铁岭师专理学院-“AI+智慧学习”共建人工智慧学院招标公告

序号

设备名称

参数

数量

1

人脸融合应用实践系统

（1）技术要求：

最近随着各种技术的发展，图像方面的人脸处理技术越来越广泛。各大相机软件都有美颜、贴图、换发型、变脸等功能人脸融合便是其中一种。

人脸融合（Face Fusion）是指依托人脸识别算法和深度学习引擎，快速精准地定位人脸关键点，将用户上传的照片与特定形象进行面部层面融合，使生成的图片同时具备用户与特定形象的外貌特征。

1、 图片人脸与图片人脸融合，可选取模板中静态人脸图片，再选取模板中静态人脸图片，进行两张静态人脸图片融合。

2、 图片人脸与真实人脸融合，选取模板中静态人脸图片，再选择动态真实人脸，进行静态图片人脸与动态真实人脸融合。

3、 真实人脸与真实人脸融合，选取动态真实人脸，再选择动态真实人脸，进行动态真实人脸与动态真实人脸融合。

4、 支持贴纸、动漫表情、美颜、人脸美妆、人脸融合、哈哈镜、人脸彩绘、换脸、背景分割等功能。

（2）显示屏技术要求：

1、显示屏：LED液晶4K电视，物理解析度3840*2160，可视角度178(H)/178(V)，色彩度12Bit，亮度320nit，对比度4000:1，使用寿命80000小时以上，操作系统易柚6.0（安卓5.1以上），GPU4GPU+4VPU，内存1.5G，FLASH8G。；

（3）主机技术要求：

1、主机：Intel第八代 Core i5处理器（六核,2.3GHz主频,12MB缓存）,内存16GB DDR4-2400,集成显卡：Intel高清集成显卡1个DP， 1个HDMI接口,256GB M.2接口 NVMe协议 TLC,集成千兆网卡：Intel I219-V,5个USB3.2 Gen 1；

（4）摄像头技术要求：

1、1080P网络高清摄像机/头，USB接口；

1

2

图像风格迁移应用实践系统

（1）技术要求：

深度学习可以捕获一个图像的内容并将其与另一个图像的风格相结合，这种技术称为神经网络风格迁移，使得生成的图像具有内容图像的内容和风格图像的风格，创造出一种新的绘画图像。

图像风格迁移展示平台是利用卷积神经网络来对图像进行风格转换，通过使用VGG-16将一张普通的图像转换成各种艺术风格的图像。

1、 图像风格迁移展示系统功能包括内容图与风格图融合。

2、 摄像头拍取待融合的内容图片，选取在后台配置的图形风格，进行AI绘画创作。

3、 图像风格迁移展示平台可适用摄像头拍取内容进行融合。

4、 图像风格迁移展示平台内容融合支持多种风格，具备模板选择、拍照功能。

（2）显示屏技术要求：

1、显示屏：LED液晶4K电视，物理解析度3840*2160，可视角度178(H)/178(V)，色彩度12Bit，亮度320nit，对比度4000:1，使用寿命80000小时以上，操作系统易柚6.0（安卓5.1以上），GPU4GPU+4VPU，内存1.5G，FLASH8G。

（3）主机技术要求：

1、主机：Intel第八代 Core i5处理器（六核,2.3GHz主频,12MB缓存）,内存16GB DDR4-2400,集成显卡：Intel高清集成显卡1个DP， 1个HDMI接口,256GB M.2接口 NVMe协议 TLC,集成千兆网卡：Intel I219-V,5个USB3.2 Gen 1；

（4）摄像头技术要求：

1、1080P网络高清摄像机/头，USB接口；

3

可视化神经网络实践系统

（1）技术要求：

1、对简单神经网络的神经网络训练过程进行可视化展现。

2、通过浏览中查看训练神经网络的过程，呈现数据、特征、神经网络隐藏层、层中连接线、输出之间的关系变化。

3、数据：数据形态，圆形、异或、高斯、螺旋。数据配置，调整噪声大小，改变训练、测试数据比例，调整输入每批)数据数量 1-30。

4、特征：特征提取。每个点有 X1？X2 两个特征，衍生其他特征。

5、隐藏层：隐藏层间连接线表示权重，蓝色表示神经元原始输出，浅色表示神经元负输出。连接线粗细、深浅表示权重绝对值大小。组合连接线粗细深浅变化。越深越粗，权重越大

（2）显示屏技术要求：

1、显示屏：LED液晶4K电视，物理解析度3840*2160，可视角度178(H)/178(V)，色彩度12Bit，亮度320nit，对比度4000:1，使用寿命80000小时以上，操作系统易柚6.0（安卓5.1以上），GPU4GPU+4VPU，内存1.5G，FLASH8G；

（3）主机技术要求：

1、主机：Intel第八代 Core i5处理器（六核,2.3GHz主频,12MB缓存）,内存16GB DDR4-2400,集成显卡：Intel高清集成显卡1个DP， 1个HDMI接口,256GB M.2接口 NVMe协议 TLC,集成千兆网卡：Intel I219-V,5个USB3.2 Gen 1；

4

语音交互应用实践系统

（1）技术要求：

1、 通过输入的语音进行识别，支持流式语音识别。

2、 将音频流数据实时转换成文字流数据结果。

3、 对识别结果语句智能预测其对话语境，提供智能断句和标点符号的预测。

4、 针对上下文进行语义理解，将中间结果进行智能纠错，确保准确性。

5、 基于输入文本，支持多种语音风格合成语音。

6、 支持合成语音文件下载。

（2）显示屏技术要求：

1、显示屏：LED液晶4K电视，物理解析度3840*2160，可视角度178(H)/178(V)，色彩度12Bit，亮度320nit，对比度4000:1，使用寿命80000小时以上，操作系统易柚6.0（安卓5.1以上），GPU4GPU+4VPU，内存1.5G，FLASH8G。；

（3）主机技术要求：

1、主机：Intel第八代 Core i5处理器（六核,2.3GHz主频,12MB缓存）,内存16GB DDR4-2400,集成显卡：Intel高清集成显卡1个DP， 1个HDMI接口,256GB M.2接口 NVMe协议 TLC,集成千兆网卡：Intel I219-V,5个USB3.2 Gen 1；

