更新時間：2025-10-29
人工智能教學開發實驗箱基于NVIDIA Jetson Nano平臺，集成128核GPU與四核ARM處理器，提供4GB內存及豐富外設接口。支持OpenCV圖像處理、機器學習算法及深度學習模型部署等實訓項目，適用于人工智能、計算機科學等專業的《邊緣計算技術》、《深度學習應用》課程，培養學生AI模型開發與邊緣部署的實踐能力。
免費咨詢：021-56311657
一、人工智能教學開發實驗箱總體介紹
1、人工智能教學開發平臺采用Jetson Nano開發套件
2、提供現代AI的強大功能。完整的軟件可編程性。Jetson Nano采用四核64位ARM CPU和128核集成NVIDIA GPU，可提供472 GFLOPS的計算性能。它還包括4GB LPDDR4存儲器，采用高效，低功耗封裝，具有5W / 10W功率模式和5V DC輸入。
3、兼容這些框架和NVIDIA的AI平臺，可以比以往更輕松地將基于AI的推理工作負載部署到Jetson。Jetson Nano為各種復雜的深度神經網絡（DNN）模型提供實時計算機視覺和推理。這些功能支持多傳感器自主機器人，具有智能邊緣分析的物聯網設備和優良的AI系統。甚至轉移學習也可以使用ML框架在Jetson Nano上本地重新訓練網絡。
4.、Jetson Nano開發套件的占地面積僅為80x100mm，具有四個高速USB 3.0端口，MIPI CSI-2攝像頭連接器，HDMI 2.0和DisplayPort 1.3，千兆以太網，M.2 Key-E模塊，MicroSD卡插槽，和40引腳GPIO接頭。端口和GPIO接頭開箱即用，具有各種流行的外圍設備，傳感器和即用型項目。
5、Jetson Nano可以運行各種各樣的高級網絡，包括流行的ML框架的完整原生版本，如TensorFlow，PyTorch，Caffe / Caffe2，Keras，MXNet等。通過實現圖像識別，對象檢測和定位，姿勢估計，語義分割，視頻增強和智能分析等強大功能，這些網絡可用于構建自動機器和復雜AI系統。
二、人工智能教學開發實驗箱硬件資源及技術參數
處理 | |
中央處理器 | 64位四核ARM A57 @ 1.43GHz |
GPU | 128核NVIDIA Maxwell @ 921MHz |
記憶 | 4GB 64位LPDDR4 @ 1600MHz |25.6 GB / s |
視頻編碼器* | 4Kp30 |（4x）1080p30 |（2x）1080p60 |
視頻解碼器* | 4Kp60 |（2x）4Kp30 |（8x）1080p30 |（4x）1080p60 |
接口 | |
USB | 4x USB 3.0 A（主機）|USB 2.0 Micro B（設備） |
相機 | MIPI CSI-2 x2（15位Flex連接器） |
顯示 | HDMI |DisplayPort的 |
聯網 | 千兆以太網（RJ45） |
無線 | M.2帶有PCIe x1的Key-E |
存儲 | MicroSD卡（建議16GB UHS-1起步） |
其他I / O. | （3x）I2C |（2x）SPI |UART |I2S |個GPIO |
三、主要實驗項目
平臺提供OpenCV、機器學習、深度學習和端側AI模型部署等教學資源，并提供從神經網絡模型訓練、模型轉換到模型部署的完整文檔教程。配套豐富的實訓案例以及開發手冊等。
1、控制基礎例程
(1)控制RGB燈
(2)控制蜂鳴器
(3)操作控制舵機
(4)讀取舵機位置
(5)控制所有舵機
(6)控制機械臂做一些動作
(7)操作機械臂記憶動作
(8)機械臂夾方塊
2、OpenCV基礎例程
(1)圖像讀取與顯示；
(2)圖像繪制；
(3)圖像ROI提?。?/span>
(4)圖像幾何變換；
(5)圖像形態學操作；
(6)圖像輪廓提取
3、機器學習基礎例程
(1)回歸算法；
(2)聚類算法；
(3)分類算法；
(4)決策樹；
(5)支持向量機；
4、深度學習基礎例程
(1)神經網絡線性回歸；
(2)神經網絡非線性回歸；
(3)全連接神經網絡識別手寫數字；
(4)卷積神經網絡人臉識別
(5)神經網絡模型的保存與使用；
5、深度學習綜合例程
(1)手勢識別實驗
(2)顏色識別實驗
(3)顏色識別并抓取積木實驗
(4)視覺定位實驗
(5)垃圾分類實驗
(6)目標追蹤實驗
(7)人臉表情識別應用案例
(8)車牌識別應用案例
(9)口罩檢測應用案例
發郵件給我們：shanghaimaoyu@126.com