人工智能實訓室解決方案

人工智能實訓室解決方案

一、人工智能技術服務專業(yè)人才培養(yǎng)定位

本專業(yè)聚焦人工智能產業(yè)發(fā)展需求，旨在培養(yǎng)具備扎實專業(yè)素養(yǎng)的應用型人才。通過系統(tǒng)培養(yǎng)，使高校畢業(yè)生熟練掌握數據標注、人工智能產品部署安裝、調試運維、市場推廣、銷售咨詢及售前售后技術支持等核心技能，精準匹配企事業(yè)單位對人工智能領域高素質技術應用型人才的崗位需求。

二、人工智能專業(yè)教學與實訓的核心要求

人工智能相關專業(yè)知識體系具有較強的復雜性與實踐性，因此對教學質量與實訓效果提出了更高標準：

· 理論教學以構建知識框架為核心，通過系統(tǒng)講解專業(yè)基礎理論與前沿技術，幫助學生建立對人工智能知識體系的整體性認知，為實踐應用奠定基礎。

· 實訓環(huán)節(jié)則聚焦實操能力培養(yǎng)，重點提升學生在設備安裝部署、環(huán)境搭建、系統(tǒng)運維、故障診斷與修復等方面的動手能力，實現理論知識向實踐技能的轉化。

三、人工智能實訓室的建設目標與要求

實訓室作為實踐教學的核心載體，需滿足以下關鍵需求：

· 提供沉浸式實踐空間：通過模擬真實行業(yè)場景，讓學生在實操中全面掌握人工智能產品的組件構成、系統(tǒng)架構、部署流程及運行邏輯，強化理論與實踐的結合。

· 對接行業(yè)真實應用：實訓設備需以主流人工智能產品的實際行業(yè)應用為原型，進行模型化重構與場景化還原，確保師生能與行業(yè)前沿應用無縫對接，降低從學習到產業(yè)落地的轉化門檻。

· 實現可視化成果輸出：通過實訓項目設計，引導學生完成 “看得見、摸得著” 的人工智能應用項目（如智能識別系統(tǒng)、自動化運維平臺等），直觀呈現理論知識的實踐成果，提升學習成就感與職業(yè)競爭力。

通過上述建設，最終實現 “理論學習 — 技能實訓 — 產業(yè)應用” 的閉環(huán)培養(yǎng)，助力學生快速適應行業(yè)崗位要求，成為兼具理論深度與實踐能力的人工智能技術人才。

四、人工智能實訓室的主要設備介紹

1. 人工智能實訓箱

（一）硬件參數?

· 核心處理器：提供2個AI Core，主頻為1.0GHz，內存容量為4GB/4266Mbps（支持ECC功能）。

· 存儲模塊：配備大容量的存儲組合，包含 8GB 的 LPDDR 內存，保障數據的快速讀寫與處理，使系統(tǒng)在運行多個程序和處理大規(guī)模數據時依然能夠保持流暢。存儲方面采用 64GB 的 EMMC，用于存儲操作系統(tǒng)、實訓課程資料、學生的實驗數據以及各類人工智能模型等，充足的存儲空間可滿足長時間的實訓教學需求，無需頻繁外接存儲設備。?

· 顯示模塊：搭載一塊 13.3 英寸的高清顯示屏，具備高分辨率，能夠清晰呈現實訓過程中的數據可視化結果、圖像識別效果、模型訓練進度等信息。屏幕采用 IPS 技術，擁有廣闊的可視角度，無論從哪個方向觀看，都能保證色彩的準確性和圖像的清晰度，為學生提供良好的視覺體驗，方便其在實訓過程中進行觀察和分析。?

· 攝像頭：配置高清攝像頭，像素可達 200 萬，分辨率最大為 1920×1080，通過 USB 接口連接至實訓箱。該攝像頭無畸變，輸出格式支持 MJPG，也可切換至 YUYV 格式，滿足不同場景下對圖像采集的需求。同時，支持控制調整角度，可靈活捕捉各種實驗場景的圖像信息，用于計算機視覺相關的實訓項目，如物體識別、圖像分類、目標檢測等。?

