 |
|
| 功能單元 | 參數(shù) | 功能描述 |
| 實(shí)驗(yàn)箱 | 外形尺寸：≥610*440*240mm； | 外箱采用鋁木合金材料，四周安裝尼龍防護(hù)墊，實(shí)驗(yàn)箱體內(nèi)部包含存儲(chǔ)空間，可以妥善存放模塊及配件，打開(kāi)方式為按壓彈出。 |
| AI運(yùn)算單元 |
GPU ：128核 NVIDIA Maxwell GPU； CPU ：4核cortex-A57處理器； 內(nèi)存：4 GB LPDDR 25.6 GB/s； 算力：472 GFLOP； 核心擴(kuò)展：擁有最少4個(gè)USB3.0接口，支持HDMI和DP視頻接口，一路M.2接口的單路PCIE，并安裝有散熱風(fēng)扇， 40pin GPIO； 網(wǎng)絡(luò)：千兆以太網(wǎng)口、無(wú)線網(wǎng)卡支持2.4Ghz/5GHZ,支持藍(lán)牙4.2； |
安裝Ubuntu 18.04 LTS+ROS Melodic操作系統(tǒng)，集成JupyterLab開(kāi)發(fā)環(huán)境、Anaconda 4.5.4虛擬環(huán)境，支持一系列流行的AI框架和算法，比如TensorFlow、caffe/caffe2、Keras、Pytorch、MXNET 等，系統(tǒng)安裝有OpenCV計(jì)算機(jī)視覺(jué)庫(kù)，TensorFlow AI框架，Pytorch AI框架。 |
| 機(jī)械臂 |
機(jī)械臂自由度：5自由度+夾持器，200g有效負(fù)載，臂展350mm； 舵機(jī)方案：15Kg*5+6Kg*1智能串行總線舵機(jī)； 材質(zhì)：陽(yáng)極氧化處理鋁合金； |
用于機(jī)器人運(yùn)動(dòng)學(xué)與機(jī)器人系統(tǒng)，可以完成夾持積木等動(dòng)作。 |
| 嵌入式核心主板 |
接口：6個(gè)總線舵機(jī)接口， PWM舵機(jī)接口，i2C接口，除AI核心板外還支持STM32和Raspberry Pi； OLED:顯示CPU占用，顯示內(nèi)存占用，顯示IP地址等基礎(chǔ)信息； 按鍵：K1+K2鍵+RESET鍵； 1 個(gè)RGB燈； |
用于支持機(jī)械臂動(dòng)作。 |
| 攝像頭 | 采用USB接口，30萬(wàn)像素，110度廣角攝像頭，480P分辨率（600*480） | AI視覺(jué)實(shí)驗(yàn)，如垃圾分揀等實(shí)驗(yàn)。 |
| AI聽(tīng)覺(jué)單元 |
音頻芯片：采用SSS1629音頻芯片； 麥克風(fēng)：板載兩個(gè)高質(zhì)量MEMS硅麥克風(fēng)； 接口：標(biāo)準(zhǔn)3.5mm耳機(jī)接口、雙通道喇叭接口； |
采用USB接口設(shè)計(jì)，免驅(qū)動(dòng)，多系統(tǒng)兼容，可左右聲道錄音，音質(zhì)更加�？梢酝瓿葾I聽(tīng)覺(jué)類實(shí)驗(yàn)。 |
| 傳感器實(shí)驗(yàn)?zāi)K |
傳感器實(shí)驗(yàn)?zāi)K將Jetson nano的GPIO接口引出，方便完成GPIO實(shí)驗(yàn)，并且包含以下實(shí)驗(yàn)課程：雙色LED、 繼電器、 輕觸開(kāi)關(guān)按鍵、U 型光電傳感器、模數(shù)轉(zhuǎn)換、PS2 操縱桿、電位器、模擬霍爾傳感器、光敏傳感器、火焰報(bào)警、氣體傳感器、觸摸開(kāi)關(guān)、超聲波傳感器距離檢測(cè)、旋轉(zhuǎn)編碼器、紅外避障傳感器、氣壓傳感器、陀螺儀加速度傳感器、循跡傳感器、直流電機(jī)風(fēng)扇模塊、步進(jìn)電機(jī)驅(qū)動(dòng)模塊； |
傳感器實(shí)驗(yàn)?zāi)K可以更好的幫助學(xué)習(xí)者更加快速的入門Jetson nano的GPIO控制，從基礎(chǔ)入手，完成實(shí)驗(yàn)項(xiàng)目。同時(shí)引出的GPIO和可移動(dòng)的模塊也使我們后續(xù)的使用和開(kāi)發(fā)更加方便。 |
| 顯示屏 | 10寸顯示屏，HDMI接口，1080P分辨率。 | 顯示屏傾斜安裝，傾斜角度大于5°。用于操作系統(tǒng)顯示。 |
