题，其中客观题支持系统自动评分。23教考分离支持教考分离，可限制测验试卷的访问人员、访问来源IP地址、考试起始及结束时间等；24点评设置出卷人可为问题设置参考答案并对各项答案设置点评内容；25客观题评分客观题由系统自动判分后也支持评卷教师修正得分、附加评语；26实验环境登录支持实验环境无缝连接，无须二次登录无须任意插件，浏览器直接打开实验机环境；27课程录制IE、Chrome、Safari等各种主流浏览器免插件观看课程录制内容。28案例证明平台支持多类人工智能综合案例实践，为证明综合案例的真实性，要求至少包含以下四个类似综合案例的演示内容：(1)智能交通监控：通过实时视频监控采集十字路口交通信息，从摄像头的存储设备通过网络传输到大数据处理平台，大数据处理平台通过运行的应用程序对这些流媒体数据进行处理，处理之后实时展示在前端。识别目标包括轿车、公交车、摩托车、电动车、行人等，统计出不同时间段、不同道路的拥塞情况、最拥堵路段的车辆类型，帮助交通管理部门进行分流管理，控制不同路段不同时间点交通信号灯的点亮时长，合理疏通拥塞路段的车流。(2)城市交通监测：“城市交通大数据”是对城市内的主要公共交通工具使用情况的统计，数据来源于交通工具上的设备。要求实现城市内交通及人口数据的汇总，例如城市内各区县的人口分布情况、市内交通情况、停车数据对比展示不同区县的交通道路停车情况和建筑物分配的停车情况。实现“交叉口流量”、“路段流量”、“交通流量”、“出行OD”、“行程车速”和“交通路况”等功能。(3)工业制造瑕疵检测：通过分析实现对PCB印制电路板的SMT贴片生产线的产品进行瑕疵检测。该案例要求通过CCD相机获取贴片后的PCB板图像，随后图像传入工业产线现场PC机中，PC机通过互联网将图片数据上传到瑕疵检测平台的数据库当中，平台调用后台的算法对数据进行处理，处理结果再通过互联网反馈给工业产线现场的PC机，若发现问题，现场工人就能及时处理。(4)智能安防：社会智能安防要求连接多个泛感知设备，包括智能门禁、智能井盖、智能消防栓，以及小区、道路监控等实时传感设备，形成社会面的综合感知，将房管、市政等掌握的实有人口、房屋、车辆、单位等数据信息汇聚。系统末端的感应器能深入社区的“末梢”，不断感知、收集信息，记录数据到系统的数据库。系统后台通过大数据的分布式计算技术对这些海量数据进行研判、比对、碰撞，发现社区不安全因素就实时预警，及时推送给民警。29软件著作权平台须具有独立的知识产权，提供软件著作权作为证明材料。智慧教学实验平台1套1支撑人数可以支撑不少于100人同时在线，进行人工智能学习、实验和项目实训学习；2主要技术系统采用Docker容器技术，提供实验资源调度及实验环境管理；3独立环境系统为每个用户提供独立的实验环境，互相隔离，不受其他用户的影响；4实验环境资源设置系统支持为每个用户提供多个节点的实验环境，可为实验环境指定CPU、内存等资源限制数量；5GPU分配系统支持为用户实验机开通GPU，自动分配带GUP卡的宿主机启动虚拟环境；6快速实验系统支持秒级完成实验环境准备，快速开展实验；7实验时长设置实验倒计时结束，自动释放资源，支持用户自主延长实验时间；支持开启实验周，退出实验时可以保留实验进度；8实验镜像系统提供基于Ubuntu图形桌面的实验环境镜像，包括Hadoop、Hbase、Hive、Spark、Sotrm、python2及3、Rstudio等；9无缝调用实验镜像系统支持老师不使用其他工具，借助平台即可修改或创建自己的实验，无缝调用实验需要的实验环境镜像；10创建实验镜像系统内置实验环境镜像管理模块，可直接在系统中基于基础镜像编辑创建新的实验环境；11实验手册显示系统支持实验手册与实验机同屏显示，无需OpenVPN及SSH等工具额外配置连接实验环境；12文件互传系统支持实验机与物理机之间进行文件互传，无需WinSCP等额外工具完成实验数据或代码的传输；13一键复制系统支持实验手册代码块一键复制及剪切板复制，实验环境中直接粘贴使用；14代码隐藏系统支持实验手册关键代码段设置隐藏，促使学生自主思考；15全屏显示系统支持收起实验手册，支持实验环境全屏显示；16一键重置系统支持实验环境一键重置，恢复初始状态；17远程协助系统提供远程协助按钮，支持老师远程操作学生实验环境，或学生之间远程互操作；18演示操作系统提供演示按钮，支持老师或学生为同学演示实验操作；19聊天室系统提供聊天室，支持同一实验的用户之间开展即时交流，支持文本及实验截图；20实验报告系统支持实验报告与实验机同屏显示，一边实验一边编写实验报告；21实验过程截图系统提供桌面截图工具，支持实验关键过程截图，并可直接插入实验报告；22截图水印系统桌面截图支持水印功能，包含用户ID和实验时间，防止报告抄袭；23实验监控系统支持老师实时监控学生实验过程，及时采取干预措施；24生成GIF动画系统支持实验过程后台自动截图，生成GIF动画，方便老师快速审查学生实验质量；25资源监控系统支持当前资源使用情况监控，实时分析用户人数及资源使用类型。26无缝衔接教学平台系统无缝集成智慧教学综合管理平台，无需二次登录，不再额外限制系统用户数。27软件著作权平台须具有独立的知识产权，提供软件著作权作为证明材料。课程和实验资源库1套1核心课程提供不少于9门人工智能核心课程，需配合实践教学平台使用。可以使用实践教学平台中各种功能配合学生课程资源学习。为能更好的支撑教学开展，人需提供所列课程的教学配套材料，包括由软件提供商正式出版的自有版权教材，以及满足32课时理论教学的教学大纲、教学课件（即授课PPT）、理论视频、随堂测验、章节习题、期末考题等。