人工智能AI實訓平臺是一套以“AI+X”為理念的多功能綜合教學實訓平臺，包含了完整的邊緣計算人工智能設備的架構。既能滿足人工智能實訓所需的算法構建、模型訓練、模型部署、模型推理等要求，又能將人工智能的模型通過唯眾融合云平臺和各類的終端節點設備進行聯動，讓人工智能實訓變成看得見、摸得著的典型項目應用。

一代產品外觀：

升級版產品外觀：

技術規格

產品特點

教學

以職業院校人工智能技術服務專業人才培養的目標和方法為基礎，在實訓教學上進行優化和設計，提出從人工智能基礎知識技術的認知，到人工智能項目實操技能的訓練，達到人工智能技術服務專業崗位能力提升的教學理念。

技術

平臺設計上對主流的人工智能深度學習框架進行了適配，包括TensorFlow、keras、Caffe、Mxnet、Pytorch，整合了人工智能項目開發中所需用到的各種環境和依賴，讓用戶能夠脫離服務器和PC進行人工智能的項目開發。另外平臺的開發環境也支持諸如“AI+X（物聯網）”綜合項目的開發。

應用

系統以智能家居、智慧門禁、智能監控三大應用場景，及基于三大應用場景的多種業務子項，體現了人工智能智慧生活主題。所有的應用場景及業務子項功能，均來自真實的人工智能行業應用。

擴展

軟硬件系統采用平臺化、模塊化設計，結合通用化、標準化設計的人工智能實訓工位，除了可完成配套實訓內容的演示訓練，還可以基于人工智能實訓工位以及系統的軟硬件模塊，外接、擴展更多的技術或業務。

配套

該產品除完整的軟硬件系統外，還配備針對設備完整的人工智能實訓指導書、完整豐富的教學實訓素材資源、以及基于設備系統的人工智能教學視頻光盤。本產品提供免費的安裝部署服務和設備實訓培訓服務。

產品特點

1）、硬件功能強大

核心板CPU采用了六核ARM 64位處理器（雙核Cortex-A72+四核Cortex-A53），主頻高達1.8GHz，GPU為四核ARM Mali-T860 MP4 GPU,另外配備有人工智能專用NPU，支持8bit/16bit運算，運算性能高達3.0TOPs。內存方面配備了6GB  LPDDR3，儲存為 32GB  eMMC。通信方面支持TCP/IP、WIFI、藍牙、MQTT、Socket、ssh、串口等。并且配備有豐富的外設接口（SPI、IIC、UART、GPIO等），可以滿足學生和老師不同的學習和開發需求。

2)、支持各種主流的深度學習框架

唯眾人工智能AI實訓平臺支持TensorFlow、Keras、Caffe、Mxnet、Pytorch等主流深度學習框架，并在基礎環境中提供TensoFlow、Keras、YoLo v3的開發環境和依賴。

3)、支持零編程

終端節點使用的是ESP32模塊，開發語言為MicroPython，該開發語言和Python3類似，配合唯眾圖形化編程工具可以讓學生和老師在不需要了解任何底層知識的情況下結合人工智能AI實訓平臺核心板的識別結果做出AIoT的典型行業應用的小型模型。

4)、融合物聯網

唯眾人工智能AI實訓平臺的對硬件進行了兼容性設計，在硬件上可以同時滿足物聯網、人工智能和嵌入式三個專業的實訓需求。這樣大大提高了實訓設備在學習不同專業的復用率，能夠大大減少學校實訓室場地不足的帶來的問題，同時也能夠為解決學校建設多個實訓室資金不足的問題。

5)、支持可視化界面設計工具

唯眾可視化界面設計工具是輔助師生用來構建AIoT應用程序的教學工具，它采用圖形化界面來代替代碼開發界面，通過拖拽、移動控件與控件節點，來完成頁面設計。在學生和老師學習AIoT完整項目時，可以通過唯眾可視化界面設計工具進行控制頁面的輔助構建。

6)、支持模型轉換

唯眾人工智能AI實訓平臺提供模型轉換工具，可以將學生和老師在X86架構的計算機中生成的hdf5、pb、onnx人工智能模塊轉化為ARM64架構的平臺能夠運行的人工智能模型，解決學生和老師的人工智能項目跨平臺部署的問題。

7)、配套完整的開發環境

唯眾人工智能AI實訓平臺基礎資源包中就包含了人工智能完整的開發環境，包括TensorFlow 、Kreas、Python、OpenCV、PIL、gcc、scipy等。學生和老師不需要自己動手搭建復雜的人工智能開發環境，可以直接進行實訓項目案例的學習。同時唯眾提供了基礎環境鏡像包，可以幫助學生和老師隨時恢復初始狀態。另外唯眾的人工智能技術團隊會不定期對開發環境進行擴展以適配新的業務場景。

實訓功能

操作使用說明

按下主板電源鍵即可進入開機界面（默認不設置登錄密碼），界面如下：

可以看到桌面右上角有6個文件，以智能家居系統為例。該文件夾中包含了運行該系統的所有動態鏈接庫和依賴，Python相關的依賴在用戶的site-packages中。進入文件夾，界面如下：

點擊執行文件，選擇“執行”即可開啟智能家居系統。該系統為示例項目，以智能家居的應用背景為依托綜合演示了智能家居的模型結構和實現流程。學生可以通過前期的學習、編程、人工智能模型訓練、構建完成該項目的示例效果，也可以在該項目的基礎上進行擴展。

該系統可以采集用戶的語言信號進行識別，對于識別的結果進行解析然后構建相應的數據包發送給融合云平臺，終端節點模擬智能家居系統中家用電器，當收到云平臺發送相關指令后對指令進行解析而后控制繼電器操作家用電器開關。在智能家居中類似：智能窗簾、智能電視、智能空調等均基于該項目的基礎模型。

性別識別項目效果示例如下：

表情識別項目效果示例如下：

綜合識別項目是基于YOLO v3算法，YOLOv3是YOLO (You Only Look Once)系列目標檢測算法中的第三版，相比之前的算法，尤其是針對小目標，精度有顯著提升。我們可以在此算法框架下利用自己的數據集，訓練自己需要的人工智能視覺識別模型。

網絡結構：

綜合識別項目效果示例如下：