| 鍵盤鼠標(biāo) | 干電池供電，無(wú)線藍(lán)牙連接。 | 用于系統(tǒng)控制。 |
| 教學(xué)課程 | 課程內(nèi)容 |
| 矩陣論 | 標(biāo)量、向量、矩陣、張量 |
| 矩陣和向量相乘 | |
| 單位矩陣和逆矩陣 | |
| 線性相關(guān)和生成子空間 | |
| 范數(shù) | |
| 特殊類型的矩陣和向量 | |
| 跡運(yùn)算 | |
| Moore-Penrose偽逆 | |
| 概率與信息論 | 隨機(jī)變量與概率分布 |
| 離散型變量與概率分布律 | |
| 常見(jiàn)的離散型概率分布 | |
| 連續(xù)型變量和概率密度函數(shù) | |
| 常見(jiàn)的連續(xù)性概率分布 | |
| 聯(lián)合概率 | |
| 邊緣概率 | |
| 條件概率 | |
| 獨(dú)立性和條件獨(dú)立性 | |
| 期望、方差和協(xié)方差 | |
| 信息論 |
| 教學(xué)課程 | 課程內(nèi)容 |
| 變量與基本數(shù)據(jù)類型 | 變量 |
| 基本數(shù)據(jù)類型 | |
| 列表和元組 | 列表 |
| 元組 | |
| 字典與集合 | 字典 |
| 集合 | |
| 類和對(duì)象 | 面向?qū)ο蟾攀?/span> |
| 類的定義和使用 | |
| 屬性 | |
| 繼承 | |
| 模塊化程序設(shè)計(jì) | 函數(shù)創(chuàng)建和調(diào)用 |
| 參數(shù)傳遞 | |
| 深度學(xué)習(xí)框架簡(jiǎn)介 | TensorFlow |
| PyTorch | |
| Caffe/caffe2 | |
| PaddlePaddle | |
| Linux開(kāi)發(fā)環(huán)境簡(jiǎn)介 | Ubuntu操作系統(tǒng) |
| 常用命令行 |
| 教學(xué)課程 | 課程內(nèi)容 |
| 基本概念 | 訓(xùn)練集、測(cè)試集、驗(yàn)證集 |
| 過(guò)擬合、欠擬合、泛化 | |
| 學(xué)習(xí)率、正則化、交叉驗(yàn)證 | |
| K-近鄰算法 | 基本概念 |
| K的選取 | |
| 距離的度量 | |
| 支持向量機(jī) | 間隔與支持向量 |
| 對(duì)偶問(wèn)題 | |
| 核函數(shù) | |
| 軟間隔與正則化 | |
| K-均值聚類 | K-均值聚類 |
| 決策樹(shù)和隨機(jī)森林 | 決策樹(shù)的基本概念 |
| 選擇最佳劃分標(biāo)準(zhǔn) | |
| 隨機(jī)森林 | |
| 神經(jīng)網(wǎng)絡(luò) | 神經(jīng)元模型 |
| 感知器 | |
| 多層感知器 | |
| 經(jīng)驗(yàn)風(fēng)險(xiǎn)和結(jié)構(gòu)風(fēng)險(xiǎn) | |
| 梯度下降和反向傳播 | |
| RBF網(wǎng)絡(luò) | |
| 超限學(xué)習(xí)機(jī) | |
| 神經(jīng)網(wǎng)絡(luò)訓(xùn)練技巧 |
| 教學(xué)課程 | 課程內(nèi)容 |
| 人工智能 | 人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí) |
| 深度學(xué)習(xí) | 深度學(xué)習(xí)的發(fā)展歷程 |
| 卷積神經(jīng)網(wǎng)絡(luò) | 發(fā)展歷程 |
| 基本結(jié)構(gòu) | |
| 前饋運(yùn)算與反向傳播 | |
| 相關(guān)性質(zhì) | |
| 卷積神經(jīng)網(wǎng)絡(luò)變種 | |
| 常用卷積神經(jīng)網(wǎng)絡(luò)模型 | |
| 循環(huán)神經(jīng)網(wǎng)絡(luò) | 循環(huán)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 |
| 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)神經(jīng) | |