（4）麦克风技术要求：

阻抗2.2kΩ，灵敏度-52dB±2dB，频率响应100Hz-16.000Hz，线长2m，尺寸24*8.5，净重0.15，USB接口；

1

5

智能服务机器人

机壳：外壳采用ABS环保材料，显示屏：10.1寸高清触摸液晶屏，分辨率1280×800；麦克风：4+1麦克风阵列，支持1.5米范围语音采集，360度声源定位，接口开放可调用；音箱：高品质2.1音箱，接口开放；操作系统：基于安卓5.1+UROS机器人操作系统；动力系统：电压：25.2VCD 容量18900mAh 续航能力6-8小时；工作电压：220VAC+10%；导航系统：支持Slam算法，测量范围16米，采样率4000次/S，扫描速度10Hz，扫描范围360度；底盘：双差动轮；WIFI网络：二合一WIFI模块 支持2.4G 802.11 b/g/n；咨询服务：具备语音语义识别技术，可以与用户进行日常和业务交流，后台语义库支持自主学习功能，可以支持行业模型的定制。

★中枢系统:

★中枢1系统:CPU ：Rockchip RK3288（28纳米HKMG制程）,CPU ：ARM Cortex-A17 四核1.8GHZ,RAM ：2GB双通道DDR3；ROM ：16GB eMMC,GPU ：ARM Mali-T764 GPU 支持TE，ASTC AFBC内存压缩技术,图像处理：支持OPENGL ES1.1/2.0/3.0 内嵌高性能2D/3D， 支持4K H.264和10bits H.265，视频解码1080P多格式视频解码，支持H.264，VP8和MVC；

★中枢2系统:GPU ：NVIDIA Jetson TX1,CPU ：NVIDIA Maxwell 256颗 CUDA核心,视频：4KX2K 30Hz编码，4KX2K 60Hz编码（10位支持）,ROM ：16GB Emmc SDIO SATA.人机交互系统：4+1麦克风阵列：支持1.5米语音采集，360度声源定位实现人声分离，精度正负10度，高信噪比，识别率高。主控板，摄像头，屏幕,3个高音扬声器：识别有效距离0.5m-1.5m；前进、后退、左转、右转指令响应；语音/视频实时传输。支撑系统：主板：安卓5.1，2G RAM / 16G ROM / linux 16G；液晶屏，触摸屏：10.1寸触摸液晶屏，显示比例16：9，分辨率1280*800，全视角网络通信设备：WIFI制式：支持2.4G 802.11 b/g/n；支持：蓝牙，4G。功能参数:移动功能：能通过软件控制机器人前进，后退；能通过软件控制机器人左转，右转。

1

6

网络设备

无线AP

1、 尺寸（mm）200mm*200m*25mm，

2、 WAN接入口千兆网口，

3、 无线速率1200M，

4、 千兆LAN输出口

交换机

1、 交换容量：336Gbps/3.36Tbps

2、 包转发率：51Mpps/108Mpps

3、 外形：尺寸440×160×43.6mm

4、 输入电压： AC：额定电压范围：100V~240V A.C，50/60Hz

5、 堆叠：IRF2

6、 功耗：<25W

7、 端口24个10/100/1000 Base-T以太网端口，4*SFP

8、 VLAN支持

9、 包装清单：主机*1 挂耳*1 调试线*1 电源线*1

网络机柜

1、 类型：网络机柜

2、 尺寸：高700宽550深450 12U

3、 高度：12U

4、 标准：兼容ETSI标准，符合IEC297-2等标准

5、 材料：SPCC优质冷轧钢，表面处理采用脱脂、酸洗磷化静电喷塑

6、 配套：螺丝30套、脚轮4个，壁挂条1个

1

7

展台展柜

展厅圆形展台（中岛）1500φ*900H，烤漆

5

8

文化软装

主题墙：亚克力雕刻字及亚克力LOGO

文化展示展板：PVC材质+UV工艺+雕刻；内容：AI+智慧学习共建人工智能学院，标准内容；

发光字：部分位置制作无边发光字，迷你发光字，亚克力水晶字；造型墙设计制作：石膏造型墙

灯箱：亚克力+uv灯箱，根据位置提大小定制，尺寸最长边不超过1.2米

窗帘：遮光卷帘+标识LOGO彩色印刷

1

9

人工智能应用基础

本课程讲解人工智能领域的一些基本概念、发展历程、技术趋势、介绍人工智能领域所应用的基本技术技能、以及传统行业AI化改造的解决方案。
★1、学时安排：≥36，案例数量：≥12，电子版ppt教学课件数量：≥36，单课时页数：≥10；MP4教学视频数量：≥36，时长：单个视频≥20′~40′，总时长≥1000′，清晰度：≥1080P；分辨率≥1920*1080，25帧，教学题库数量：≥100。
2、内容需包含：了解人工智能的基本定义、发展历程及发展趋势；了解人工智能相关企业及产业发展现状，人工智能领域相关就业岗位和岗位需求，对未来的职业发展规划有较为明确的认知；熟悉人工智能领域哲学基础、道德规范与潜在风险；掌握机器学习的一般流程，了解监督学习、无监督学习和弱监督学习的区别；掌握知识图谱、计算机视觉、语音识别、自然语言处理等人工智能领域常用技术原理和应用场景，熟悉人工智能领域的主流技术发展方向和产品解决方案；熟悉人工智能相关技术在自动驾驶、商业智能、智慧医疗、智能制造等行业的具体落地应用，了解行业解决方案和技术需求；了解Python人工智能编程基础逻辑，熟悉Python开发环境及开发流程；了解计算机视觉的行业现状，掌握人脸识别的相关的逻辑方法和算法原理。