具体课程参数如下：2《人工智能导论》提供不少于32课时的理论教学内容，轮廓性的介绍大数据与人工智能的全貌，简要的探讨Hadoop、Spark技术，同时，探讨数据库、编程语言、算法与大数据以及人工智能的关系，最后配合项目演示的方式系统的介绍大数据与人工智能的主要工作流。课程必须包含以下内容：概述、知识表示与知识图谱、知识库、知识搜索策略、机器学习方法、深度学习与卷积神经网络、其他知识获取方法、专家系统、计算机视觉、自然语言处理、机器人、人工智能热门领域、智能工业、智能家居和虚拟现实等。3《Python编程基础与应用》提供总计不少于130学时的教学资源，包括不少于32学时的理论教学资源、不少于32学时的配套实验教学资源、不少于80学时的拓展实验资源。1.教学部分：提供不少于32课时的理论教学和不少于32课时配套实践教学内容，主要包括是Python基本介绍、程序设计、循环程序设计、函数和递归、数据结构、面向对象程序设计及多线程程序设计。课程必须包含以下章节：Python程序设计导论、Python程序设计初步、循环程序设计、函数和递归、Python数据结构、Python面向对象程序设计、Python多线程程序设计等。2.拓展实验部分：根据学校的人培方案和教学计划要求，Python编程语言实训资源包须包含Python编程基础、Python数据结构、Python数据结构与算法等内容，合计不少于70个实验，能够支撑80个以上的教学学时。每个实验须包含实验手册(包含完整的代码、实验步骤)、实验实训虚拟环境(与实验手册配套、包含实验实训所需的软件与数据）等。实训内容包括但不限于以下知识点：（一）Python编程基础（1）Python源码安装（2）Python解释器介绍（3）Python输入输出（4）Python基本数据类型：数字、字符串（5）Python字符串（6）Python运算符与表达式（7）Python基本数据类型：列表、元组（8）Python数据结构：列表创建与元素增加（9）Python数据结构：列表推导式（10）Python数据结构：列表切片操作（11）Python数据结构：元组（12）Python基本数据类型：字典、集合（13）Python数据结构：字典语法及应用（14）Python数据结构：集合语法及应用（15）Python生成器与迭代器（16）Python条件控制（17）Python循环语句（18）Python内置函数（19）Python函数设计与使用（20）Python面向对象：入门（21）Python面向对象：三大特性（22）Python面向对象：类的成员（23）Python模块的使用（24）Python标准库（一）（25）Python标准库（二）（26）Python日期和时间（27）Python正则表达式（28）Python文件操作（29）Python异常处理（30）PythonJson（31）Python多线程（32）PythonSocket（33）Virtualenv（34）测试（35）项目结构（36）PEP8代码风格指南（二）Python数据结构（1）准备环境及实验介绍（2）Python-数组（3）Python-列表（4）Python-元组（5）python-字典（6）python-2维数组（7）Python-矩阵（8）python-集合（9）python-Maps（10）python-链表（11）Python-栈（12）Python-队列（13）Python-哈希表（14）Python-二叉树（15）Python-堆（16）Python-图（17）Python-算法设计（18）Python-分治（19）Python-回溯（20）Python-遍历二叉树（21）Python-排序算法（22）Python-搜索算法（23）Python-遍历图（24）Python-算法分析（25）Python-算法符号（26）Python-摊还复杂度分析和算法论证（三）Python数据结构与算法（1）Python包安装和使用机制（2）Python打包工具distutils、setuptools分析（3）Python错误捕获机制分析（4）经典排序Python实现（5）正则表达式（6）Pythonsorted排序小结（7）Dijkstra最短路径算法（8）动态规划系列之一爬楼梯问题（9）数据结构之树的遍历（10）动态规划系列之二最大和子数组（11）动态规划系列之三乘积最大子数组（12）动态规划系列之四梅花桩问题（13）动态规划系列之五打家劫舍（14）动态规划系列之六01背包问题4《人工智能数据集处理》提供总计不少于160学时的教学资源，包括不少于32学时的理论教学资源、不少于32学时的配套实验教学资源、不少于100学时的拓展实验资源。1.教学部分：提供不少于32课时的理论教学和不少于32课时配套实践教学内容，介绍数据标注、数据清洗等数据处理的核心技术，从多种数据源中抽取出数据，进行数据清洗、集成、变换、归约的一系列方法和工具组件。课程必须包含以下章节：大数据技术概述数据预处理概述、数据采集与存储、Kettle工具的初步使用、基于Kettle的数据导入与导出、数据清理、Kettle作业设计、文本数据清洗、数据标注、处理分类数据、图像处理等。2.