系統功能概述
EL-AIARM-I型教學實驗系統屬于人工智能算法平臺的一教學實驗系統，該系統采用NVIDIA?Jetson nanoB01作為AI計算終端、ORBBEC?Astra系列深度相機等進行3D建模。
AI計算機終端以ubuntu為操作系統，并在其上運行ROS系統，該ROS系統可掛接機器人建模軟件來仿真設計各類機器人，也可掛接仿真軟件來驗證相關識別算法或控制算法從而較為直觀地看到機器人模擬的運行狀態，為真實機器人的設計與控制提供完備的理論基礎。同時ROS系統還可以與OPENCV、TensorFlow等視頻圖像識別軟件進行數據交互，將其AI的視覺功能發揮到極致。
該系統可支持本公司推出多種ARM處理器的開發，如S3C2410、DM355、OMP3530、S5P6818、S5P4418等等；在實驗板上有豐富的外圍擴展資源（如：撥動開關與LED顯示、CH451鍵盤、16X16 LED漢字點陣、通信模塊以及電機控制模塊等），可以完成基于各種CPU的基礎實驗、傳感器實驗、以太網實驗等；不僅能學習AI的基礎知識，也能學習ARM處理器與傳感器、電機之間的控制方法。
系統結構及硬件資源
系統采用底板+CPU板+擴展模塊結構構成，可以支持ARM CPU和AICPU板。
系統底板硬件資源： 單脈沖產生單元 語音接口單元 單總線（DS18B20數字溫度傳感器）單元 數字輸入輸出（8個撥動開關及8個LED發光管）單元 電機（直流電機與步進電機）控制單元 鍵盤顯示（芯片CH451，4×4鍵盤，帶8位LED數碼管）單元 TFT真彩液晶（TFTLCD彩色液晶屏，800X480分辨率）顯示單元 16X16LED點陣顯示單元 RS232 、RS485總線通信接口單元 EEPROM單元 串并并串轉換單元 0-5V可調輸入電壓單元 2.5V可調參考電壓單元 |
系統底板資源平面圖
|
AIMCU采用英偉達jeston nano B01為核心，jetson nanoB01是一款節能高效功能強大的人工智能AI開發套件，搭載四核ARM Coretex-A57處理器，采用128核Maxwell架構的GPU，
CPU：ARM Coretex-A57 64-bit ，主頻1.43Ghz；4核，
GPU：128-core Maxwell @921Mhz；
內存：4 GB 64-bit LPDDR4 25.6 GB/s；
存儲：可擴展microSD卡，要求最小16GB UHS-1(超高速接口，帶寬能達到至少104Mb/s)；
視頻編碼：H.264/H.265(4Kp30)；
視頻解碼：H.264/H.265(4Kp60，2*4Kp30)；
攝像輸入接口：MIPI CSI；
攝像輸出接口：2個HDMI 2.0，Edp1.4；
網絡接口：Gigabit Ethernet/M.2 Key E
USB：4個 USB 3.0， USB 2.0 Micro-B
GPIO引腳：40
額定功率：5w/10w
供電：5V
語音模塊：
采用一款USB 轉音頻模塊，支持播放和錄音，立體聲編解碼；可以多種采樣率，多系統兼容，支持樹莓派和 JetsonNano；“聽/說”二合一；簡單方便免驅動，即插即用。
板載電源指示燈，方便查看工作狀態、板載麥克風和喇叭接口，兼容 Windows、macOS、Linux 和 Android 等系統使用標準 USB 2.0 通用接口，體型小巧精致。
供電電壓：5V
音頻編解碼芯片：SSS1629A5
控制接口：USB
音頻接口：PH2.0
揚聲器驅動：2.6W per channel(4Ω BTL)
音箱：普通驅動器喇叭
視覺相機：Astra pro
深度范圍：0.6-8m。
功耗：≤2.5W，峰值電流小于500ma。
彩色圖分辨率：1280x720@30FPS；640x480@30FPS；320x240@30FPS；
深度圖分辨率：1280x1024@7FPS；640x480@30FPS；320x240@30FPS；160x120@30FPS；