· 傳感器模塊：集成豐富的傳感器，包括溫濕度 & 光照傳感器模塊，能夠實時感知環(huán)境中的溫濕度和光照強度變化，并將數據傳輸至處理器進行分析和處理，可應用于智能環(huán)境監(jiān)測等實訓場景；指紋識別模塊，用于實現生物特征識別的實訓操作，如指紋識別系統(tǒng)的開發(fā)與優(yōu)化；壓力傳感器模塊，能檢測壓力變化，適用于模擬壓力感知類的人工智能應用開發(fā)；舵機 & LED 模塊，可實現簡單的機械控制和燈光指示，配合相關算法，可完成如智能小車的運動控制、燈光跟隨等實訓項目；繼電器模塊，常用于控制電路的通斷，可用于構建智能家居控制系統(tǒng)中的電器開關控制部分；蜂鳴器模塊，用于發(fā)出聲音警報或提示，增強實訓項目的交互性；語音識別模塊，可采集語音信號并進行識別，為語音交互類人工智能應用的開發(fā)提供基礎支持。?

· 軸機械臂組件：配備 6 軸機械臂組件，具有較高的運動靈活性和精度。其重復定位精度可達 0.2mm，能夠模擬工業(yè)生產中的機械臂操作，如零件分揀、裝配等任務。通過與實訓箱的處理器連接，學生可利用所學的人工智能算法對機械臂進行編程控制，實現智能化的操作，從而深入理解人工智能在工業(yè)自動化領域的應用。?

· 其他接口：提供豐富多樣的接口，方便與外部設備進行連接和擴展。具備 2 個 USB 3.0 接口，數據傳輸速度快，可快速接入如移動硬盤、高性能攝像頭等外部設備；1 個 USB Host 接口，用于連接各類 USB 設備；1 個 USB UART 接口，方便進行串口通信；2 個千兆以太網接口，保障網絡通信的高速穩(wěn)定，可用于數據傳輸、遠程控制以及與云端服務器進行交互；1 個 Type - C 接口，支持多種功能，如充電、數據傳輸等；1 個音頻接口，用于連接揚聲器或麥克風，實現聲音的輸入輸出；1 個 MIC 咪頭，專門用于語音采集；1 個 RS485 接口，常用于工業(yè)設備之間的通信連接；1 個 CAN 總線接口，適用于汽車電子、工業(yè)自動化等領域的通信；1 個 SIM 卡插槽，可插入 SIM 卡實現 4G 或 5G 網絡連接，方便在沒有有線網絡的環(huán)境下進行數據傳輸；1 個 TF 卡插槽，可進一步擴展存儲容量。?

（二）軟件配置?

· 操作系統(tǒng)：實訓箱設備支持國產化操作系統(tǒng)、Ubuntu操作系統(tǒng)，支持國產化AI深度學習框架，支持CCE/CCE Compiler Tool編譯工具。其中Ubuntu的友好桌面環(huán)境，方便學生進行日常的操作和應用開發(fā)，同時也具備豐富的軟件資源和社區(qū)支持。系統(tǒng)的配置滿足了不同學生的學習需求和開發(fā)習慣，無論是側重于系統(tǒng)底層開發(fā)還是應用層開發(fā)，都能找到合適的環(huán)境。

· 開發(fā)語言支持：支持 Python、C、C++ 等多種主流開發(fā)語言。Python 以其簡潔的語法和豐富的庫，成為人工智能開發(fā)的首選語言之一，學生可以使用 Python 快速搭建人工智能模型，進行數據處理、算法實現等操作。?

· 深度學習框架：內置 TensorFlow、TensorFlow Lite、PyTorch 等多種深度學習框架。TensorFlow 是谷歌開發(fā)的一款廣泛應用的深度學習框架，具有強大的計算圖優(yōu)化功能和豐富的模型庫，可用于構建各種復雜的深度學習模型，如神經網絡、卷積神經網絡、循環(huán)神經網絡等。TensorFlow Lite 則專門為移動設備和嵌入式設備進行了優(yōu)化，能夠在資源有限的環(huán)境下高效運行深度學習模型，適合實訓箱這種嵌入式設備。PyTorch 以其動態(tài)計算圖的特性，在研究和開發(fā)領域備受青睞，它的代碼風格更加簡潔直觀，易于調試和修改，方便學生進行深度學習算法的探索和創(chuàng)新。通過這些深度學習框架的支持，學生可以在實訓箱上進行從模型搭建、訓練到部署的全流程操作，深入理解深度學習的原理和應用。?