拓展实验部分：根据学校的人培方案和教学计划要求，数据采集与数据标注实训资源包须包含Python爬虫、Scrapy爬虫、Java爬虫、日志收集系统Flume、分布式消息系统Kafka、数据转移工具Sqoop、ETL工具入门与进阶、数据标注等内容，合计不少于61个实验，能够支撑103个或以上的教学学时。每个实验须包含实验手册(包含完整的代码、实验步骤)、实验实训虚拟环境(与实验手册配套、包含实验实训所需的软件与数据）等。实训内容包括但不限于以下知识点：（一）python爬虫（1）urllib和re模块的安装使用（2）Python爬取百度贴吧图片（3）Python爬取当当网图书信息（4）Python爬取百度贴吧贴文（二）Scrapy爬虫（1）Scrapy爬取博客文章（2）Scrapy命令行工具（3）Spider类（4）选择器（5）Item类（6）Item加载器（7）ScrapyShell（8）Scrapy项目实战（三）java爬虫（1）Jsoup内容解析（2）Xpath解析（四）日志收集系统Flume（1）Flume安装部署（2）Flume配置Source、Channel、Sink（3）Flume自定义来源（4）Flume多source多sink组合框架搭建（5）Flume传输数据给Kafka（6）FlumeInterceptors相关配置（7）FlumeAVROClient开发（8）FlumeSinkProcessors相关配置（9）Flumeselector相关配置（五）分布式消息系统Kafka（1）Kafka安装部署（2）基本命令（3）KafkaTopic（4）Kafka生产者和消费者（5）KafkaProducer开发(一)（6）KafkaProducer开发(二)（7）KafkaConsumer开发(一)（8）KafkaConsumer开发(二)（9）Kafka整合Flume（10）结构化数据的发送与接收（11）非结构化数据的发送与接收（12）Spark整合Kafka（六）数据转移工具Sqoop（1）Sqoop安装（2）Sqoop数据导入导出（3）Sqoop增量数据导入（4）Sqoop基本流程综合案例（七）ETL工具入门与进阶（1）csv文件入门（2）从xml获取数据（3）jsoninput（4）表输入与输出（5）计算器（6）行列转换（7）行扁平化（8）替换null值（9）写日志（10）switch和case（11）数据库查询（12）笛卡尔积记录关联（13）记录集连接（14）分组（15）JavaScript脚本（16）Java脚本（八）数据标注（1）文本标注（2）车牌标注（3）行人标注（4）遥感图片标注（5）医疗影像标注（6）标注结果训练及自动标注5《机器学习技术与应用》提供总计不少于100学时的教学资源，包括不少于32学时的理论教学资源、不少于32学时的配套实验教学资源、不少于30学时的拓展实验资源。1.教学部分：提供不少于32课时的理论教学和不少于32课时配套实践教学内容，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。课程必须包含以下章节：机器学习的基础概念和发展历程、Python常用库、线性回归预测与逻辑回归分类、K近邻分类与回归、决策树分类与回归、贝叶斯分类、支持向量机分类、集成学习分类与回归、聚类、深度神经网络、文本分析和图像分析等。2.拓展实验部分：根据学校的人培方案和教学计划要求，机器学习实训资源包须包含机器学习经典算法和机器学习实战案例等内容，共计不少于21个实验，支撑30个以上教学学时。每个实验须包含实验手册(包含完整的代码、实验步骤)、实验实训虚拟环境(与实验手册配套、包含实验实训所需的软件与数据）等。实训内容包括但不限于以下知识点：（一）机器学习经典算法（1）机器学习前导（2）机器学习入门（3）数据预处理（4）主成分分析算法（5）简单线性回归（6）多元线性回归（7）逻辑回归（8）softmax回归模型（9）K近邻法（10）基于朴素贝叶斯算法的文本分类（11）决策树（12）随机森林（13）支持向量机（二）机器学习实战案例（1）使用Pandas进行数据探索（2）Python数据可视化分析（3）特征工程和特征选择（4）决策树和K近邻分类（5）线性回归与线性分类器（6）随机梯度下降和独热编码（7）主成分分析和聚类6《深度学习技术与应用》提供总计不少于170学时的教学资源，包括不少于32学时的理论教学资源、不少于32学时的配套实验教学资源、不少于110学时的拓展实验资源。1.教学部分：提供不少于32课时的理论教学和不少于32课时配套实践教学内容，介绍深度学习的基本理论，主要以Ubuntu系统为例搭建了主流框架TensorFlow，并描述其详细生产流程，通过集群部署深度学习的项目以及如何进行运营维护的注意事项。课程必须包含以下章节：深度学习基本概念、深度学习基础、深度学习开发框架、TensorFlow编程基础、使用keras搭建神经网络识别MNIST数据集、优化神经网络提高识别准确率、优化神经网络提高识别准确率、CIFAR-10图像识别、图像分类-猫狗识别、人脸表情识别、构建生成对抗网络生成MNIST模拟数据集、使用SRGAN实现flowers数据集的超分辨率修复、IMDb网络电影数据集分析等。2.拓展实验部分：根据学校的人培方案和教学计划要求，深度学习实训资源包须包含深度学习之Tensorflow、深度学习之Keras、深度学习之Pytorch和深度学习之MXNet等内容，合计不少于80个实验，支撑110个或以上教学学时。每个实验须包含实验手册(包含完整的代码、实验步骤)、实验实训虚拟环境(与实验手册配套、包含实验实训所需的软件与数据）等。