设备总体要求
人工智能技术应用实训平台以人工智能训练机、嵌入式原型平台以及自动驾驶小车作为载体，选取人工智能数据采集及处理、模型训练及优化、模型部署及应用等典型应用场景，融入多传感器融合、深度学习、自然语言处理、计算机视觉、智能网联等技术，借以提升学生对人工智能全工具链的应用能力，尽快培养本领域高素质知识性、复合型、技能型人才。

人工智能计算及训练平台
平台核心参数
(1)人机交互显示模块尺寸：不小于寸；
(2)主控模块：
主频：≥
睿频：≥
核心线程：六核十二线程
三级缓存：≥12MB
热设计功耗：≥65W
(3)临时存储模块：容量不低于8G 三代双倍速率的SDRAM、时钟频率不低于1066MHz、数据传输带宽不低于/s、电压不高于；
(4)数据存储器容量：≥256GB可用空间；
(5)图形处理单元：独立显卡，显存≥4GB；
(6)人机交互模块
传输方式：≥无线传输
传输距离：≥10M
(7)操作系统：Ubuntu 64bit；
(8)编程语言：Python/C++/C；

9)训练环境：计算机视觉库OpenCV、NVIDIA运算平台cuda
(10)训练工具包：包括拍摄软件、数据标注软件、数据集分类软件、神经网络模型配置软件、模型训练脚本库。
(11)人工智能原始数据库：
类型：jpg、jpeg、bmp、mp4
种类：交通类、人像
数量：不少于25000张
数据集制作工具
(1)系统环境: 支持Windows/Ubuntu
(2)软件功能
支持打开单张/批量图片进行标注；
支持自定义标注标签；
支持保存标注结果；
支持快捷键操作；
支持标定结果格式：人工神经网络训练数据格式；
(3) 语言:支持中/英文切换；
(4)软件环境
Ubuntu: Python2+Qt4/Python3+Qt5
Windows:提供exe软件包.
模型训练工具
(1)支持系统:Windows/Ubuntu
(2)软件功能
支持自动生成训练测试集；
支持选择模型训练数据和自动生成模型训练文件；
支持选择预训练模型进行训练；
支持模型训练过程状态实时监控；
支持查看模型训练过程状态结果总览；
支持选择模型和对应数据进行图片测试或视频测试；
(3)语言:支持中/英文切换
(4)软件环境

Ubuntu: Python2+Qt4/Python3+Qt5 +Darknet+PyRealsense2
Windows: Python3+Qt5+Darknet+PyRealsense2
人工智能部署及验证平台
(1)尺寸：≥100x80x29mm；
(2)功耗：5W(低功耗模式)、10W(功率模式)；
(3)供电要求：5V2A(低功耗模式)、5V4A(功率模式)；
(4)散热：风冷；
(5)主控模块：4核ARM Cortex-A57系列，64bit、主频；
(6)图形处理模块：128核Maxwell架构，算力不低于472GFLOPs；
(7)运行内存：不低于第四代的低功耗双数据速率内存，RAM容量不低于4GB、频率不低于1600MHz、读写速度/s；
(8)磁盘内存：可移动SD内存卡，容量不低于32GB；
(9)外设接口：不少于4个通用串行总线接口，具有无线网卡、高清多媒体接口、、DP、Ethernet、GPIO、I2C、SPI、UART接口；
(10)操作系统：采用Ubuntu + 机器人元操作系统架构，提供机器人硬件抽象、底层设备控制、常用函数的实现、进程间消息传递、包管理等服务以及跨计算机运行代码所需的工具和库函数；
(11)软件环境：具有计算机视觉库opencv、NVIDIA运算库CUDA、Vulkan、TensorRT；
(12)开发语言：Python、C/C++；
人工智能自动驾驶应用平台