· 計算機視覺庫：預裝 OpenCV 計算機視覺庫，這是一個功能強大的開源計算機視覺庫，包含了眾多用于圖像處理、計算機視覺任務的算法和函數。學生可以利用 OpenCV 進行圖像的讀取、預處理、特征提取、目標檢測、圖像識別等操作，結合深度學習框架，實現如人臉識別、物體檢測、圖像分類等實際應用項目。OpenCV 的豐富功能和廣泛應用，使其成為人工智能實訓中不可或缺的工具，能夠幫助學生快速上手計算機視覺領域的開發(fā)，提升其實踐能力。?

· 實訓課程資源：配套豐富的實訓課程資源，包括從基礎到進階的人工智能課程?；A課程涵蓋 Python 編程基礎、人工智能理論基礎、機器學習基礎算法等內容，幫助學生建立起對人工智能的基本認知和編程能力。進階課程則深入講解深度學習算法、計算機視覺應用、自然語言處理應用等領域的知識和實踐項目，如基于卷積神經網絡的圖像分類實戰(zhàn)、基于循環(huán)神經網絡的文本情感分析實戰(zhàn)等。課程資源采用理論講解與實踐操作相結合的方式，每個知識點都配備了相應的實驗案例，學生可以在實訓箱上直接運行和調試代碼，通過實踐加深對理論知識的理解。同時，課程資源還提供了詳細的實驗指導手冊和視頻教程，方便學生自主學習和解決遇到的問題。?

（三）特色功能應用

· 黑白圖像上色體驗應用：該功能依托實訓箱內置的深度學習框架（如 TensorFlow、PyTorch）和計算機視覺庫（OpenCV）實現。通過相關圖像上色模型，對輸入的黑白圖片進行上色推理。學生可以將黑白圖像通過 USB 接口傳入實訓箱，利用 RK3588 處理器的強大算力，讓模型快速處理圖像，在 13.3 英寸高清顯示屏上清晰呈現上色后的效果。此應用能讓學生直觀感受深度學習在圖像生成與修復領域的應用，理解圖像特征提取、色彩預測等算法原理，是計算機視覺實訓中的重要實踐內容。?

· 雨天圖像增強體驗應用：借助實訓箱的高性能硬件和專業(yè)的圖像處理算法，可對雨天圖像進行清晰化處理。雨天圖像往往存在雨線干擾、對比度低等問題，該應用通過預處理、雨線檢測與去除、圖像增強等步驟，提升圖像質量。處理過程中，OpenCV 庫用于圖像的讀取和基礎處理，RK3588 處理器保障處理效率，處理后的清晰圖像在顯示屏上展示。學生通過該應用能學習到圖像去噪、增強等計算機視覺技術，了解如何運用算法解決實際場景中的圖像質量問題，增強對人工智能在惡劣環(huán)境下圖像優(yōu)化應用的認知。

（四）實訓箱特色?

· 軟硬協(xié)同設計：實訓箱的硬件和軟件進行了深度協(xié)同設計，硬件的高性能配置為軟件的運行提供了堅實的基礎，而軟件的豐富功能則充分發(fā)揮了硬件的潛力。例如，NPU 與深度學習框架的緊密結合，使得模型的推理速度得到極大提升；傳感器模塊與相應的驅動程序和算法相結合，能夠快速準確地采集和處理數據。這種軟硬協(xié)同的設計理念，使學生在實訓過程中能夠更好地理解硬件與軟件之間的交互關系，培養(yǎng)其綜合開發(fā)能力。?

· 產教融合理念：以產教融合為導向進行設計，實訓項目和課程資源緊密貼合實際行業(yè)應用。通過模擬真實的工業(yè)場景和業(yè)務需求，學生在實訓過程中能夠接觸到實際工作中的問題和挑戰(zhàn)，掌握解決實際問題的能力。例如，利用 6 軸機械臂組件進行零件分揀的實訓項目，模擬了工業(yè)生產中的自動化分揀流程；基于傳感器模塊的智能環(huán)境監(jiān)測項目，與實際的智能家居、智能工廠環(huán)境監(jiān)測應用相似。這種產教融合的設計，使學生畢業(yè)后能夠更快地適應企業(yè)的工作崗位，實現從學校到職場的無縫對接。?