实训内容包括但不限于以下知识点：（一）深度学习之Tensorflow（1）TensorFlow线性回归（2）TensorFlow逻辑回归（3）TensorFlowK近邻算法（4）TensorFlow多层感知机（5）TensorFlow循环神经网络（6）TensorFlow双向循环神经网络（7）TensorFlow实现K-Means算法（8）TensorFlow随机森林（9）TensorFlow简单神经网络（10）TensorFlow卷积神经网络（11）TensorFlow递归神经网络（12）TensorFlow双向递归神经网络（13）TensorFlow动态递归神经网络（14）TensorFlow自动编码器（15）TensorFlow手写数字识别（16）TensorFlow手写数字识别应用（二）深度学习之Keras（1）Keras框架入门基础（2）Keras构建简单的回归神经网络（3）基于Keras的LSTM多变量时间序列预测（4）基于Keras框架处理标签数据（5）基于Keras框架处理mnist图片数据（6）基于Keras框架处理mnist图片数据-进阶（7）基于Keras框架实现字母预测-初级（8）基于Keras框架实现字母预测-进阶（9）基于Keras框架实现字母预测-高级（10）Keras卷积神经网络可视化（11）基于Keras框架建立自动编码器（12）基于Keras的LSTM实现seq2seq（三）深度学习之Pytorch（1）Pytorch自动求导机制（2）动态图与静态图（3）线性模型与梯度下降（4）多层神经网络sequential和module（5）深层神经网络（6）参数初始化方法（7）优化算法SGD（8）优化算法动量法（9）优化算法adagrad（10）优化算法adadelta（11）优化算法Adam（12）Pytorch中的卷积模块（13）循环神经网络模块LSTM和GRU（14）使用RNN进行时间序列分析（15）QLearning介绍（16）灵活的数据读取7《Hadoop+Spark大数据技术与应用》提供总计不少于170学时的教学资源，包括不少于32学时的理论教学资源、不少于32学时的配套实验教学资源、不少于100学时的拓展实验资源。1.教学部分：提供不少于32课时的理论教学和不少于32课时配套实践教学内容，通过该课程的学习，使学生系统的学习当前广泛使用的两类通用大数据平台：Hadoop与Spark，学会搭建Hadoop完全分布式集群，Spark集群安装配置。课程必须包含以下章节：大数据技术概述、Linux系统安装与使用、Hadoop部署安装与使用、HDFS基础使用、MapReduce原理与基础编程、HBase部署与使用、Hive部署与使用、Zookeeper部署与使用、Spark部署安装与使用、SparkSQL：结构化数据文件处理、SparkStreaming：实时计算框架、SparkGraphFrames：图计算、数据采集工具安装与使用等。2.拓展实验部分：Hadoop大数据技术根据学校的人培方案和教学计划要求，Hadoop大数据技术实训资源包须包含大数据平台部署、分布式存储HDFS、批处理引擎MapReduce等内容，合计不少于32个实验，能够支撑45个或以上教学课时。每个实验须包含实验手册(包含完整的代码、实验步骤)、实验实训虚拟环境(与实验手册配套、包含实验实训所需的软件与数据）等。实训内容包括但不限于以下知识点：（一）大数据平台部署（1）Hadoop单机模式安装（2）Hadoop介绍及伪分布式安装（3）HBase的安装配置（4）Hive安装部署（5）Sqoop安装（6）ZooKeeper安装配置（7）Pig介绍和安装部署（8）Flume介绍与安装（9）Kafka安装应用（10）Chukwa介绍与安装部署（11）Mahout介绍和安装部署（12）SparkLocal模式安装（13）Sparkstandalone伪分部模式安装（14）Storm单机模式安装（二）分布式存储HDFS（1）HDFS原理及操作（一）（2）HDFS原理及操作（二）（3）HDFS原理及操作（三）（4）HDFSJavaAPI（三）批处理引擎MapReduce（1）Mapreduce原理及操作（一）（2）Mapreduce原理及操作（二）（3）Mapreduce电商用户产品收藏数WordCount（4）Mapreduce用户收藏产品去重（5）Mapreduce产品点击数平均值（6）Mapreduce产品点击量排序（7）Mapreduce产品点击量二次排序（8）Mapreduce产品销量点击量倒排索引（9）Mapreduce用户订购产品分析Map端join（10）Mapreduce用户订购产品分析Reduce端join（11）Mapreduce用户间接好友分析单表join（12）Mapreduce多条件产品浏览情况分析ChainMapreduce（13）Mapreduce自定义输入格式（14）Mapreduce自定义输出格式Spark大数据技术根据学校的人培方案和教学计划要求，Spark大数据技术实训资源包须包含Scala程序设计、Spark基础、Spark流处理、Pyspark基础、实时流式框架Storm等内容，合计不少于30个实验，能够支撑64个或以上课时。每个实验须包含实验手册(包含完整的代码、实验步骤)、实验实训虚拟环境(与实验手册配套、包含实验实训所需的软件与数据）等。