平台简介

人工智能一体化实训平台是为职业院校人工智能核心课程—《机器学习基础》、《深度学习应用与实践》、《计算机视觉》、《自然语音处理》等课程进行各类算法应用学习、相关框架学习、相关应用案例实训的开放性平台。该平台包括：视觉系统、开源机器学习案例库、开源深度学习框架及案例库、开源视觉应用案例库、大量训练与测试数据等。本开发平台主要解决以上四门课程教学实训问题，真正培养学生具有人工智能专业技术的应用开发、测试、调试等能力。

硬件参数
计算机视觉系统
1、200万像素智能相机。
2、包含1路麦克风和1路扬声器，1路音频输入和1路音频输出。
3、1/2.7”CMOS传感器。
4、最大图像尺寸：1920×1080。
5、RJ45以太网接口。
6、电源：DC12V/15W。

应用开发与实训案例

1.计算机视觉课程应用开源实训案例

（1）视觉定位

      1.1 原点视觉定位     

1.2 装配视觉定位

（2）视觉测量

      2.1 距离与长度测量  

2.2 角度测量

      2.3 圆弧与正圆、椭圆测量

（3）视觉识别

      3.1 手机电池生产日期检测     

3.2 车牌及号码检测

      3.3 条码、二维码识别     

3.4 物料形状、颜色识别

      3.5 物料视觉识别与分拣     

3.6 医学图像识别

      3.7 人脸识别

（4）视觉检测

      4.1 零件缺陷检测     

4.2 产品质量检测

2、机器学习课程开源应用实训案例

      1.1 投资建厂的决策树算法应用实训案例

      1.2        图形分类的k最近邻算法应用实训案例

      1.3        事故预测的线性模型算法应用实训案例

      1.4        文本分类的SVM算法应用实训案例

      1.5        病例分析的贝叶斯分类器算法应用实训案例

      1.6        距离测量的流行学习数据降维算法应用实训案例

      1.7        网络作者分群的聚类算法应用实训案例

      1.8        图像检索的半监督学习算法应用实训案例

      1.9        商品关联销售的关联规则学习应用实训案例

      1.10      走迷宫的强化学习应用实训案例

3、深度学习课程开源应用实训案例（含自然语音处理与语音识别课程应用实训案例）

（1）深度学习主要网络结构与应用

      1.1 卷积神经网络及应用；

      1.2 循环神经网络及应用；

      1.3 残差网络及应用；

      1.4 生成对抗网络及应用。

（2）深度学习开源框架与搭建

      2.1 基于TensorFlow框架的网络模型搭建；

      2.2        基于PyTorch框架的网络模型搭建。

（3）深度学习在自然语音处理的应用

      3.1 中文分词与词性标注；

      3.2 句法分析与文本处理；

      3.3        机器翻译。

（4）深度学习在图像处理的应用

      4.1 手写数字识别；     

4.2图像分类；

      4.3 目标检测识别；     

4.4 人脸识别；

      4.5 图像生成。

（5）深度学习在语音识别的应用

      5.1 语音识别模型；

      5.2 语音输入法；

      5.3 语音合成。