1

10

Python核心技术

包含Python程序的基本构件：类型、操作符、语句、函数、模块、类以及异常，同时包含更多高级主题以及复杂实例。
★1、学时安排：≥80，案例数量：≥80，电子版ppt教学课件数量：≥80，单课时页数：≥10，总页数：≥800；MP4教学视频数量：≥80，时长：单个视频≥20′~40′，总时长≥2400′，清晰度：≥1080P；分辨率≥1920*1080，25帧，教学题库数量：≥100。
2、内容需包含：全面了解Python技术历史、现状与发展趋势；系统掌握Python基本概念、编程思想以及程序设计技术；具备熟练的Python编程技能和面向对象软件设计技术思想；能够熟练地综合应用Python技术和面向对象的思想编写程序解决现实生活中的问题；提高程序设计水平和计算机应用能力。

1

11

智能软件测试

讲解手工测试的核心技术与方法。主要包括：测试用例、缺陷报告、测试总结报告、测试计划以及项目管理工具。课程紧紧围绕这些核心的技术点，通过具体的案例和真实的项目来展开。课程详细讲解了编写测试用例的七大方法，如等价类划分法、边界值法、场景法等，掌握了这些方法，学员就可以对任何类型（如C/S、B/S结构，手机App等）、任何规模的软件进行测试了。课程通过项目管理工具禅道，具体讲解了在项目中如何提交一个bug，并对这个bug进行跟踪管理，直到该bug被关闭归档。课程中通过讲解不同公司的测试计划和测试总结报告案例，让学员学会如何高效的阅读一份测试计划，并按照测试计划的要求部署来开展测试工作；在阶段性测试工作结束以后，如何对自己的测试工作做一个科学完善的总结，对自己负责的测试模块和测试任务进行客观的评价。

课程中还包含了软件测试自动化技术的初级内容，web自动化测试的主流工具Selenium。详细讲解Selenium IDE的使用，为后续的课程打下技术基础。

★1、学时安排：≥64，案例数量：≥43，电子版ppt教学课件数量：≥64，单课时页数：≥10，总页数：≥640；MP4教学视频数量：≥64，时长：单个视频≥20′~40′，总时长≥1900′，清晰度：≥1080P；分辨率≥1920*1080，25帧，教学题库数量：≥100。
2、内容需包含：掌握软件测试的核心理论与重要概念，熟悉软件测试的基本流程和方法；掌握编写测试用例的七种方法，即：等价类划分法、边界值法、因果图法、判定表法、场景法、正交排列法、测试大纲法；掌握如何提交缺陷报告，并使用项目管理工具（如禅道）跟踪、管理软件bug；掌握测试总结报告的编写，能够根据项目的需求，准确统计、分类软件Bug，并对软件质量进行客观的分析、评价； 熟悉软件测试计划，能够阅读项目测试计划，并按照计划要求开展测试工作； 了解软件测试自动化技术，掌握Selenium IDE的使用，为后续深入学习自动化测试技术打下坚实基础。

1

12

数据可视化智能分析

讲解数据分析的基本概念与行业应用，讲解数据分析与可视化的多种方法，讲解数据读取，数据探索，描述性分析与数据预处理，进一步讲解构建特征工程，数据分析建模，理论与实际操作相结合，以实现高级技能型人才的培养。

★1、学时安排：≥64，案例数量：≥64，电子版ppt教学课件数量：≥64，单课时页数：≥10，总页数：≥640；MP4教学视频数量：≥64，时长：单个视频≥20′~40′，总时长≥1900′，清晰度：≥1080P；分辨率≥1920*1080，25帧，教学题库数量：≥100。
2、内容需包含：了解数据发现和数据价值进而充分理解数据；培养数据洞察力和数据思维；了解数据分析行业与应用领域；掌握常见数据分析可视化常用工具及必备技能，了解部分数据分析统计工具；重点掌握python做数据分析与可视化，其中包含pandas数据分析，matplotlib做数据可视化，以及python科学计算基础库，numpy等。重点掌握数据分析与可视化流程以及操作步骤，能够基于行业数据/通过数据采集得到的数据，进行多维数据分析服务，依据数据，进行数据读取，数据描述性分析，数据探索，数据预处理等工作，挖掘数据价值，建模分析，做出研究/评估/预测。撰写数据分析报告。

1

13

机器学习技术

通过本课程的学习，学生理解常见机器学习算法的基本原理和应用场景，结合案例，熟练掌握相关算法的API和案例实现的流程，针对机器学习应用场景能够更好的应用相关模型进行分析与处理。

1、学时安排：≥56，案例数量：≥36，电子版ppt教学课件数量：≥56，单课时页数：≥10，总页数：≥560；MP4教学视频数量：≥56，时长：单个视频≥20′~40′，总时长≥1600′，清晰度：≥1080P；分辨率≥1920*1080，25帧，教学题库数量：≥100。

2、内容需包含：了解机器学习基本概念与行业应用；理解常见算法的原理与实现过程；掌握数据预处理和特征工程；掌握Python相关函数的调用与核心参数；掌握机器学习评估方法，完成模型选择；通过实际案例，掌握开发机器学习应用程序的基本过程

1

14

AISE 综合授课平台

1、综合授课平台，可以支撑100人同时在线，进行人工智能/在线课程的学习。

2、系统角色管理功能支持学生、教师和学校教学管理人员三类角色基于本系统的访问。

3、系统部署模式可采用多级分布式部署模式，能适应瞬间大并发视频访问需求。

4、系统采用了J2EE技术路线，采用完全的B/S架构实现模式。遵循J2EE标准，具有很好的可移植性、可扩展性，能够跨平台使用。数据库采用MySql数据库。J2EE的基础是JAVA技术，其平台无关性为系统创造了良好的运作环境；此外还用到了JSTL、XML、WEB前端、UI等流行技术，确保系统发挥最大功效。