· 多場景教學支持：能夠覆蓋多種教學場景，滿足不同課程和專業(yè)的教學需求。在計算機科學與技術、人工智能、自動化、電子信息等專業(yè)的教學中，可用于 Python 編程、機器學習、深度學習、計算機視覺、自然語言處理、嵌入式系統(tǒng)等課程的實踐教學。同時，也適用于創(chuàng)新創(chuàng)業(yè)實踐、學科競賽等活動，為學生提供了一個綜合性的實踐平臺，培養(yǎng)學生的創(chuàng)新思維和實踐能力。

2. 智能小車及教學實訓系統(tǒng)

（一）硬件部分?

· 主控單元：國產化芯片的邊緣計算開發(fā)板，采用先進的四核心CPU架構，主頻1.5 GHz，內存容量為4GB/4266Mbps（支持ECC功能），能夠高效處理復雜的控制算法和傳感器數據，為智能小車的穩(wěn)定運行提供強大的運算支持。同時，內置8TOPS算力的NPU和半精度4 TFLOPS的運算能力，專門針對人工智能算法進行優(yōu)化，可實現AI模型的本地快速部署與推理，大大提高了人工智能相關任務的執(zhí)行效率，滿足如機器學習、深度學習模型的實時運行需求。

· 電機驅動模塊：采用 TB6612FNG 電機驅動芯片，可同時驅動兩路直流電機。該芯片能夠承受高達 1.2A 的連續(xù)輸出電流，峰值電流可達 3.2A，能夠為智能小車的電機提供充足動力。其內置的過熱保護和過流保護功能，可有效防止電機因異常情況受損，保障系統(tǒng)的穩(wěn)定性和可靠性。通過 PWM（脈沖寬度調制）技術，能夠精準控制電機的轉速和轉向，實現智能小車的前進、后退、轉彎、調速等動作。?

· 傳感器模塊?

· ①超聲波傳感器：配置 HC - SR04 超聲波傳感器，用于檢測小車前方障礙物的距離。其有效檢測范圍為 2cm - 400cm，測量精度可達 ±0.3cm。通過發(fā)射和接收超聲波信號，計算信號往返時間來確定障礙物距離，為小車的避障功能提供關鍵數據支持。?

· ②紅外循跡傳感器：在小車底部安裝 3 個紅外循跡傳感器，呈左、中、右分布。該傳感器能夠檢測地面上的黑線或其他顏色對比明顯的軌跡，檢測距離可在 2mm - 10mm 范圍內調節(jié)，適應不同場景的循跡需求。通過檢測反射光的強度變化，判斷小車與軌跡的相對位置，實現沿預定軌跡行駛的功能。?

· ③陀螺儀傳感器：選用 MPU6050 六軸陀螺儀加速度計，可實時檢測小車的姿態(tài)變化，包括俯仰角、翻滾角和偏航角等。其測量范圍可設置為 ±250°/s、±500°/s、±1000°/s 和 ±2000°/s，滿足不同精度要求的應用場景。通過獲取小車的姿態(tài)信息，可輔助小車在行駛過程中保持平衡，以及在轉彎等操作時進行精確的角度控制。?

· ④視覺傳感器：配備 OpenMV 攝像頭，能夠采集彩色圖像，分辨率最高可達 1600×1200 像素。支持多種圖像識別算法，如顏色識別、物體識別、二維碼識別等。通過對采集到的圖像進行分析處理，可實現智能小車的物體跟隨、目標檢測等高級功能，為學生提供更豐富的人工智能應用實踐場景。?

· 電源模塊：采用可充電的鋰電池組，電壓為 7.4V，容量為 2200mAh，能夠為智能小車提供穩(wěn)定且持久的電源供應。配備專門的電源管理電路，可對電池進行過充、過放保護，延長電池使用壽命。同時，通過降壓電路將電壓轉換為 5V 和 3.3V，為單片機、傳感器和其他模塊供電，確保各模塊正常工作。?

· 通信模塊?

· ①藍牙模塊：集成 HC - 05 藍牙模塊，用于實現手機或電腦與智能小車的無線通信?？稍?10 米范圍內穩(wěn)定傳輸數據，方便用戶通過移動設備對小車進行遠程控制，如發(fā)送前進、后退、轉彎等指令，也可用于實時獲取小車的傳感器數據和狀態(tài)信息。?

