品牌
其他厂商性质
所在地
CPU | SOC:RK3399 核心:64位双核Cortex-A72 +四核Cortex-A53 频率:Cortex-A72 (2.0 ghz), Cortex-A53 (1.5 ghz) |
GPU | Mali-T864 GPU,支持OpenGL ES1.1/2.0/3.0/3.1、OpenVG1.1 OpenCL, DX11, AFBC |
VPU | 4K VP9 and 4K 10bits H265/H264 60fps decoding, Dual VOP, etc |
Memory | RAM: Dual-Channel 4GB DDR3 |
Storage | eMMC: 16GB(regular), 32GB/64GB(optional), eMMC 5.1 |
Power Management | RK808-D PMIC,配合独立直流/直流,启用dvf solfware省电,RTC唤醒,系统睡眠模式 |
Connectivity | 以太网:本机千兆以太网 wi - fi: 802.11 a / b / g / n / ac 蓝牙:4.1双模式 天线:双天线接口 |
Video Input | 1个或两个4-Lane MIPI-CSI,双重ISP, 13 mpix / s,同时支持双相机数据的输入 |
Video Output | HDMI: HDMI 2.0a, supports 4K@60Hz,HDCP 1.4/2.2 DP on Type-C: DisplayPort 1.2 Alt Mode on USB Type-C LCD Interface: one eDP 1.3(4-Lane,10.8Gbps), one or two 4-Lane MIPI-DSI |
USB | USB 2.0: 2独立的本地主机USB 2.0 USB 3.0: 1本地主机USB 3.0 USB c类型:支持USB3.0 c型和显示端口1.2 Alt模式USB c型 |
PCIe | PCIe x4, compatible with PCIe 2.1, Dual operation mode |
调试 | 1 x调试UART, 3 v级,1500000个基点 |
LED | 1x Power LED(Red) 1x GPIO LED(Green) |
Key | Power Key x1 Reset Key x1 Recovery Key x1 |
工作温度 | -20℃ to 70℃ |
电源 | 直流12 v / 1(边缘连接器)或DV 5 v / 2.5 (c型) |
图:手写字识别案例
图: 人脸识别案例
图:目标检测案例
图:人体姿态识别案例
图:手势检测和识别系统案例
图:交通门禁车牌检测和识别系统案例
图:人脸门禁检测和识别系统案例
图:声纹电子锁系统案例
图:语音控制智能家居系统案例
图:知识图谱和文本机器人系统案例
序号 | 项目名称 | 项目技术指标 | 备注 |
1 | 名称:AI人工智能语音机器视觉开发应用系统平台 型号:DB-SD38 | 本项目实验系统采用CPU+GPU双处理器架构,是一款集成AI语音、机器视觉、深度学习基础、嵌入式Linux于一体的教学科研实验平台。 整个教学平台包括人工智能(AI)和嵌入式Linux部分,两部分互相支撑、互为补充,共同实现嵌入式人工智能。人工智能部分的硬件基于嵌入式ARM控制器、高清相机模块、7麦麦克风阵列,具备语音、图像数据的采集和处理能力及适用于多种场景的控制接口;嵌入式Linux部分的硬件采用CPU+GPU双处理器架构,配备高清大屏以及丰富的外设接口。 平台采用多核高性能 AI 处理器,预装 Ubuntu Linux 操作系统与 OpenCV 计算机视觉库,支持 TensorFlow Lite、NCNN、MNN、Paddle-Lite、MACE 等深度学习端侧推理框架。 提供多种应用外设与丰富的机器视觉、AI语音、深度学习实战应用案例,如语音前处理(声源定位、语音增强、语音降噪、回声消除、声音提取)、语音活体检查、语音唤醒、语音识别、语音合成、自然语言处理、声纹识别门锁、语音智能家居、手写字识别、人脸识别、目标检测、端侧推理框架、图像识别、人体分析 、文字识别、人脸门禁控制、车牌道闸控制、手势家居控制等,通过案例教学让学生掌握计算机视觉与深度学习的基本原理和典型应用开发。 一、硬件技术参数 ★1、处理器: CPU: RK3399:六核 Dual Cortex-A72 + Quad Cortex-A53, 64-bit CPU at 1.8GHz GPU: Mali-T864 GPU,支持 OpenGL ES 1.1/2.0/3.0/3.1, OpenVG 1.1, OpenCL, DX11 2、存储器:双通道LPDDR3(64-bit)不低于4GB,16GB 高速emmc 扩展存储,MicroSD不低于64G 3、高清相机模组:CMOS传感器OV13850,MIPI信号输出,1300万像素,支持4224x3136像素。 