5、系统可采用Docker方式进行业务应用部署，大大降低部署和扩展难度。

6、支持完整的课程体系及丰富的授课资源形式，并且支持自定义教学任务，学校可根据需要定制自己的教学计划和教学任务。

7、支持交互式课件功能，支持ppt、pdf、html、jpg等多种资源/课件形式。

8、支持接入瞩目、保利威等第三方主流直播平台。

9、支持题库考试功能，客观题系统自动判卷，主观题教师手工判卷。

10、支持完整的学习数据记录与统计功能，记录教师教学进度及学生学习进度。

11、支持教师手动记录和查看学生考勤信息。

12、完整的统计功能，便于学校优化教学提供数据支撑。

★系统功能

管理后台：

1、系统权限管理功能

支持用户信息的查看和修改操作；

可查看当前系统的角色权限并进行调整；

支持创建、修改角色信息和权限；

可对角色配置不同的用户组；

2、课程体系管理

课程方向的创建、修改和删除；

课程包/专业的创建、修改和删除；

课程的创建、修改和删除；

支持课程封面图片自定义；

支持配置课程教学资源；

3、教学任务管理

教学任务的创建、修改和删除；

支持自定义教学任务；

支持学校对教学任务/资源排序进行自定义；

4、班级管理

班级的创建、修改和删除；

班级配置课程及授课教师/学生；

可以根据班级名称、专业、状态对班级进行检索；

5、教学班管理

支持查看班级教学进度；

查看教师授课进度及学生学习进度；

查看教师授课记录及学生学习记录；

支持查看学生视频课程学习时长；

6、学生管理功能

学生的创建、修改和删除；

支持批量导入学员信息；

可为学员配置班级；

可以根据学生姓名、手机号、账号对学生信息进行检索；

可以删除学生/班级关联关系；

支持后台重置密码功能；

7、教师管理功能

教师的创建、修改和删除；

支持批量导入教师信息功能；

可以根据姓名、手机号、账号对教师信息进行检索；

支持后台重置密码功能；

8、题库考试管理

试题的创建、编辑、删除功能。

支持单选题、多选题、判断题、简答题等题型。

支持题库模板批量导入。

支持手工组卷功能。

可对试卷新增、编辑、删除等操作。

支持手动设置试卷、试题分数。

9、dashboard数据统计

支持按天统计用户登录情况

可汇总统计系统视频、讲义、试卷等数字资源总量。

可统计在线资源占比。

教师端：

1、教学中心

显示教师当前有效教学班信息；

通过百分比显示教学班教学进度；

显示教师最近授课信息，方便教师快速定位教学进度；

2、课程中心

显示教师历史所有教学班信息；

可根据课程方向及专业进行检索；

可查看教学大纲。

3、教学大纲/详情

通过树状结构显示课程章节结构。

课程详情展示教学资源列表，方便教师使用；

支持教师发布教学任务功能；

支持教师记录和查看学生考勤。

4、考试中心

教师可为班级学生发布考试，支持发布到班级考试。

支持教师批阅试卷功能，客观题系统自动判卷，主观题教师判卷。

显示考试成绩相关统计，包括最高分、最低分、考试人数等。

学生端

1、 学习中心

显示学生所学课程信息；

显示学生待完成实验任务信息；

显示学生最近学习课程信息，方便学生快速定位学习内容；

显示学生待作答考试信息。

2、 课程中心

显示学生所有课程信息；

可根据课程方向和专业对课程进行检索；

3、 实验中心

展示学生所有实验信息及状态；

4、 考试中心

展示学生历史考试信息及状态。

学生根据考试时间进行答题，支持设置考试试卷并倒计时。

支持缓存考试答题数据。

学生可查看考试成绩及试卷详情，并能查看解析。

★平台部署

1、使用CentOS7.2/Ubuntu1604版本，以WEB形式展现；

2、支持多种部署防水，用户设备合理利旧，实现资源高效利用；

3、系统使用Java开发语言，微服务架构；

1

15

AISE 实验环境平台

★系统功能

实验环境平台基于人工智能技术，提供完整的开发工具，能够支持主流的深度学习框架，如 TensorFlow、PyTorch 等主流的机器学习、深度学习框架。

1、实验环境平台科研场景可满足各种规模（组、实验室、院、校）级别的科研任务对算力基础设施的管理与调度，方便、高效，提升科研能力。

2、实验环境平台教学实训功能可满足以学生的人工智能相关课程教学为代表的上机、实验训练的各种个性化需求， 提升实训任务的管理效率。

3、实验环境平台可以安装部署在所采购的服务器环境当中、同时可以调用开展实验所需要的软件、实验过程支持所采购的数据集。

4、可以支撑不少于100人同时在线，进行人工智能学习、实验和项目实训学习。

5、系统角色管理功能支持学生、教师和学校教学管理人员三类角色基于本系统的访问。

6、系统部署模式可采用多级分布式部署模式。

7、平台基于定制优化的容器云平台技术，为计算任务提供支撑，支持多租户共享集群计算资源且实现安全隔离， CPU、内存等根据用户请求按需动态分配，提升资源利用效率。

8、平台支持基于 WEB 的 AI 开发环境和任务训练流程，可以在线进行任务、数据、代码的编辑开发；平台会对失效的任务自动重新发起，并且具备任务快照的功能；同时，可实时监控资源消耗情况并查看相关日志。

9、系统采用了J2EE技术路线，采用完全的B/S架构实现模式。遵循J2EE标准，具有很好的可移植性、可扩展性，能够跨平台使用。数据库采用MySql数据库。

10、支持丰富实验类型，可进行多种实验课程，内置丰富的实验环境镜像，支持centos、ubuntu、debian等操作系统。

11、支持Python、Java、R、C、C++、cobol php Perl、Ruby等多种开发环境。

12、支持TensorFlow、PyTorchTheano、Caffe、Keras、Sci-kit Learn、 MLPack 等主流的机器学习、深度学习框架，支持包括但不限于Pip、Numpy、Anaconda、Pandas、Matplotlib、Seaborn、Scikit-learn、OpenCV等操作环境。