· ②Wi - Fi 模塊：選用 ESP8266 Wi - Fi 模塊，支持 802.11b/g/n 協(xié)議，可將智能小車接入局域網或互聯網。通過 Wi - Fi 連接，可實現更高速的數據傳輸，支持遠程視頻監(jiān)控（配合 OpenMV 攝像頭）、與云端服務器進行數據交互等功能，拓展了智能小車的應用場景，例如在遠程控制、數據采集與上傳等方面具有更廣泛的應用。?

（二）軟件部分?

· 操作系統(tǒng)：基于 FreeRTOS 實時操作系統(tǒng)進行開發(fā)，該系統(tǒng)具有高效的任務調度機制，能夠確保智能小車的各個功能模塊（如傳感器數據采集、電機控制、通信等）在多任務環(huán)境下穩(wěn)定運行，互不干擾。通過合理分配系統(tǒng)資源，提高了系統(tǒng)的實時性和可靠性。?

· 開發(fā)語言：采用 C 語言進行程序開發(fā)，C 語言具有高效、靈活、可移植性強等特點，適合對硬件進行底層控制和復雜算法的實現。學生可以通過編寫 C 語言代碼，深入理解智能小車的控制原理和人工智能算法的實現過程，培養(yǎng)其編程能力和邏輯思維能力。?

· 公有云賬號綁定功能：支持主流公有云平臺（如阿里云、騰訊云、AWS、華為云等）的賬號綁定，通過系統(tǒng)內置的安全認證模塊，實現智能小車與公有云賬號的安全連接。綁定過程簡單便捷，學生和老師可通過圖形化界面輸入賬號信息、密鑰等進行授權綁定，綁定后可實現以下功能：?

·     ①云存儲交互：支持用戶直接從課程章節(jié)進入實驗，可將實訓過程中產生的實驗數據、圖像、模型文件等上傳至公有云的對象存儲服務中進行安全存儲和管理，也可從云端下載所需的數據集、模型和課程資源。?

·     ②云端班級管理：支持教師將自主實驗分配給班級用戶；支持用戶進行自主實驗，可選擇實驗時間、資源配置；同時支持通過桌面云形式進入頁面平臺實驗操作區(qū)。?

·     ③模型管理與部署：在實訓箱中開發(fā)和訓練的人工智能模型，可上傳至公有云的模型倉庫進行版本管理，也可直接部署到云端的 AI 推理服務中，供其他設備或應用調用，實現模型的共享和規(guī)模化應用。?

·     ④數據分析與可視化：傳感器采集的數據、實驗結果等可實時同步至公有云的數據分析平臺，利用云端的大數據分析工具進行深度挖掘和可視化展示，生成直觀的圖表和報告，輔助學生理解數據規(guī)律。?

·     ⑤遠程管理與協(xié)作：支持查看Markdown實驗指導書；實驗指導區(qū)支持查看實驗指導書或實驗指導視頻；老師可通過綁定的公有云賬號遠程查看學生的實訓進度和實驗數據，進行在線指導和評價；學生之間也可通過云端共享實驗成果，實現協(xié)作開發(fā)和學習交流。

（三）算法庫?

· 運動控制算法：內置 PID（比例 - 積分 - 微分）控制算法，用于精確控制電機的轉速和轉向，使智能小車能夠按照預定的軌跡和速度行駛。通過調整 PID 參數，可適應不同的行駛場景和控制要求，提高小車的運動穩(wěn)定性和準確性。?

· 避障算法：實現基于超聲波傳感器和紅外傳感器數據的避障算法，如 A * 算法、Dijkstra 算法等。這些算法能夠根據傳感器檢測到的障礙物信息，規(guī)劃出一條安全的行駛路徑，使小車能夠在復雜環(huán)境中自主避障行駛。?

· 圖像識別算法：集成 OpenCV 庫中的常用圖像識別算法，如 Haar 級聯分類器用于物體識別、顏色直方圖用于顏色識別等。結合 OpenMV 攝像頭采集的圖像數據，學生可以利用這些算法實現智能小車對特定物體或顏色的識別和跟蹤功能，深入了解計算機視覺在人工智能領域的應用。?