实训内容包括但不限于以下知识点：（一）Scala程序设计（1）Scala安装（2）变量定义与基本类型（3）函数及其几种形式（4）类和对象（5）操作符即方法（6）类继承（7）特质（8）包和导入（9）集合（10）内建控制结构（11）模式匹配（12）类型参数化（13）抽象成员（14）隐式转换与隐式参数（二）Spark基础（1）SparkShell操作（2）SparkScala与JavaAPI操作（3）Spark基本工作原理与RDD（4）SparkGraphX图处理（三）Spark流处理（1）SparkStreamingWordCount演示（2）SparkStreaming模拟日志分析（3）SparkStreaming贷款黑名单实时过滤模拟（四）Pyspark基础（1）Spark安装部署（2）使用pySpark开发wordCount程序（3）使用pySpark进行Spark-submit（4）SparkSQL入门（5）SparkDataFrame基本概念（6）SparkGraphFrames（五）实时流式框架Storm（1）storm单机模式安装（2）stormShell基本操作（3）stormTrident之Filter（4）stormTrident之Function（5）stormTrident之Aggregate（6）stormTrident之WordCount（7）storm模拟日志处理实战8《自然语言处理技术与应用》提供总计不少于120学时的教学资源，包括不少于32学时的理论教学资源、不少于32学时的配套实验教学资源、不少于60学时的拓展实验资源。1.教学部分：提供不少于32课时的理论教学和不少于32课时配套实践教学内容，介绍语音识别及其在控制领域的应用技术开发方法，对语音识别的原理和模型、语音信号处理方法、硬件和软件开发平台进行了介绍，对语音识别在web中的应用、语音控制软件的设计和语音远程控制技术以及语音控制器等内容都结合实例讲解了其开发过程。课程必须包含以下章节：自然语言处理初探、使用Python进行自然语言基础处理、使用NLTK获取和构建语料库、Jieba中文分词、Jieba词性标注、命名实体识别之日期识别和地名识别、提取文本关键词、词向量算法、句法分析、情感分析、机器学习在自然语言处理中的应用、深度学习在自然语言处理中的应用、自然语言处理典型的应用场景等。2.拓展实验部分：根据学校的人培方案和教学计划要求，自然语言处理实训资源包须包含自然语言处理入门和实战案例等内容，合计不少于26个实验，支撑64个或以上教学学时。每个实验须包含实验手册(包含完整的代码、实验步骤)、实验实训虚拟环境(与实验手册配套、包含实验实训所需的软件与数据）等。实训内容包括但不限于以下知识点：（一）自然语言处理入门（1）中英文分词方法及实现（2）隐马尔科夫模型(HMM)分词（3）Jieba：高频词提取（4）使用词性标注语料库开发分块器（5）命名实体识别之日期识别（6）命名实体识别之地名识别（7）关键词提取（8）网页文本向量化（9）Word2Vec_Skipgram_文本处理（10）Transformer_文本翻译（11）Transformer(Greedy_decoder)_文本翻译进阶（12）TextRNN_文本预测（13）TextLSTM_文本预测进阶（14）Bi_LSTM_文本预测高级（15）seq2seq_文本转换（16）Seq2Seq(Attention)_文本转换进阶（17）句法分析（18）NNLM_单词预测（19）TextCNN_文本情感分析（20）基于Bi_LSTM(Attention)的文本情感分类（21）BERT_问答系统（二）实战案例（1）TF-IDF算法文本词频统计（2）NLP词嵌入实战（3）TextRank算法完成摘要提取（4）NLP文本处理（5）随机文本生成9《计算机视觉技术与应用》提供总计不少于190学时的教学资源，包括不少于32学时的理论教学资源、不少于32学时的配套实验教学资源、不少于120学时的拓展实验资源。1.教学部分：提供不少于32课时的理论教学和不少于32课时配套实践教学内容，主要从工程应用的角度比较全面地介绍图像识别基础知识、计算机处理图像的基础理论和实用技术以及近年来该领域的新研究成果和应用实例，注重理论，突出实用。了解图像识别的基础知识和技术，并学会在实践中应用图像识别技术。课程必须包含以下章节：计算机视觉概述、OpenCV简介及搭建、OpenCV图像的常用操作、给图片加滤镜、使模糊图片清晰化、图像复原、综合任务：图像处理之信用卡数字识别、深度学习、TensorFlow的安装与简介、人脸识别、图像分类之猫狗识别、无人驾驶之目标检测、人体姿态识别等。2.拓展实验部分：根据学校的人培方案和教学计划要求，计算机视觉实训资源包须包含图像处理基础知识、计算机视觉库和案例实战等内容，合计不少于90个实验，支撑125个或以上教学学时。每个实验须包含实验手册(包含完整的代码、实验步骤)、实验实训虚拟环境(与实验手册配套、包含实验实训所需的软件与数据）等。