13、实验环境集成LXTerminal、Firefox、X11VNC Server、Eclipse、mysql、hadoop、flume等应用软件；

13、每个学生拥有独立的实验环境和实验数据，报告在线提交，实验数据自动记录，教师可远程连接学生桌面实验环境、查看学生实验结果并进行评分。

14、扩展性强，系统集群支持无感知扩容。

管理后台：

1、系统权限管理功能

支持用户信息的查看和修改操作；

可查看当前系统的角色权限并进行调整；

支持创建、修改角色信息和权限；

可对角色配置不同的用户组；

2、实验环境管理

系统支持命令行/虚拟桌面/Python在线编辑。

支持启用禁用实验环境。

3、实验模板管理

支持自定义实验模板；

支持根据实验模板、难易进行检索；

支持实验缩略图自定义；

4、实验课程管理

支持自定义创建实验课程；

支持通过实验课程名称、实验模板等条件进行查询；

支持实验课程开启/关闭功能；

支持通过富文本编辑器自定义实验指导手册。

支持自定义实验附件上传。

5、 实验成绩统计

显示实验成绩统计信息；

可根据实验状态对实验课程数据进行统计，包括最高分、最低分、平均分等。

6、实验记录统计

显示实验课程日志信息；

可通过实验课程名称、开始时间、结束时间进行检索；

7、班级实验记录

可按照班级显示实验记录

显示班级、课程、实验、开始时间、结束时间、授课教师。

8、任务调度管理功能

对任务的基础信息及任务类型等管理；

对已调度任务的基本信息，进度，状态等进行监控；

可监控及任务所占用资源情况等；

支持手动暂停、中断任务；

支持异常任务进行报警，系统自动杀死进程或重新初始化任务；

可监控CPU使用率；

支持服务器状态实时监控；

支持按照服务器查看服务运行状况及资源消耗情况。

支持查看单个运行服务资源消耗情况及查看相应日志。

教师端：

1、教学中心

显示教师所在教学班信息；

显示教师最近授课信息，方便教师快速定位；

2、课程中心

显示教师所有教学班信息；

可根据课程方向及专业进行检索；

3、教学大纲/详情

通过树状结构显示课程章节结构。

课程详情展示教学资源列表；

4、实验

支持教师发布实验任务。

教师可进行远程连接学生实验环境进行指导。

支持教师重启学生实验环境。

支持教师在线查看学生实验结果，并进行评分。

学生端

1、 学习中心

显示学生所学课程信息；

显示学生待完成实验任务信息；

显示学生最近学习课程信息；

方便学生快速定位学习内容；

2、 课程中心

显示学生所有课程信息；

可根据课程方向和专业对课程进行检索；

3、 实验中心

展示学生所有实验信息及状态。

支持学生在线编辑/提交实验报告；

支持学生通过实验指导书、课程视频进行实验操作；

提供平台上课程的实验所需的人工智能实验操作环境，包括但不限于R、Tensonflow、Pip、Numpy、Anaconda、Git、Vim、Pandas、Matplotlib、Seaborn、Scikit-learn、OpenCV、Python；

★平台部署

1、使用Ubuntu1604版本，以WEB形式展现；

2、支持多种部署方式，用户设备合理利旧，实现资源高效利用；

3、系统使用Java开发语言，微服务架构；

1

16

语音识别与实践

语音识别是人工智能领域重要组成部分，本课程面向高职院校，介绍语音识别的基本概念与行业应用，在基本语音信号操作的基础上，进一步讲解语音识别中声学模型与语言模型的基本概念与基础实现，最后加入深度学习的部分内容，理论与实际操作相结合，以实现高级技能型人才的培养。
通过本课程的学习，学生可了解语音信号基本概念与原理，会使用python相关接口进行基本的语音信号处理。理解典型语音模型相关参数的含义，具备基本的语音识别编程技能。

★1、学时安排：≥56，案例数量：≥56，电子版ppt教学课件数量：≥56，单课时页数：≥10；MP4教学视频数量：≥40，时长：单个视频≥20′~40′，总时长≥1300′，清晰度：≥1080P；分辨率≥1920*1080，25帧，教学题库数量：≥100。
2、知识包括：了解语音信号处理基本概念；了解计算机语音交互基本原理与行业发展；掌握麦克风阵列数据采集与处理；掌握Python相关函数的调用与基本应用；通过接口编程，实现语音信号处理；使用相关语音模型实现基本的语音识别在实验环境下能独立完成课堂案例与综合项目，培养相关岗位所需基本技能。

1

17

机器视觉技术

通过本课程的学习，学生可了解图像处理的基本原理和常用技术，会使用python相关接口进行工业领域的产品检测相关的图像处理。理解双目视觉的相关原理，能完成摄像机的标定与双目测距等编程技能。

★1、学时安排：≥40，案例数量：≥26，电子版ppt教学课件数量：≥40，单课时页数：≥10；MP4教学视频数量：≥40，时长：单个视频≥20′~40′，总时长≥1200′，清晰度：≥1080P；分辨率≥1920*1080，25帧，教学题库数量：≥100。
2、知识包括：了解机器视觉系统的整体概念；了解机器视觉系统中图像采集设备的名称及采集原理掌握图像处理技术；掌握Python相关函数的调用与基本应用；掌握双目视觉系统的标定与测距的相关内容在实验环境下能独立完成课堂案例与综合项目，培养相关岗位所需基本技能。
学时安排

1

18

模式识别应用与实践

了解机器学习相关算法与模型的基本概念和基本原理、会使用至少一种深度学习工具与开源框架，结合实际案例，通过调用相关模式识别API，完成计算机视觉等应用的设计与开发。

★1、学时安排：≥48，案例数量：≥15，电子版ppt教学课件数量：≥48，单课时页数：≥10；MP4教学视频数量：≥48，时长：单个视频≥20′~40′，总时长≥1200′，清晰度：≥1080P；分辨率≥1920*1080，25帧，教学题库数量：≥100。

2、知识包括：了解模式识别基本概念与行业应用；理解基本的概率与统计原理；合模式识别应用场景，理解业务需求和识别思想；掌握Python相关函数的调用与基本应用；通过接口编程，实现分类器基本工作 ；在实验环境下能独立完成课堂案例与综合项目，培养相关岗位所需基本技能；

1

19

智慧停车场

智慧停车场管理系统是属于智慧城市的一部分。本项目是结合AI边缘计算实验平台主控及实验套件（多个摄像头、音响或语音合成模块、大屏等），构建一个符合真实场景的智能停车场系统。