4、AI高清摄像机:有效像素500万像素,对焦方式自动对焦,USB2.0接口,提供基于eAIOT教学平台的人脸识别系统案例。 ★5、11.6寸板载高清触显一体屏:11.6寸eDP接口,分辨率不低于1920*1080 ★6、1)Zigbee网关模块接口:板载,采用直列双排20芯插针牢靠固定,非usb接口。 2)BLE网关模块接口:板载,采用直列双排20芯插针牢靠固定,非usb接口。 7、4G模组:板载EC20模组,支持LTE TDD/LTE FDD/TD-SCDMA/WCDMA /TD-SCDMA/CDMA2000/CDMA/GSM等频段 ★8、7路麦克风阵列: 1)7路麦克风阵列,提供声源定位、语音增强、语音降噪、回声消除、声音拾取等功能。(需提供完整硬件原理图及PCB文件截图证明为自主研发产品) 2)主控芯片K210,RISC-V 双核64位处理器,主频800MHz。集成卷积神经网络加速器KPU,峰值算力1TOPS。 3)一体化单板设计,集成TFT彩色液晶屏,能够直观显示彩色音频频谱图。 4)集成 STM32音频驱动芯片,提供USB声卡驱动,开放源代码。(提供源码工程截图,源码备查) 5)采用双列直插封装和USB接口输出,需能够接入到系统主板中使用。 6)5米监测范围,基于linux系统。 ★9、OBD接口:板载,标准16针OBD-II插座,与配套软件结合可完成基于CAN总线通信相关实验。 10、天线接口:板载wifi、BLE、lora、LTE共4个天线接口。 11、其他硬件接口: 1)UART:1路RS232,1路RS485 2)以太网:100/1000M 3)音频:音频输出接口、MIC音频输入接口、板载4欧3W扬声器 4)无线网:WiFi (2.4G and 5G, 802.11 ac), Bluetooth 4.1 5)USB 3.0 HOST接口:板载2个 6)Debug接口:板载1个、Download接口:板载1个 7)键盘:板载7寸80键标准键盘 8)红外接收:板载红外接收模块1个 9)传感器扩展接口:板载,与无线传感器节点的传感器模块接口兼容,可完成linux系统下的传感器驱动开发实验。 10)按键:板载重启、恢复、电源3个功能按键,4个用户自定义按键 LED:板载4颗蓝色LED灯珠 11)震动马达传感器:板载1个 12)其他接口:MIPI、GPIO、SPI、I2C、TF Card (sd/mmc 3.0)、SIM卡座、USB 2.0 HOST、USB Type-C (with DP out)、eDP 1.3、HDMI 2.0 for 4K 60Hz 12、实验箱箱体:单层一体式设计,左边固定安装实验所需硬件,右边收纳放置配套电源适配器、线材、配件等设备。 二、软件规格参数要求 ★1、操作系统:Linux+QT、Ubuntu18.04、Android8.1,支持Linux+QT、Ubuntu双操作系统SD卡快速离线切换,方便教学管理; ★2、须配备LoRaWAN NS(network server)实验软件,配合硬件可实现LoRaWAN双向通信实验,实验可以显示无线通信频率值、扩频因子、RSSI(接收信号强度)、信噪比、fcnt等信息。通过实验可以快速评估和测试LoraWan协议下的数据通信格式、通信距离、信号质量等,同样也可以基于现有的样例进行二次开发快速完成课程设计、项目开发、科研等。 ★3、提供嵌入式深度学习框架Tengine:针对 ARM CPU 及 ARM Mali GPU 优化,支持 Caffe/TensorFlow/MXnet/ONNX 模型文件,兼容 Caffe/TensorFlow API,以插件方式支持底层算子扩展,支持 INT8 量化。 ★4、提供物联网应用基础云平台: 1)学生能够将物联网感知层设备(传感器、执行器等)接入物联网云服务平台,平台能够接收并存储传感器和执行器的实时数据,模块在线状态,并实时显示。 2)提供后台管理系统,能够设置账号类型和使用权限。支持多用户管理及权限控制,分为父用户和子用户,父用户可以创建多个子用户,并且可以为每个子用户分配增、删、改几种权限,子用户创建的资源相互隔离。 3)提供物联网规则编辑器,无需编写代码即可编辑复杂的自动化控制策略,实现移动互联网系统的自动化控制。 4)提供丰富的可视化控件库,通过拖拽、简便配置即可完成美观的UI设计。支持GIS地图、曲线图、柱状、饼图、图表、按钮、仪表图等控件。 5)物联网感知层设备也能够向执行器发送控制命令,系统能够实现模块的在线监测。 6)云平台支持物联网硬件多协议接入,通过ZigBee/BLE/wifi/lora/NBIOT无线技术取得传感器采集的数据,形成一个完整的无线传感器网络。 7)数据通过http/MQTT协议传输至物联网应用基础云平台软件,进行数据图形化展示。 8)支持本地化部署和云端部署两种方式。 ★5、人工智能麦克风阵列语音前处理软件: 1)需支持以下实验并提供所有源代码:声源定位、语音增强、语音降噪、回声消除、声音拾取实验。 