实训内容包括但不限于以下知识点：（一）图像处理基础知识（1）数字图像处理基础（1）（2）数字图像处理基础（2）（3）数字图像处理基础（3）（4）Python图像处理入门（1）（5）Python图像处理入门（2）（6）Python图像处理入门（3）（7）Python图像处理入门（4）（8）Python图像处理入门（5）（9）Python图像几何变换（1）（10）Python图像几何变换（2）（11）Python图像几何变换（3）（12）Python图像量化及采样处理（1）（13）Python图像量化及采样处理（2）（14）Python图像的点运算处理（1）（15）Python图像的点运算处理（2）（16）Python图像的点运算处理（3）（17）Python图像的点运算处理（4）（18）Python直方图统计（1）（19）Python直方图统计（2）（20）Python直方图统计（3）（21）Python图像增强（22）Python图像平滑（1）（23）Python图像平滑（2）（24）Python图像锐化及边缘检测（1）（25）Python图像锐化及边缘检测（2）（26）Python图像形态学处理（1）（27）Python图像形态学处理（2）（28）Python图像特效处理（1）（29）Python图像特效处理（2）（30）Python图像特效处理（3）（31）Python图像分割（1）（32）Python图像分割（2）（33）Python图像分割（3）（34）Python傅里叶变换与霍夫变换（1）（35）Python傅里叶变换与霍夫变换（2）（二）计算机视觉库（1）基于OpenCV的图像基本操作（2）图像与视频的加载、展示、保存（3）在图像上绘制几何形状（4）画笔（5）滑动条（6）图像基本操作（7）图像的算术运算（8）性能度量与性能改进（9）基于OpenCV的常见图像形成方法（10）变换色彩空间（11）图像几何变换（12）图像阈值化（13）基于彩色直方图均衡化和形态学运算的图像增强方法（14）图像平滑（15）形态转换（16）基于OpenCV的图像预处理方法（17）图像金字塔（18）初识轮廓（19）轮廓特征之一（20）轮廓特征之二（21）轮廓特征之三（22）轮廓属性（23）直方图基础（24）直方图均衡化（25）模板匹配（26）Hough直线检测（27）Hough圆检测（28）使用分水岭算法实现图像分割（29）GrabCut抠图（30）使用sobel、roberts、Canny算子实现图像边缘检测（31）图像梯度（32）Canny边缘检测（33）Harris角点检测（34）Shi-Tomasi与SIFT角点检测（35）SURF角点检测（36）FAST、BRIEF与ORB角点检测（37）基于OpenCV的图像点特征提取（38）特征匹配（39）使用特征匹配和单应性寻找目标（40）基于OpenCV的图像分割方法一（41）基于OpenCV的图像分割方法二（42）基于OpenCv的经典人脸检测算法的实现（43）基于OpenCv的经典行人检测算法的实现（44）物体识别（45）使用背景差法实现运动目标跟踪（46）使用三帧差法实现运动目标跟踪（47）背景差法捕捉动态图像（48）使用Meanshift和Camshift实现目标跟踪（三）案例实战（1）Scipy人脸数据降维（2）Scipy人脸识别（3）SKlearn之神经网络手写数字识别（4）SKlearn之BP神经网络手写数字识别（5）Tensorflow验证码识别（6）Tensorflow卡通表情识别（7）Keras之CNN实现手写数字识别（8）Pytorch之CNN实现手写数字识别（9）Caffe图片识别过程详解（10）Caffe衣服分类识别10《数据可视化技术》提供总计不少于140学时的教学资源，包括不少于32学时的理论教学资源、不少于32学时的配套实验教学资源、不少于85学时的拓展实验资源。1.教学部分：提供不少于32课时的理论教学和不少于32课时配套实践教学内容，通过数据的绑定，将数据采用图表，图形以及地图等形式进行呈现。掌握坐标轴数据的绑定以及比例尺的设置，可以绘制柱形图和散点图；使用生成器绘制常见的线条图形；绑定和解析常用格式数据；使用画图绘制常用图表；绘制地图以及在地图上面添加标记；掌握常用交互事件。课程必须包括以下章节：数据可视化及Tableau概述、Tableau连接数据源、Tableau工作表操作、Tableau函数与计算、Tableau排序、筛选与参数、Tableau创建地图、Tableau创建高级图表、Tableau创建仪表板、Tableau创建故事、Tableau数据共享等。2.拓展实验部分：根据学校的人培方案和教学计划要求，数据可视化技术实验实训资源包须包含Python数据可视化基础、Pyecharts数据可视化、ECharts可视化实战等内容，合计不少于35个实验，能够支撑85个或以上课时。每个实验须包含实验手册(包含完整的代码、实验步骤)、实验实训虚拟环境(与实验手册配套、包含实验实训所需的软件与数据）等。实训内容包括但不限于以下知识点：（一）Python数据可视化基础（1）Matplotlib绘制图形（2）Matplotlib二维图像绘制方法（3）Matplotlib三维图像绘制方法（4）Seaborn分类图表（5）Seaborn关系类图表（6）Seaborn分布图（7）Seaborn回归图（8）Seaborn矩阵图（9）Seaborn地震数据可视化（二）Pyecharts数据可视化（1）直角坐标系图和地理图（2）基本图表（3）3D图表（4）树形图和组合图（5）主题设置（6）初始化配置项（7）标题配置项（8）图例配置项（9）提示框配置项（10）坐标轴配置项（11）视觉映射配置项（12）人均寿命与GDP可视化（13）实战案例集合（一）（14）实战案例集合（二）（15）实战案例集合（三）（16）实战案例集合（四）（17）实战案例集合（五）（三）ECharts可视化实战（1）ECharts组件使用（2）大数据运维可视化实战（3）设备环境监测可视化实战（4）设备检测可视化实战（5）交通大数据可视化实战（6）车联网大数据平台可视化实战（7）物流大数据可视化实战（8）通信大数据可视化实战（9）医疗大数据可视化实战（10）舆情分析可视化实战（11）大数据分析系统可视化实战综合案例资源库1套1案例资源部署围绕人工智能技术应用开展教学实践，所提供的案例资源需部署在智能教学综合管理平台和智慧教学实验平台上；2知识能力响应实训课程提供软件开发中应用人工智能领域（如图像识别、文字识别、语音识别、计算机视觉、自然语言处理和搜索等）模型，语音识别类、图像识别类、预测类、决策类和推荐类等综合性项目，人工智能产品开发的全生命周期包括数据采集标注、数据处理、模型选择、训练、优化和应用系统等技术的教学内容。