1、车牌识别：通过该对进入停车场的车辆车牌进行识别，同时判断是否为注册过的车辆车牌；

2、停车位占用识别：对停车位占用进行目标识别，识别到停车位被占用后讲数据返回给前端显；

3、非法/异常停车报警：对于未停在车位范围内的车辆，进行报警提示。

4、智能语音播报：对未注册的车辆进行语音播报提示，对收费情况进行播报。

5、数据记录：通过大屏显示停车车辆进出入时间点，结合停车收费情况显示的前端页面。

★6、实训项目包括：车牌识别、停车位占用识别、非法/异常停车报警、智能语音播报、停车场监控摄像、车主会员注册、登录、充值、停车场数据可视化、停车场后台管理等；

7、训练技能：掌握Python编程基础知识及技巧；掌握OpenCV图像处理技术；掌握支持向量机机器学习算法；学会Yolov3实现目标检测；掌握RK3399Pro-NPU和TB-RK1808S0 AI计算棒的使用；掌握使用语音合成模块合成语音并播报；掌握基本的http网络协议；掌握Python应用库：requests或urllib；掌握前端开发技术，如html/css/js/等；掌握Python Web框架Django开发流程及编程；掌握根据需求进行数据库设计；掌握Python数据库编程（MySQL或MariaDB）；能够综合运用知识解决人工智能项目问题。

8、设备配置：停车场沙盘，1台；智能小车，2辆；实验箱主机，4台；单目高清摄像头，4个；服务器，1台；一体机（前端展示、控制），1台；无线路由器，1个

1

20

智慧景区管理

智慧景区管理系统是属于智慧旅游的一部分。本项目是结合AI边缘计算实验平台主控及实验套件（多个摄像头、景区大屏），构建一个符合真实场景的智慧景区管理系统。

1、人脸识别门禁：对进入景区的人进行人脸识别，并判断是否购票。

2、人流监控：对于进入景区的人流进行监控，并进行目标跟踪，便于对人流聚集或固定人进行识别。

3、火灾或烟雾环境监控：监控景区出现火灾或烟雾时，及时反馈至后台进行处理。

4、吸烟监控：监控景区游客吸烟时，及时反馈给工作人员，并前去及时劝阻。

5、数据分析：将景区人流，气温等各项数据图形化展示在界面；

★6、实训项目包括：人脸识别门禁、人流量监控、火灾或烟雾环境监控、吸烟监控、景区监控摄像、游客注册、登录、购票、景区电子导览、游客一键求助、景区数据可视化、景区后台管理等；

7、训练技能：掌握Python编程基础知识及技巧；掌握OpenCV图像处理技术；学会用face_recognition进行人脸识别；掌握使用PyTorch和Yolov5网络进行模型训练；学会用Yolov5模型进行烟雾/火灾监测；学会用Yolov3或MobileNet-SSD实现目标检测；掌握RK3399Pro-NPU和TB-RK1808S0 AI计算棒的使用；学会用deep_sort进行目标跟踪；掌握基本的http网络协议；掌握Python应用库：requests或urllib；掌握微信公众号或微信小程序基本配置、菜单创建、功能开发；掌握前端开发技术，如html/css/js/等；掌握Python Web框架Django开发流程及编程；掌握根据需求进行数据库设计；掌握Python数据库编程（MySQL或MariaDB）；能够综合运用知识解决人工智能项目问题。

8、设备配置：实验箱主机，6台；单目高清摄像头，6个；服务器，1台；一体机（前端展示、控制），1台；无线路由器，1个

1

21

智能考勤打卡系统

智能考勤打卡系统结合AI边缘计算实验平台主控及实验套件（深度摄像头、音响或语音合成模块等），构建一个符合真实场景的智能考勤打卡系统。

1、三维人脸识别：通过深度摄像头采集到人脸深度图和RGB图，首先使用RGB图进行人脸识别，然后使用深度图得到人脸特征点的深度数据，最后根据人脸深度特点判断是否为真实人脸，排除使用照片冒充打卡的情况。

2、口罩检测:通过口罩检测算法判断学生是否佩戴口罩，三维人脸识别时提醒暂时摘掉口罩，打卡成功后提醒学生佩戴好口罩。

3、语音播报:打卡过程中的语音提示。

4、表情分析：通过表情分析算法识别出表情，从而确定学生上课前的心理情绪；

★5、实训项目包括：三维人脸识别、口罩检测、红外体温测量、智能语音播报、表情分析、学生数据采集、课表发布与查阅、学生打卡数据可视化；

6、训练技能：掌握Python编程基础知识及技巧；掌握OpenCV图像处理技术；掌握使用face_recognition库进行人脸识别；掌握通过深度摄像头采集人脸深度图，并根据人脸特征和深度图数据进行人脸的真实性判断；掌握通过USART控制红外测温模块，采集人体体温数据，最终计算出人体温度；

掌握使用Tensorflow口罩训练模型进行口罩检测；掌握使用Tensorflow进行模型训练，并使用模型进行表情识别；掌握使用语音合成模块合成语音并播报；掌握基本的http网络协议；掌握Python应用库：requests或urllib；

掌握前端开发技术，如html/css/js/等；掌握Python Web框架Django开发流程及编程；掌握根据需求进行数据库设计；掌握Python数据库编程（MySQL或MariaDB）；能够综合运用知识解决人工智能项目问题。