三、实验教学课程资源 ★平台提供成套教学资源,用户可以按照学期长度和实际教学情况安排教学,须配备实验指导书,实验指导书可以提供10~18周、每周2~6节课的教学实验需要。包含但不限于以下知识实验课程: Linux 实验列表 初识linux 系统:Ubuntu 系统安装、Ubuntu 系统入门、Ubuntu 终端操作、Shell 操作、APT 下载工具、Ubuntu 下文本编辑、Linux 文件系统、Linux 用户权限管理、Linux 磁盘管理 Linux应用开发基础:编写 HelloWorld 代码、编译 HelloWorld、GCC 编译器、Makefile文件 ARM Linux 开发基础:RK3399开发平台介绍、开发环境搭建、关于ARM架构、AArch64汇编基础、RK3399启动方式详解、汇编LED灯试验、C语言版LED灯实验 基于SDK开发Uboot,kernel,rootfs:SDK 基础、U-Boot 顶层 Makefile 详解、U-Boot 启动流程详解、U-Boot 图形化配置及其原理、Linux 内核顶层 Makefile详解、buildroot根文件系统构建 linux 设备驱动程序开发基础:字符设备驱动开发、嵌入式 Linux LED 驱动开发实验、新字符设备驱动实验、Linux 设备树、设备树下的 LED 驱动实验、pinctrl 和 gpio 子系统实验、Linux 并发与竞争、Linux 并发与竞争实验、Linux 按键输入实验、Linux 内核定时器实验、Linux 中断实验、Linux 阻塞和非阻塞 IO 实验、异步通知实验 linux 设备驱动程序开发进阶:platform 设备驱动实验、设备树下的 platform 驱动编写、Linux 自带的 LED 灯驱动实验、Linux MISC 驱动实验、Linux INPUT 子系统实验、Linux RTC 驱动实验、Linux I2C 驱动实验、Linux SPI驱动实验、Linux misc杂项设备驱动实验 Linux 无线通信编程实验:lorawan NS实验、Linux网络编程试验、嵌入式 Web 服务器试验、IOT云服务实验 嵌入式 Linux QT开发 Qt简介:Qt环境搭建 Qt编程基础:Qt用到的开发工具、Qt编程涉及的术语和名词、Qt Creator的初步使用、个Qt程序、Qt项目管理文件、Qt项目界面文件、Qt项目中的main主函数、Qt界面布局管理、Qt信号与槽机制、Qt Creator使用技巧 Qt应用开发实例:QCalculator计算器应用实验、QClock实时时钟应用实验、QLed LED控制应用实验、QSht20温湿度计应用实验、QFileview文件浏览应用实验、QReader文本阅读器应用实验、QTest综合测试应用实验、添加应用到系统桌面 人工智能实验列表-基础 神经网络的基本工作原理:神经网络的基本工作原理 神经网络中的基本概念:线性反向传播实验、非线性反向传播实验、梯度下降实验、损失函数实验 神经网络之回归问题:单变量线性回归、多变量线性回归 神经网络之分类问题:线性二分类、线性多分类、神经网络非线性二分类、神经网络非线性多分类 神经网络模型的推理与部署:测试训练结果实验、查看模型文件实验、ONNX模型文件制作实验、模型部署和测试实验 深度神经网络:深度神经网络框架设计、深度神经网络应用、神经网络优化、神经网络过拟合问题 卷积神经网络:卷积神经网络概述、卷积的前向计算、卷积的反向传播、池化的前向计算与反向传播、经典的卷积神经网络模型、MNIST分类实验、Fashion-MNIST分类实验 循环神经网络:普通循环神经、通用的循环神经网络模型实验网络、两个时间步的循环神经网络实验、四个时间步的循环神经网络、不定长时序的循环神经网络实验、深度循环神经网络、双向循环神经网络、高级循环神经网络 人工智能实验列表-图像 图像采集:USB摄像头图像采集 图像处理:图片显示、色彩空间、像素运算、ROI与泛洪填充、滤波与模糊操作、图像直方图、模板匹配、图像二值化、图像金字塔、图像梯度、Canny边缘检测、直线检测、圆检测、轮廓发现 传统机器视觉:手写字识别、人脸检测、目标检测 深度学习机器视觉:手写字识别、人脸检测、目标检测、 端侧推理框架 云端机器视觉应用:图像识别实验、文字识别、人体分析 图像视觉综合应用:人脸门禁控制、车牌道闸控制、手势识别 人工智能实验列表-语音 语音处理 :语音采集和播放实验、语音编码和解码实验、语音变速变调实验、语音活性检测实验、语音唤醒实验、语音识别实验、语音合成实验 自然语言处理:中文分词实验、关键词提取实验、文本可视化实验、文本向量化实验、文本分类实验、文本聚类实验、文本情感分析实验、句法依存分析实验、构建机器人实验 云端语音语言应用:云端语音合成实验、云端语音识别实验、云端对话情绪识别实验、云端新闻摘要实验、云端短文本相似度实验、云端情感倾向分析实验、云端地址识别分析实验 语音语言综合应用:构建知识图谱和机器人实验、声纹识别门禁实验、AI语音智能家居实验 | |