HL-RGZNAI人工智能实验箱

HL-RGZN  AI人工智能实验箱  

一、产品概述

本实验平台是一款专为高校人工智能教育设计的综合性教学平台，采用国产高性能AI芯片技术路线，搭载8核64位高性能CPU与6TOPS算力NPU，为实时图像处理、目标检测、语音交互等教学任务提供充沛算力。开发体验上，平台预装完善的开发环境与全流程教学工具链，提供涵盖CV、NLP等领域的百项参考代码与预训练模型，开箱即用。支持int8量化等模型优化技术，可让主流深度学习模型在设备端高效运行，满足从入门到进阶的AI教学需求，彰显国产化硬件的技术突破与生态兼容性。

使用Ubuntu操作系统，集成6自由度机械臂、二舵机云台、深度相机、环形阵列麦克风、多种被控对象和传感器等硬件模块，旨在为学生提供从理论学习到实践应用的完整AI教育体验。实验平台支持多种人工智能实验场景，如积木堆叠、垃圾分类、语音交互和视觉导航等，覆盖计算机视觉、机器人控制、自然语言处理和边缘计算等核心领域。

通过高性能硬件与开源软件生态的结合，本实验平台不仅满足高校AI课程的教学需求，还为学生提供项目式学习和创新实践的平台，助力培养具备AI开发能力的复合型人才。

人工智能实验平台，专为高校人工智能教学打造的全功能平台，让您轻松掌握AI技术，开启智能时代的大门！

 二、核心硬件与功能

1. 核心主板：高性能AI核心

· 算力支持：搭载8核64位高性能CPU与6TOPS算力NPU，在实时目标检测、多路视频分析等教学场景中展现出色吞吐能力，支持高效的神经网络推理。

· 内存与存储：配备8GB LPDDR4X内存，可外接最高256GB TF卡。

· 外设接口丰富：HDMI输出、MIPI摄像头接口、USB 3.0 HOST x2、USB Type-C HOST x1，Micro USB x1串口打印功能，网口和GPIO，满足多种外设连接需求，支持Wi-Fi双频2.4G和5G，支持BT4.2/BLE。

· 软件生态：预装Ubuntu 22.04操作系统，兼容主流Linux发行版，支持PyTorch、TensorFlow、ONNX等主流AI框架。内置全流程开发工具链，提供100+参考代码样例和CV、NLP等领域的预训练模型，支持模型快速适配和端到端应用开发，显著降低学习门槛。

· 高效工具链：内置模型转换与推理加速工具，方便将多种主流AI框架的模型转换为适用于平台NPU的格式，简化模型部署过程。

· 开放生态与行业适配能力：兼容国产AI软硬件生态，支持与DeepSeek R1大模型等国产技术栈无缝集成。

2. 6自由度机械臂

· 功能：配备高精度伺服电机，支持多角度灵活运动，末端安装摄像头用于视觉引导。

· 实验场景：实现ROS系统学习，积木堆叠、垃圾分类等任务，训练学生在机器人控制与AI视觉结合方面的能力。

AI传感器模块

· 功能：通过核心主板的40Pin GPIO扩展，开发传感器实验或者控制设备。

· 实验场景：入门学习，学习GPIO的硬件控制，了解传感器模块方面的知识，学习python编程。

传感器实验模块

l 双色LED、 

l 继电器、

l 轻触开关按键、

l U 型光电传感器、

l 模数转换、

l PS2 操纵杆、

l 电位器、

l 模拟霍尔传感器、

l 光敏传感器、

l 火焰报警、

l 气体传感器、

l 触摸开关、

l 超声波传感器距离检测、

l 旋转编码器、

l 红外避障传感器、

l 气压传感器、

l 陀螺仪加速度传感器、

l 循迹传感器、

l 直流电机风扇模块、

l 步进电机驱动模块；

三、高校人工智能教育的应用价值

1. 由浅入深，循序渐进

从基础的GPIO扩展到深度学习的AI视觉、AI听觉，AI平台提供完整的学习路径，让您一步步掌握AI知识体系，轻松应对各种挑战。

2. 覆盖AI核心课程内容

实验平台支持以下高校AI课程的教学需求：

· 数学基础：涵盖矩阵论、概率与信息论核心理论，构建底层逻辑框架。

· 编程基础：从Python语法到Linux环境配置，结合TensorFlow、PyTorch等主流框架实战入门。

· 计算机视觉：通过深度相机和机械臂摄像头，学生可实现图像分类、目标检测和3D物体识别。

· 机器人学：6自由度机械臂和二舵机云台提供运动控制和路径规划的实践机会。

· 语音处理：环形阵列麦克风支持语音信号处理和自然语言理解实验。

· 边缘计算：板载NPU的AI推理能力让学生学习如何在资源受限的边缘设备上优化与部署模型。

· GPIO硬件控制：基于GPIO使用python编程对传感器或者其他被控对象进行开发。

3. 系统框架与AI框架

l ubuntu操作系统:

系统预装ubuntu22.04操作系统，所有环境代码库文件均已安装，开机即用。

Ubuntu22.04在云计算领域效率极高，特别适用于机器学习这样的存储密集型和计算密集型任务。Ubuntun 长期支持版本可以获得 Canonical 官方长达五年的技术支持。

l 提供详细的python开源范例程序:

根据TIOBE最新排名 ，Python已超越C#，与Java,C,C++一起成为全球前4大最流行语言。国内目前百度指数搜索量已经超越Java，与C++，即将成为国内最受欢迎的开发语言。

Python被广泛应用于后端开发、游戏开发、网站开发、科学运算、大数据分析、云计算，图形开发等领域；Python在软件质量控制、提升开发效率、可移植性、组件集成、丰富库支持等各个方面均处于先进地位。python具有 简单、易学、免费、开源、可移植、可扩展、可嵌入、面向对象等优点，它的面向对象甚至比java和C#.net更彻底；

l JupyterLab编程:

JupyterLab是一个基于Web的交互式开发环境，用于Jupyter笔记本、代码和笔记本、代码和数据.JupyterLab非常灵活配置和排列用户界面，以支持数据科学、科学计算和机器学习中广泛的工作流.JupyterLab是可扩展的和模块化的编写插件，添加新组件并与现有组件集成

l 多种AI框架和AI开发工具:

NPU推理框架：提供高效的模型转换、量化与推理加速能力，让AI模型在设备端流畅运行。

PyTorch：广泛使用的深度学习框架，支持动态图和静态图计算。

OpenCV:功能强大且广泛使用的开源计算机视觉库，为图像处理和机器视觉提供了高效的工具。

TensorFlow：由 Google 开发的开源机器学习框架，广泛应用于各类 AI 应用。

NPU加速库：作为核心软件栈，提供算子库、加速库等，兼容多种框架模型的推理优化。

推理SDK：支持调用NPU接口进行模型推理，适用于视频分析、自然语言处理等场景。

模型转换工具：可以将多种主流 AI 框架的模型（如 TensorFlow、PyTorch、Caffe、ONNX 等）转换为适用于平台NPU的离线模型，实现推理加速。

4. 项目式学习与创新实践

实验平台设计了多个综合性实验项目，例如：

· 人脸追踪：实验通过 OpenCV 检测人脸，驱动机械臂实时追踪，展示图像处理与硬件控制结合，支持视频流显示与用户交互。

· 垃圾分类：通过AI模型分析垃圾类型，机械臂执行分类任务，提升学生对AI社会应用的理解。

· 颜色分拣与堆叠：实验通过 OpenCV 识别方块颜色，机械臂根据选择进行分拣或堆叠，支持 HSV 校准、方框colare标定与 ROS 通信控制。

5. 降低学习门槛，强化动手能力

实验平台预装教学软件和示例代码，支持Python编程和PyTorch等主流AI框架，学生无需深入硬件底层即可快速上手。同时，丰富的GPIO和外设接口让学生能够实现软硬件结合的完整开发流程，培养解决实际问题的能力。

6. 适配国产化教育趋势

基于国产高性能AI芯片的实验平台，融入国产AI生态，符合高校推广国产技术的要求。学生在学习过程中还能接触到中国自主研发的技术栈，增强技术自信。

四、典型实验案例

l 5.0全新部署DeepSeek-R1离线人工智能模型，内存占用小，低延迟响应。

l 蛋白质分类评估，适用于实际场景

l 目标检测，得益于强大的算力，多目标检测能力强

l 人像分割与背景替换，基于深度学习，高效实时移除背景

l 细胞图像分割，检测精准速度快

l 六自由度机械臂，智能舵机，ROS控制，适用于AI视觉颜色分拣实验

l 车牌识别，使用Teseract-OCR 引擎，识别准确率高，使用场景广泛。

l ROS机器人系统，跨平台兼容，代码开源，模块化设计，通用性强灵活性高。

五、人工智能课程资源

人工智能实验平台在设计时，考虑到不同基础学习者的需求，力求使用更易理解的学习方式传递更加详细的知识。本实验平台对各类使用者均有一定的学习帮助，特别是在在校大学生和研究生，能够帮助学生从初学逐渐过渡到深入学习。也可以帮助他们完成毕业设计或者学术论文。

在人工智能遍地开花的今天，人工智能在 各个领域都发挥了重要的作用，为产品赋能愈来愈称为各大企业的追求。人工智能早已渗透到计 算机视觉、自动驾驶、自然语言处理、机器人技术、推荐系统、语音识别、航空航天等等领域。

人工智能实验平台的学习主要分为两个部分，第一部分为人工智能基础，主要包括：相关数学基础、编程基础、Ubuntu系统、机器学习与深度神经网络、AI框架、基础舵机控制。第二部分主要为实践学习包括：机械臂、AI视觉、AI听觉、人工智能语言推理模型。完成学习后，可以充分了解到人工智能最主流的相关应用。

1、 相关数学基础

2、 编程基础

3、 机器学习

4、 深度神经网络

5、 DeepSeek-r1-1.5B人工智能模型

6、 机器运动学与ROS机器人

7、 GPIO、传感器基础课程

8、 机械臂课程

9、 AI视觉课程

10、 AI听觉课程

六、技术规格