7、设备配置：1、深度摄像头，2个；红外体温模块，2个；实验箱主机，2台；服务器，1台；一体机（前端展示、控制），1台；无线路由器，1个；

1

22

人工智能边缘实验套件

一、AIX-EBoard智控系统
1、CPU处理器
双核ARM Cortex-A72+四核ARM Cortex-A53，CPU主频1.8GHz*2+1.4GHz*4
★2、NPU人工智能神经网络处理器
-集成神经网络处理器NPU，支持8bit/16bit运算，运算性能3.0TOPS。
-支持TensorFlow、Caffe等多种模型。
-提供AI开发工具，支持模型快速转换。
-提供AI应用开发接口，支持Android NN API、提供RKNN跨平台API、Linux支持TensorFlow开发。
-NPU相较于GPU作为AI运算单元的大型芯片方案，功耗不到GPU所需要的1%。
3、内存
内存6GB
4、存储器
高速eMMC 16GB，且支持TF卡拓展，单卡拓展存储容量最大支持128GB
★5、GPU图形处理器
-四核GPU ，ARM Mali-T860 MP4
-支持OpenGL ES1.1/2.0/3.0/3.1,
OpenVG1.1, OpenCL, DX11
-支持AFBC（帧缓冲压缩）
★6、视频处理单元
支持4K VP9 and 4K 10bits H265/H264 视频解码，高达60fps
1080P多格式视频解码(VC-1, MPEG-1/2/4, VP8)
1080P 视频编码，支持H.264，VP8格式
视频后期处理器：反交错、去噪、边缘/细节/色彩优化
7、显示屏
电容触摸屏，尺寸7寸、显示分辨率≥1024*600
8、摄像头
内置200万像素摄像头
9、扬声器
内置扬声器
10、麦克风
内置麦克风
11、以太网接口
支持10 / 100 / 1000 Mbps传输速率
12、无线连接
集成WIFI、蓝牙模组。支持WiFi ，2.4G/5G双频，支持AP/STA模式；蓝牙4.1，支持蓝牙数据传输。
★13、加密芯片
内置版权加密存储芯片，用于保存版权、生物特征等敏感数据；
14、拓展接口及按键
板载USB 3.0 + USB 2.0口≥6个，用于外接各类实验套件；
HDMI接口1个，用于外接拓展HDMI显示屏；
UART串口2个，用于数据通信与外接实验设备；
IO扩展口，用于外设通信或控制，支持ADC、GPIO等功能；
TF-card口1个，用于拓展存储容量，TF卡最大支持容量128GB；
Type-c口 1个，用于USB数据传输及烧写系统镜像；
RJ45网口 1个，用于连接有线网；
Headphone 1个，用于连接耳机；
普通按键2个，用于音量控制；
RST按键1个，用于复位（重启）系统；
PWR按键1个，用于系统开机/关机。
15、电源
DC输入电压12V
16、输入模块
配置无线键盘、鼠标
17、操作系统和编辑环境
操作系统： Debian
★支持编辑环境：Code-OSS、Jupyter、Leafpad、Vim

