人工智能實訓室

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(shù)據(jù)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(xiàn)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(xiàn)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(xiàn)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(xiàn) “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(shù)?

· 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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(xiàn)實訓過程中的數(shù)據(jù)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(shù)據(jù)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(xiàn)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(xiàn)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(xiàn)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(shù)據(jù)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(wǎng)接口，保障網(wǎng)絡通信的高速穩(wěn)定，可用于數(shù)據(jù)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(shù)據(jù)傳輸?shù)龋?/span>1 個音頻接口，用于連接揚聲器或麥克風，實現(xiàn)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(xiàn) 4G 或 5G 網(wǎng)絡連接，方便在沒有有線網(wǎng)絡的環(huán)境下進行數(shù)據(jù)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(shù)據(jù)處理、算法實現(xiàn)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(wǎng)絡、卷積神經網(wǎng)絡、循環(huán)神經網(wǎng)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(shù)。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(xiàn)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(wǎng)絡的圖像分類實戰(zhàn)、基于循環(huán)神經網(wǎng)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(xiàn)。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(xiàn)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(shù)據(jù)。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(xiàn)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(shù)據(jù)，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(xiàn)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(xiàn)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(shù)據(jù)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(xiàn)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(xiàn)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(xiàn)手機或電腦與智能小車的無線通信。可在 10 米范圍內穩(wěn)定傳輸數(shù)據(jù)，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(shù)據(jù)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(wǎng)或互聯(lián)網(wǎng)。通過 Wi - Fi 連接，可實現(xiàn)更高速的數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(xiàn)。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(xiàn)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(xiàn)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(xiàn)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(shù)據(jù)、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(shù)據(jù)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(xiàn)模型的共享和規(guī)?；瘧?。?

·     ④數(shù)據(jù)分析與可視化：傳感器采集的數(shù)據(jù)、實驗結果等可實時同步至公有云的數(shù)據(jù)分析平臺，利用云端的大數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)，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(xiàn)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(shù)，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(xiàn)基于超聲波傳感器和紅外傳感器數(shù)據(jù)的避障算法，如 A * 算法、Dijkstra 算法等。這些算法能夠根據(jù)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(lián)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(shù)據(jù)，學生可以利用這些算法實現(xiàn)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(shù)據(jù)、小車運行狀態(tài)等信息，實現(xiàn)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(xiàn)人臉與人體的關聯(lián)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(xiàn)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(shù)據(jù)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(shù)據(jù)交互與應用：該攝像機采集的視頻數(shù)據(jù)、人臉屬性分析結果及人體抓拍信息，可通過實訓箱的網(wǎng)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(shù)?

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(lián)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(xiàn)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(xiàn)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(shù)據(jù)傳輸線與人工智能實訓箱連接，將采集的視頻數(shù)據(jù)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(xiàn)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(xiàn)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(shù)據(jù)、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(shù)，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(shù)?

· 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(xiàn)。

· 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(shù)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(shù)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。