· 教學實訓軟件平臺：配套專門的教學實訓軟件平臺，具有友好的用戶界面。該平臺提供了豐富的教學資源，包括實驗指導手冊、視頻教程、示例代碼等，方便學生自主學習和實踐。學生可以在平臺上進行代碼編寫、編譯、下載到智能小車中運行，并實時查看傳感器數據、小車運行狀態(tài)等信息，實現對人工智能算法和智能小車控制的可視化調試和驗證。?

3. 其他輔助設備

（一）紅外半球型智能攝像機模塊

配置高清紅外半球型智能攝像機，具備強大的智能分析與圖像采集能力，具體功能如下：?

· 多算法切換運行：支持人臉相關模式與行為分析模式的靈活切換。在人臉相關模式下，可實現人臉與人體的關聯抓拍，精準捕捉人物影像并建立對應關系；在行為分析模式下，能夠進行快速移動、徘徊檢測等行為識別，及時發(fā)現異常行為。??

· 高精度人臉屬性分析：可對檢測到的人臉進行多維度屬性分析，包括年齡段（老、中、輕）、性別、是否帶口罩、是否帶眼鏡等，各項屬性分析的平均準確率≥90%，為實訓中人臉識別算法的優(yōu)化與應用提供精準數據支持。?

· 多目標檢測與抓拍能力：在同一視頻畫面中，最多可同時檢測≥25 個運動人體目標，同時支持對≥15 個運動人體目標進行檢測、跟蹤與抓拍，且支持人體正面、背面雙向抓拍，抓拍率≥95%，能滿足復雜場景下的多目標識別實訓需求。?

· 數據交互與應用：該攝像機采集的視頻數據、人臉屬性分析結果及人體抓拍信息，可通過實訓箱的網絡接口上傳至綁定的公有云平臺進行存儲、分析與共享，也可與實訓箱的其他模塊（如人臉識別模塊、行為分析算法庫）協(xié)同工作，用于開展人臉識別系統(tǒng)開發(fā)、行為分析算法優(yōu)化等實訓項目，助力學生深入理解計算機視覺在智能安防、人機交互等領域的應用。

（二）基于計算機視覺的智能交通沙盤配置

· 智能交通沙盤硬件參數?

設備整體規(guī)格：設備整體尺寸≥2m×1.5m×0.5m，臺面尺寸≥3m²，為各類交通場景模型和實驗操作提供充足空間，滿足多人同時開展實訓的需求。臺面采用耐磨、防滑材質，確保模型穩(wěn)固放置，同時便于清潔和維護。?

仿真交通場景模型?

· 全息交通路口：包含≥雙向 8 車道的仿真道路，車道及路口標線清晰規(guī)范，嚴格按照實際交通規(guī)則比例設計，如車道分界線、停止線、斑馬線等，真實還原城市道路路口場景。配備≥2 個手動控制紅綠燈模型，可模擬不同交通信號燈狀態(tài)，支持手動切換紅燈、綠燈、黃燈，為交通信號燈與車輛行為關聯的算法實驗提供場景支持。?

· 停車場場景：提供≥48 個標準停車位的停車場場景模型，停車位標線清晰，包含入口、出口、通道等設計，模擬真實停車場的布局。同時配備≥2 處輔助場景模型，如加油站、人行道等，豐富交通沙盤的場景多樣性，為更復雜的交通場景算法實驗創(chuàng)造條件。?

· ①模型小車道具：提供實驗所需的各類模型小車，具體包括：磁力小車≥9 個，采用磁力驅動方式，可通過外部控制實現自動行駛，便于開展車輛跟蹤、路徑規(guī)劃等實驗；工程車、貨車、公交車≥3 個，不同車型具有明顯外觀特征，用于車型識別算法的訓練與測試；普通款型小車≥30 個，款式多樣，可模擬社會車輛，滿足大規(guī)模車輛檢測與分析實驗的需求。所有模型小車尺寸與交通沙盤場景比例適配，確保在沙盤中行駛順暢。?

· ②視覺采集與處理模塊：配備高清工業(yè)相機≥4 臺，分布安裝于交通沙盤上方不同位置，實現對沙盤全域場景的無死角拍攝，拍攝分辨率≥1920×1080，幀率≥30fps，確保清晰捕捉車輛行駛狀態(tài)、紅綠燈變化等細節(jié)。相機通過數據傳輸線與人工智能實訓箱連接，將采集的視頻數據實時傳輸至實訓箱的 RK3588 處理器進行處理，利用其內置的 6TOPS 算力 NPU 和 OpenCV 計算機視覺庫，實現對車輛的實時檢測、識別與分析。?