二、视觉专用套件

1 单目高清摄像头（1080p）

像素≥200万，USB 2.0接口，内置麦克风，自动变焦

支持系统：Linux/Android/Windows系统。

支持自动对焦。

2 深度摄像头

包含英特尔?实感TM视觉处理器D4、英特尔?实感TM视觉处理器D430等摄像头主要组件。

识别范围：约10m，随校准、场景和光照条件而变。

RGB传感器分辨率和帧速率：30fps时为1920*1080。。

3 双目无畸变摄像头（包含2个轻微畸变镜头）

像素≥130万，无畸变，USB2.0接口，免驱动，支持系统：linux/android/windows系统

4 标定棋盘

格数：10*7，黑白相间

★5 AI计算棒

-内存≥1GB LPDDR

-存储≥8GB EMMC

-支持8bit运算，运算性能3.0TOPS

-支持TensorFlow、Caffe、ONNX、Darknet模型

-支持 OpenCL/OpenVX

-支持主流Linux系统

-USB3.0接口

三、语音专用套件

1 指向性专业麦克风（包含声卡）

单一指向性

灵敏度：近距-45db，远距-38db

频率响应：100HZ-16KHZ

输出阻抗：近距1KΩ，远距2.3KΩ

2 麦克风阵列

板载4个数字麦克风

支持5m和360°远程拾音

支持回声消除、声源定位、降噪

支持Linux/Windows/MacOS等主流系统

3 拾音器

3米半径、360度全向拾音

过滤电流声，降低噪音波

4 语音合成套件

具有智能的文本分析处理算法；

具备多音字处理功能；

支持语音合成、停止、暂停合成等功能；

合成文本量≥200字节

5 语音识别模块

支持识别中文、外语、地方方言等

声控和人机对话功能

30分贝下，语音识别率100%；30分贝-50分贝，90%以上的识别率。

四、实验资源

1 视觉教学实验包

★支持的案例实验数量≥29个。

★实验包含实验手册、实验代码、实验数据等。实验手册内容有：问题、方案、环境、资源、实验步骤、实验代码、实验结论等。

实验类型及名称：

1）图像基本操作类

滑动条控制图像阈值；

2）图像检测类

图像边缘检测实验，表面划痕检测实验，行人检测实验，车牌目标提取实验，人脸检测实验等；

3）图像变换类

图像黑白变换实验，图像灰度变换实验，图像取反变换实验，图像锐化变换实验、图像分割实验等；

4）图像修复类

图像污点修复实验；

5）图像识别类

红绿灯识别实验、字符识别实验、猫狗分类实验、车牌识别实验、人脸识别实验、目标检测实验、手势识别实验等；

6）图像跟踪类

目标跟踪实验、多目标检测与跟踪；

7）单目类

单目标定实验、单目校正实验；

8）双目类

双目标定实验、双目校正实验、双目测距实验；

9）三维图像类

RGB-D数据集实验、三维立体空间重建、三维人脸识别实验；

2 语音教学实验包

★支持的案例实验数量≥24个。

★实验包含实验手册、实验代码、实验数据等。实验手册内容有：问题、方案、环境、资源、实验步骤、实验代码、实验结论等。

具体如下：

1）语音采集类

语音采集、语音波形显示、语音采集及实时波形显示、语音编码、语音采样频率转换等

2）语音信号类

语音信号强度、白噪声信号、语音短时傅里叶变换、音频自动增益控制、共振峰检测、基音周期、回声消除等

3）语音检测类

语音端点检测、语谱图实验；

4）语音噪声类

语音增强，语音添加噪声；

5）语音模型类

LSTM声学模型训练；

6）声源定位类

实时声源定位；

7）语音识别类

声纹识别、语音识别（模块版）、语音识别（离线版）、语音识别（网络版）、智能音箱；

8）语音合成类

语音合成；语音合成；

16

23

投影设备

投影仪

1、 显示系统：3LCD
2、 显示设备
面板尺寸 ≥0.59英寸多晶硅有源矩阵式液晶板×3
分辨率 1,280×800
像素 1,024,000 像素
3、 镜头
类型 手动变焦/聚焦
变焦比 x1.2
投射比 1.5-1.8
位移范围 固定
4、 光源
类型 230W UHP灯泡
寿命 6,000小时(标准模式)；12,500小时(省电模式)
5、 投影屏幕尺寸：≥30"~300”
6、 对比16000:1，
7、 分辨率1280*800,
8、 显示方式16：10
9、 接口
n COMPUTER IN 1 15针微型D-sub端子×1
n COMPUTER IN 2 15针微型D-sub端子×1
n MONITOR OUT 15针微型D-sub端子×1（COMPUTER IN2共用）
n VIDEO RCA端子x1
n HDMI 1 HDMI 连接器x1
n HDMI 2 HDMI 连接器x1
n MHL HDMI端子x1(HDMI 2共用)
n AUDIO IN1 3.5mm（立体声）迷你插孔x1
n AUDIO IN2 3.5mm（立体声）迷你插孔x1
n AUDIO IN3 RCA端子x2(R/L)
n RCA插孔L/R x 1
n AUDIO OUT 3.5mm（立体声）迷你插孔x1
n CONTROL 9针D-sub端子×1
n USB-A USB(A)×1
n USB-B USB(B)×1
n LAN RJ-45端子×1
10、 电源 AC100-240V
11、 功耗 330W
12、 待机功耗 0.35W(节能模式)
13、 尺寸 349(宽)x88(高)x264(深) mm 不含突起部分
14、 重量 约3.5kg

幕布

1、 颜色：白色
2、 材质：白玻纤
3、 幕布比例：16:9
4、 幕布尺寸：≥100（英寸）
5、 幕布类别：电动

1

24

音响设备

音箱

1、类型：壁挂音箱≥10寸
2、 频率响应：18Hz-20KHz
3、 阻抗：≥8Ω
4、 灵敏度：90dB±2dB
5、 功率范围：40W-180W

功放

1、输出功率：≥200W
2、 频率响应：40Hz-16KHz
3、 信噪比：≥75db
4、 输出方式：4-16欧定阻；70V，110V定压
5、 失真度：≤0.3%
6、 颜色：银色
7、 主机尺寸（长宽高）486*374*105mm
8、 主机重量9.4
9、 支持蓝牙
10、 支持USB输入接口

调音台

1、 频响
输入到STEREO OUT ： +0.5 dB/-0.5 dB (20 Hz到20kHz),参考额定输出电平@ 1kHz, GAIN旋钮:小
2、 总谐波失真(THD+N)
输入到STEREO OUT ：0.01 % @ +8dBu (20 Hz到 20kHz),GAIN旋钮:小 0.003 % @ +18dBu (1kHz),GAIN旋钮:小
3、 嗡音&噪音*1(20 Hz 到20 kHz)
同等输入噪音 ：-128 dBu (Mono输入通道，Rs:150Ω,GAIN旋钮：大
残余输出噪音 ：-102 dBu (STEREO OUT, STEREO LEVEL,GAIN旋钮：小)
4、 串扰(1kHz)*2 ：-88 dB
5、 输入通道 ：6通道：单声道[MIC/LINE]:2,立体声[LINE]:2
6、 输出通道 ：STEREO OUT:2, PHONES:1
7、 母线 ：立体声：1
8、 输入通道功能
PAD (Mono) ：26 dB
HPF(Mono) ：80 Hz, 12 dB/倍频程
EQ HIGH ：(Mono)增益：+15dB/-15dB,频率：10kHz斜率
EQ LOW ：(Mono)增益：+15dB/-15dB,频率：100Hz斜率
PEAK LED (Mono) ：当EQ后信号到达失真以下3dB时LED打开
9、 电平表
Post STETREO LEVEL旋钮 ：2x7 - 点距LED电平表[PEAK, +6, +3, 0, -3, -10, -20 dB]
10、 内建数字效果
SPX算法：6编程(MG06XU)
11、 幻象电源电压 ：+48V
12、 电源适配器
PA-130(DC12 V/1.0A,线长=1.8m),120V，60Hz MU18(DC12V/1.5A,线长=1.5m),100V-240V,50Hz/60Hz或雅马哈推荐的相同档次产品
13、 功耗 ：≥12W
14、 外观尺寸(W x H x D) ≥
149 mm x 62 mm x 202 mm(5.9"x 2.4"x 7.9")
15、 净重 ：0.9 kg (1.98 lbs.)
16、 包含附件：AC电源适配器，使用说明书，技术规格
17、 可选购配件 ：话筒架适配器：BMS-10A，踏板开关：FC5(MG10XU)
18、 操作温度 ：0到40？C

1

25

网络设备

交换机

1、 交换容量：336Gbps/3.36Tbps

2、 包转发率：51Mpps/108Mpps

3、 外形：尺寸440×160×43.6mm

4、 输入电压： AC：额定电压范围：100V~240V A.C，50/60Hz

5、 堆叠：IRF2

6、 功耗：<25W

7、 端口24个10/100/1000 Base-T以太网端口，4*SFP

8、 VLAN支持

9、 包装清单：主机*1 挂耳*1 调试线*1 电源线*1

网络机柜

1、 类型：网络机柜

2、 尺寸：高700宽550深450 12U

3、 高度：12U

4、 标准：兼容ETSI标准，符合IEC297-2等标准

5、 材料：SPCC优质冷轧钢，表面处理采用脱脂、酸洗磷化静电喷塑

6、 配套：螺丝30套、脚轮4个，壁挂条1个

2

26

实验桌椅

双人电脑桌≥200×60×78

培训椅子可折叠，带写字板

20

27

文化软装

文化展示展板：PVC材质+UV工艺+雕刻；内容：AI+智慧学习共建人工智能学院，标准内容；

发光字：部分位置制作无边发光字，迷你发光字，亚克力水晶字；造型墙设计制作：石膏造型墙

灯箱：亚克力+uv灯箱，根据位置提大小定制，尺寸最长边不超过1.2米

窗帘：遮光卷帘+标识LOGO彩色印刷

1