| 循環(huán)神經(jīng)網(wǎng)絡(luò)的變體 | |
| 生成對(duì)抗網(wǎng)絡(luò) | 生成對(duì)抗網(wǎng)絡(luò)簡(jiǎn)介 |
| 生成對(duì)抗網(wǎng)絡(luò)基本結(jié)構(gòu) | |
| 生成對(duì)抗網(wǎng)絡(luò)變種 |
| 實(shí)驗(yàn)課程 | 課程內(nèi)容 |
| ROS基礎(chǔ)與運(yùn)動(dòng)學(xué) | ROS基礎(chǔ)課程 |
| ROS創(chuàng)建工程項(xiàng)目 | |
| 自定義消息 | |
| Server通訊 | |
| 機(jī)械臂URDF模型 | |
| 機(jī)械臂運(yùn)動(dòng)學(xué)正反解 | |
| MoveIt配置 | |
| 智能串行總線舵機(jī) | |
| PC上位機(jī)控制 | |
| 機(jī)械臂自定義學(xué)習(xí)動(dòng)作組 | |
| 機(jī)械臂關(guān)節(jié)弧度及末端姿態(tài)控制 | |
| 機(jī)械臂工作區(qū)域內(nèi)抓取、搬運(yùn) | |
| 6自由度逆運(yùn)動(dòng)學(xué)控制 |
| 實(shí)驗(yàn)課程 | 課程內(nèi)容 |
| Jetson nano GPIO課程 | 雙色LED控制 |
| 電位器檢測(cè) | |
| 繼電器控制 | |
| 輕觸開(kāi)關(guān)按鍵 | |
| PCF8591模數(shù)轉(zhuǎn)換 | |
| PS2操縱桿 | |
| 觸摸開(kāi)關(guān)控制 | |
| 直流電機(jī)風(fēng)扇 | |
| 步進(jìn)電機(jī)驅(qū)動(dòng) | |
| 傳感器實(shí)驗(yàn)課程 | 模擬霍爾傳感器 |
| 模擬溫度傳感器 | |
| 火焰報(bào)警 | |
| 煙霧傳感器 | |
| 超聲波傳感器距離檢測(cè) | |
| 旋轉(zhuǎn)編碼器 | |
| 紅外避障傳感器 | |
| BMP180氣壓傳感器 | |
| MPU6050陀螺儀加速度傳感器 | |
| 循跡傳感器 |
| 實(shí)驗(yàn)課程 | 課程內(nèi)容 |
| 機(jī)械臂基礎(chǔ)課程 | 用戶按鍵控制 |
| 蜂鳴器控制實(shí)驗(yàn) | |
| OLED控制實(shí)驗(yàn) | |
| 控制單個(gè)舵機(jī) | |
| 同時(shí)控制6個(gè)舵機(jī)動(dòng)作 | |
| 讀取舵機(jī)當(dāng)前位置 | |
| 機(jī)械臂關(guān)節(jié)標(biāo)定實(shí)踐 | |
| 機(jī)械臂關(guān)節(jié)弧度及末端姿態(tài)控制 | |
| 機(jī)械臂舞蹈表演 | |
| 機(jī)械臂搬運(yùn)色塊實(shí)踐 | |
| 機(jī)械臂搬運(yùn)碼垛色塊實(shí)踐 | |
| 機(jī)械臂抓取工作區(qū)域九點(diǎn)標(biāo)定 | |
| 機(jī)械臂抓取工作區(qū)域物塊測(cè)試 |
| 實(shí)驗(yàn)課程 | 課程內(nèi)容 |
| AI視覺(jué)開(kāi)發(fā)課程 | 安裝和使用Matplotlib、Pyplot 和 Numpy |
| 在OpenCV中運(yùn)行攝像頭 | |
| JetCam庫(kù)中測(cè)試USB攝像頭 | |
| OpenCV讀取、寫入和顯示圖像 | |
| OpenCV讀取、顯示和保存視頻 | |
| OpenCV繪圖函數(shù)使用 | |
| OpenCV圖像質(zhì)量和像素操作 | |
| OpenCV圖片剪切 | |
| OpenCV圖片平移 | |
| OpenCV圖片鏡像 | |
| OpenCV仿射變換 | |
| OpenCV圖片縮放 | |
| OpenCV圖片旋轉(zhuǎn) | |
| OpenCV圖片處理 | |
| OpenCV灰度處理 | |
| OpenCV圖像美化 | |
| OpenCV邊緣檢測(cè) | |
| OpenCV二值化處理 | |
| OpenCV矩形圓形繪制 | |