3行业真实案例提供不少于15个行业的真实案例，包括但不限于健康医疗、金融、交通、能源电力、影视娱乐、环境地理、经济政务、农业、商业、餐饮食品、体育、保险、工业、新闻、生物等行业。每个实验任务均配套包含实验描述、实验步骤、实验代码、实验数据等。4行业应用项目提供不少于4个可用于实践课程教学的行业项目，包括但不限于智能安防、舆情监控、智能美颜、房价预测分析等领域。每个实验任务均配套包含实验描述、实验步骤、实验代码、实验数据等。1）《智能安防》：智能化安防技术的主要内涵是其相关内容和服务的信息化、图象的传输和存储、数据的存储和处理等等。人脸识别是智能安防中最重要的应用，人脸是一个包含着丰富信息的模式的集合，是人类互相辩证和识别的主要标志之一，也是图像和视频中视觉感兴趣的对象之一。人脸识别技术融合了数字图像处理、计算机图形学、模式识别、计算机视觉、人工神经网络、生物特征技术以及生理学、心理学等多个学科的理论和方法。2）《舆情监控》：整合互联网信息采集技术及信息智能处理技术通过对互联网海量信息自动抓取、自动分类聚类、主题检测、专题聚焦，实现用户的网络舆情监测和新闻专题追踪等信息需求，形成简报、报告、图表等分析结果，为客户全面掌握群众思想动态，做出正确舆论引导，提供分析依据。标题、摘要及关键词中的词条对于文本分类具有更重要的作用．在此基础上提出了基于类别核心词的分类模式，从标题、摘要及关键词中提取类别核心词，通过加权方式，强化它们在文本分类中的作用．基于朴素贝叶斯分类方法的实验表明，提出的方法能够有效提高中文文本的分类准确率。3）《智能美颜》：智能美颜是设备自动识别美化容颜，而基于近几年快速发展的神经网络技术而产生的新的图像风格迁移方法则是一种很好的美颜技术。神经网络中不同层次代表不同的含义。底层（靠近输入）可以获取诸如局部模式、边缘、描边等低层次信息。高层（接近输出）可以获得高层次的信息，比如物体部件和特征。风格迁移涉及到调整图像，使它的底层表征与指定“风格”的图片相同，同时保持原图片的高层次表征。可以将风格看作图像的低层次的信息。其目标则是令输出的图片与原图类似，但是拥有不同的艺术风格。4）《房价预测分析》：本实验使用TensorFlow框架，MLP多层感知模型实现房价预测模型，输入房价影响因素数据，可以得到对应的预测房价数据，实现房价预测，为想要买房的人提供房价参考。智能开发板套件20套1主板参数1.算力：≥1.33TFLOPS(FP16)；2.双核：双核64位CPU+四核复合处理器；3.GPU:≥256核；4.内存：≥4GB51.2GB/s5.存储：≥16GBeMMC+128GB固态硬盘6.套件至少包括：TX2-NX开发套件(含电源+网卡)、固态硬盘散热套装、IMX219摄像头(77°场角)、套件外壳-可安装天线、一体式可固定摄像头支架、HDMI线和网线各一条2摄像头参数1.感光芯片：索尼IMX2192.分辨率：≥800w(3280X2464)3.CMOS尺寸：≤1/4英寸4.光圈：≥2.05.焦距：≥2.96mm6.对焦视场角：≥77°7.畸变：<1%8.PCB尺寸：25mm*24mm智能机械臂开发套件20套1跟踪抓取可以实现颜色识别追踪与抓取，还能进行人体特征识别互动，甚至进行垃圾等分类模型训练垃圾分拣；2高清视频控制FPV高清视频控制，支持跨平台互联操作。多功能手机APP(IOS/安卓)控制：内置多种Al玩法，可实时观看机械臂识别画面，并同时支持:手势互动、移动追踪、垃圾分拣等玩法。PC上位机控制：上位机除了FPV摄像头视频画面外，还支持机械臂3D仿真模型，3D模型与实体同步转动。USB游戏手柄遥控：除了手机APP和电脑控制外，标配USB游戏手柄；3模型训练垃圾分拣套件内支持通过加载垃圾分类模型识别带有垃圾图案的木块上的垃圾种类，返回垃圾名称及分类数据至APP，机械臂将“垃圾”分拣到地图上相应的分类区域；4人体特征识别互动通过摄像头画面可识别手势、人脸等人体特征，并完成抓取、识别及追踪等互动动作；5机械臂参数1）微处理器：Quad-coreARMA57+128-coreNVIDIAMaxwell2）Al算力：472GFLOPs3）操作系统：Ubuntumate20.04LTS+ROS_Noetic4）编程语言：Python5）舵机方案：15kg*5+6kg*1串行总线智能舵机6）输入：广角摄像头、急停按键、配网按键、复位按键、2*IIC接口、5V风扇接口7）输出：RGB指示灯、OLED显示屏、蜂鸣器、6路总线舵机接口、6路PWM舵机接口8）电源方案：12V5A电源适配器9）电源接口：T插接口10）遥控方式：手机APP、PC上位机、PS2手柄(PC端)11）通信方式：WiFi网络12）安全保护：过流保护、反接保护13）机械臂材质：阳极氧化铝14）组装