· ③控制與交互模塊：包含小車控制單元，可通過無線通信方式（如藍牙、Wi-Fi）與模型小車進行連接，實現對磁力小車等自動行駛車輛的速度、方向控制，支持預設路徑行駛和實時遙控兩種模式。配備觸摸顯示屏，用于展示實驗數據、算法處理結果，如車輛識別標注畫面、違規(guī)行為判斷結果等，同時支持手動操作設置實驗參數，如調整檢測區(qū)域、啟動 / 停止實驗等。

· 智能交通沙盤軟件參數?

· ①車型 / 車輛檢測實驗：基于計算機視覺技術，支持對沙盤道路上的車輛及車輛類別進行識別。通過高清工業(yè)相機采集視頻畫面，利用實訓箱中的深度學習框架（如 TensorFlow、PyTorch）和訓練好的車型識別模型，對畫面中的車輛進行實時檢測，自動在畫面中框選標注車體，并截圖顯示車輛細節(jié)及車輛類別（如公交車、貨車、小車等）結果。該功能可用于車輛檢測算法的優(yōu)化、車型分類模型的訓練等實訓項目，幫助學生理解目標檢測和圖像分類算法在智能交通中的應用。?

· ②違規(guī)掉頭檢測實驗：針對交通沙盤中的禁止掉頭區(qū)域，通過視覺采集模塊實時監(jiān)測該區(qū)域內的車輛行駛狀態(tài)。系統(tǒng)利用目標跟蹤算法對自動運行的車輛進行持續(xù)跟蹤，分析車輛行駛軌跡，當檢測到車輛在禁止掉頭區(qū)域實施掉頭行為時，自動在畫面中框選標注該車輛，截圖顯示車輛當前行駛狀態(tài)并判斷為違規(guī)掉頭，同時記錄違規(guī)時間和車輛信息。此功能為學生提供了違規(guī)行為識別算法的實踐平臺，可深入研究軌跡分析、區(qū)域檢測等技術。?

· ③占用公交車道檢測實驗：對交通沙盤中的公交車專用車道區(qū)域進行實時監(jiān)控，通過計算機視覺算法識別行駛在該區(qū)域內的車輛。系統(tǒng)能夠區(qū)分公交車與社會車輛，當檢測到非公交車占用公交車道時，自動框選標注該車輛，截圖顯示車輛當前行駛狀態(tài)并判斷為占用公交車道行為。學生可通過該實驗學習特定區(qū)域車輛識別、類別判斷等算法，理解智能交通中專用車道管理的技術實現。

· ④闖紅燈檢測實驗：針對交通沙盤的十字路口區(qū)域，結合紅綠燈狀態(tài)和車輛行駛情況進行檢測。系統(tǒng)實時識別交通信號燈的顏色狀態(tài)，并跟蹤通過路口的車輛，當檢測到車輛在紅燈狀態(tài)下越過停止線時，自動框選標注該車輛，截圖顯示車輛當前行駛狀態(tài)和交通信號燈狀態(tài)，并判斷為闖紅燈行為。該實驗可讓學生掌握多目標（車輛與信號燈）協(xié)同識別技術，以及基于時間序列的行為判斷算法。

· ⑤剩余停車位檢測實驗：對停車場場景模型中的停車位進行實時監(jiān)測，通過視覺采集模塊獲取停車場畫面，利用圖像分割和目標檢測算法識別已停放車輛和空余車位。系統(tǒng)自動在畫面中框選標注已停放的車輛，統(tǒng)計并顯示空余車位數量，同時可生成停車位占用熱力圖，直觀展示停車場的使用情況。學生通過該實驗可學習區(qū)域分割、數量統(tǒng)計等算法，了解智慧停車場中車位管理的技術原理。?

· ⑥違規(guī)停車檢測實驗：監(jiān)測停車場場景中車輛的停放情況，識別未停放在指定停車位內的車輛（如停放在通道、入口等區(qū)域）。系統(tǒng)自動框選標注違規(guī)停放的車輛，截圖顯示違規(guī)位置和車輛狀態(tài)，幫助學生掌握異常行為檢測算法在停車場管理中的應用。