| OpenCV文字圖片處理 | |
| OpenCV線段繪制 | |
| OpenCV彩色圖片直方圖 | |
| OpenCV直方圖均衡畫 | |
| OpenCV圖片修補(bǔ) | |
| OpenCV亮度增強(qiáng) | |
| OpenCV高斯均值濾波 | |
| OpenCV磨皮美白 | |
| OpenCV中值濾波 | |
| AI視覺(jué)與機(jī)械臂綜合課程 | 顏色檢測(cè) |
| 臉部和眼睛檢測(cè) | |
| 行人檢測(cè) | |
| 汽車檢測(cè) | |
| 車牌檢測(cè) | |
| 目標(biāo)追蹤 | |
| 定位物體實(shí)時(shí)位置 | |
| 攝像頭機(jī)械臂物體追蹤 | |
| 攝像頭機(jī)械臂人臉追蹤 | |
| 色塊抓取分揀實(shí)驗(yàn) | |
| 攝像頭ArucoTag識(shí)別抓取實(shí)驗(yàn) | |
| AI人工智能機(jī)械臂與主人互動(dòng)實(shí)踐 | |
| AI人工智能機(jī)械臂手勢(shì)識(shí)別抓取指定色塊進(jìn)行碼垛 | |
| AI人工智能機(jī)械臂垃圾分類實(shí)踐 | |
| 嵌入式視覺(jué)應(yīng)用 | 圖像分類 |
| 物體檢測(cè) | |
| 語(yǔ)義分割 | |
| 目標(biāo)檢測(cè) | |
| 人體姿態(tài)動(dòng)作識(shí)別 | |
| 背景移除 | |
| 單眼深度圖 |
| 實(shí)驗(yàn)課程 | 課程內(nèi)容 |
| AI聽(tīng)覺(jué)領(lǐng)域前沿算法 | 連接時(shí)序分類模型 |
| Attention模型 | |
| 基于HMM的語(yǔ)音識(shí)別 | |
| Transformer | |
| AI聽(tīng)覺(jué)綜合實(shí)戰(zhàn) | AI聽(tīng)覺(jué)領(lǐng)域前沿算法 |
| 在線語(yǔ)音合成 | |
| 語(yǔ)音聽(tīng)寫流式 | |
| 圖靈機(jī)器人 | |
| AIUI | |
| VAD端點(diǎn)檢測(cè) | |
| 小薇機(jī)器人語(yǔ)音對(duì)話 | |
| Snowboy語(yǔ)音喚醒 | |
| 語(yǔ)音情感識(shí)別 | |
| 基于 Kaldi 的語(yǔ)音識(shí)別實(shí)踐 |
友情提示：
1、貨品驗(yàn)收：閣下收貨時(shí)請(qǐng)檢查AI人工智能實(shí)驗(yàn)箱的貨品外觀，核實(shí)AI人工智能實(shí)驗(yàn)箱的數(shù)量及配件，拒收處于受損狀態(tài)的AI人工智能實(shí)驗(yàn)箱；
2、質(zhì)保：頂邦將為閣下提供AI人工智能實(shí)驗(yàn)箱產(chǎn)品說(shuō)明書內(nèi)的質(zhì)保條件和質(zhì)保期，在質(zhì)保范圍內(nèi)提供對(duì)AI人工智能實(shí)驗(yàn)箱的免費(fèi)維修，超出條件承諾時(shí)提供對(duì)AI人工智能實(shí)驗(yàn)箱的有償維修；
3、退換貨：閣下單方面原因?qū)е碌腁I人工智能實(shí)驗(yàn)箱選型錯(cuò)誤或AI人工智能實(shí)驗(yàn)箱購(gòu)買數(shù)量錯(cuò)誤，造成AI人工智能實(shí)驗(yàn)箱的退換貨要求，將不被接受；
4、貨期：AI人工智能實(shí)驗(yàn)箱的發(fā)貨期為參考值，如您需要了解AI人工智能實(shí)驗(yàn)箱的精確貨期，請(qǐng)與頂邦的銷售人員聯(lián)系；
5、如閣下對(duì)AI人工智能實(shí)驗(yàn)箱有任何疑問(wèn)，請(qǐng)致電：021-36334717 ，我們將由專業(yè)人士為您提供有關(guān)AI人工智能實(shí)驗(yàn)箱的咨詢。
找不到想找的產(chǎn)品?請(qǐng)點(diǎn)擊產(chǎn)品導(dǎo)航頁(yè) |
掃碼添加微信客服
電話：13817525788 021-36334717
021-36334727
郵箱：dinbon@163.com
售后：021-55158775
郵箱：dinbon@163.com
掃碼關(guān)注公眾號(hào)