后尺寸：≤272*135*473mm15）组装后重量：≤1256g16）机械臂自由度(DOF)：≥5自由度+夹持器17）有效负载：≥200g(伸直可夹重量)18）负载：≥500g(夹持搬运重量)19）臂展：≥350mm20）有效抓取范围：半径≤30cm、以中心轴为半圆的区域21）抓取物体直径：1-6cm22）对焦方式：可手动调节焦距23）重复定位精度：±0.5mm24）电源电压：100~240V50/60Hz25）摄像头：≥30万像素110度广角摄像头26）分辨率：≥480p(640*480)27）帧率：≥30fps6臂体舵机参数1）舵机重量：50±1g2）产品尺寸：44.37*23.06*35.12mm3）工作电压：6.0~7.4V4）额定扭矩：≥1.8kgf.cm(at6.0V)5）堵转扭矩：≥15kgf.cm(at7.4V)6）转动范围：300°±15°(96~4000)7）空载电流：≤310mA(at7.4V)8）堵转电流：≤3.2A(at7.4V)9）舵机精度：≤1°10）转动速度：≤0.3sec/60°(at7.4V)11）适用场景：机械臂、机械手的仿生机器人关节12）控制方式：UART串口指令13）通信波特率：11520014）舵机存储：舵机设置自动掉电保存15）回读功能：支持回读舵机位置、状态等信息16）舵机保护：堵转3秒进入保护17）参数反馈：位置、异常反馈18）齿轮类型：金属齿轮组19）接口型号：PH2.0-3Pin7机械爪舵机参数1）舵机重量：43±1g2）产品尺寸：55.4*20.0*41.8mm3）工作电压：4.8~6.2V4）额定扭矩：≥1.8kgf.cm(at6.0V)5）堵转扭矩：≤8kgf.cm(at6.0V)6）转动范围：180°±10°（96~4000）7）空载电流：≤120mAat6.0V8）堵转电流：≤1.7Aat6.0V9）舵机精度：≤1°10）转动速度：≤0.21sec/60°at6.0V11）适用场景：机械臂、机械手的仿生机器人关节12）控制方式：UART串口指令13）通信波特率：11520014）舵机存储：舵机设置自动掉电保存15）回读功能：支持回读舵机位置、状态等信息16）舵机保护：堵转3秒进入保护17）参数反馈：位置、异常反馈18）齿轮类型：金属齿轮组19）接线型号：PH2.0-3Pin8摄像头参数1）像素：≥30万像素2）广角：≥110度3）分辨率：≥480p（640*480）4）帧率：≥30fps5）连接方式：USB2.0或3.0直连6）对焦方式：可手动调节焦距9扩展板参数1）底层固件：非开源，可烧录固件2）扩展板尺寸：130*100mm3）最大输出电流：2A10语音识别模块参数1）vcc：供电接口，可接3.3V、5V2）GND：接地3）SCL：I2C时序传输接口4）SDA：I2C数据传输接口5）识别句数目：不超过50个6）识别句长度：不超过10个汉字7）掉电保存功能：支持8）IC地址：0x0F9）识别反馈：RGB灯、有源蜂鸣器10）接口方式：PH2.0排线接口11）工作电压：3.3V/5V12）模块尺寸：≤48mm*32mm13）识别距离：0.5m~1.5m11语音播报模块参数1）vcc：供电接口，可接3.3V、5V2）GND：接地3）SCL：lIC时序传输接口4）SDA：IIC数据传输接口5）扬声器：8Q1W扬声器6）IlC速率：最大50kbit7）工作电压：3.3V/5V8）接口方式：PH2.0排线接口9）芯片型号：XFS5152CE专业语音合成芯片10）模块尺寸：≤48mm*32mm智能飞行器开发套件1套1功能用途1.为全开源平台，可搭载多个激光雷达模块，实现全向避障飞行。2.学生可参与组装、调试、检修、飞行等步骤，基于该平台可进行二次开发，可实现航拍、抛投、抓取、空中喊话功能。3.支持地面站进行航线规划，实现脱离遥控器一键起飞，可在无遥控器控制时实现一键启动后自主飞行、悬停及原地自动降落。此过程中要求飞机完全自主飞行，不得使用遥控器进行控制。4.机载拍摄装置结合人工智能视觉识别系统，可实现飞行过程中对人体、手机、自行车等进行识别。5.机载拍摄装置结合人工智能视觉识别系统，可实现疫情防控辅助功能，能自动识别飞行区域人员是否佩戴口罩，并能语音提醒佩戴口罩。6.可用于无人机组装、调试、维护、维修训练等。7.可进行二次开发，自行搭载设备进行功能开发。8.可结合地面站进行航线规划实现任务飞行。9.可进行无人机人工智能应用开发。2机架1套，轴距≥540，适合组装调试训练维护维修课程训练。全机身采用高强度碳纤维板/管，耐摔、耐撞击；电机管夹固定设计，使得运行更稳定；M2.5阶梯螺丝，连接更稳固，机臂支持折叠，方便收纳。3飞控：1个，主处理器:32位STM32F417CorteM4芯与FPU168MHz/256KBRAM/2MB闪存。协处理器：32位STM32F103故障安全协处理器。传感器：STMicroLSM303D3轴14位加速度计/磁力计。STMicroL3GD203轴16位陀螺仪。接口：≥5个UART（串行端口），至少有一个高效率，两个硬件流量控制。4电调：1个，≥40A。5电机：≥4个，无刷电机，具备转子动平衡，以减少震动、减小噪音、延长寿命。6电池：1块；要求主流品牌，容量5200mah4S45C，具备体积小、容量大、锂聚合物动力电芯、放电倍率高、持久续航。7激光雷达避障套件：量程≥8m、距离分辨率≤1cm、帧率1-250Hz、功耗≤0.35W。8人工智能套件：包含拍摄及图传链路一套，视觉智能识别