精度：距離物體1m時，±1-3mm。
彩色FOV：H66.1’ V40.2’。
深度FOV：H58.4’ V45.5’。
數據傳輸：30-45ms。
供電：USB 5V
32位微處理器（CORTEX-A53架構）ARM CPU板技術參數：
S5P-6818: 6818 是一款高性能，功能齊全的 A53 八核產品，,標配 2G 內存+16G 存儲,支持 100/1000M 以太網，支持 500W 攝像頭自動對焦功能，支持 MIPI 攝像頭接口，5 路 USB HOST接口，一路 OTG 接口，支持藍牙 4.0，支持 WIFI 上網，支持 MIPI LCD 接口，支持 HDMI 接口， 2 路 1W 喇叭接口，支持待機功能；IIC接口，SPI接口，ADC接口，PWM接口，UART接口；支持android,linux,qt,ubuntu系統。
32位微處理器（CORTEX-A9架構）ARM CPU板技術參數：
S5P-4418: 32位RISC指令集處理器，Cortex-A9四核CPU，主頻1.GHZ，28nm工藝的低功耗處理器；支持高清接口HDMI以及3D圖形顯示，支持1080P高清60幀動畫，高速接口EMMC4.5和USB2.0；IIC接口，SPI接口，ADC接口，PWM接口，UART接口,RGBLCD接口；支持android,linux，ubuntu,qt系統。
可開設的實驗項目
| 基于AI CPU系統深度學習算法實驗 | |||
| 實驗01 構造線性回歸模型 | 實驗02 邏輯回歸框架 | 實驗03 迭代完成邏輯回歸模塊 | 實驗04 神經網絡模型架構 |
| 實驗05 訓練神經網絡 | 實驗06 卷積神經網絡模型架構 | 實驗07 RNN網絡模型 | 實驗08 循環神經網絡LSTM |
| 實驗09 雙向循環神經網絡 | 實驗10 動態循環神經網絡 | 實驗11 對抗生成網絡 | 實驗12 目標識別 |
| 實驗13 自編碼器 | |||
| 基于AI CPU系統應用實驗 | |||
| 實驗01 GoogleNet物體識別 | 實驗02 FaceNet120人臉檢測 | 實驗03 神經網絡Lenet模型 | 實驗04 手語識別 |
| 實驗05 色塊跟蹤 | 實驗06 視覺建圖 | 實驗07 文字轉語音實驗 | 實驗08 語音轉文字實驗 |
| 基于ARM CPU板系統設計實驗（實驗項目以實際發貨為準） | |||
| 第一章：運行環境 | |||
| 實驗一 虛擬機VMware的安裝 | 實驗二 ubuntu系統的安裝 | 實驗三 超級終端的安裝和使用 | 實驗四 SSH軟件的安裝和使用 |
| 實驗五 ADB驅動的安裝和使用 | |||
| 第二章：系統燒寫 | |||
| 實驗一 撥碼開關設置啟動方式 | 實驗二 制作啟動TF卡 | 實驗三 TF燒寫鏡像文件 | 實驗四 OTG燒寫鏡像 |
| 實驗五 掛載TF卡 | |||
| 第三章：源碼編譯 | |||
| 實驗一 ubuntu的基本操作 | 實驗二 android 系統的編譯環境搭建 | 實驗三 內核配置裁減 | 實驗四 Android源碼的編譯 |
| 第四章：程序編碼 | |||
| 實驗一 應用程序編寫 | 實驗二 外掛驅動編寫 | 實驗三 電子相冊 | 實驗四 觸摸滿屏驅動配置 |
| 實驗五 EMMC升級配置 | 實驗六 開機logo的更改 | 實驗七 開機動畫的修改 | |
| 第五章：外設驅動實驗 | 實驗箱硬件資源介紹 | ||
| 實驗一 設備節點注冊 | 實驗二 GPIO驅動led | 實驗三 GPIO驅動蜂鳴器 | 實驗四 GPIO驅動開關檢測 |
| 實驗五 232通信 | 實驗六 485通信 | 實驗七 EEPROM實驗 | 實驗八 ADC模數轉換實驗 |
| 實驗九 定時器控制LED燈實驗 | 實驗十 繼電器實驗 | 實驗十一 光耦實驗 | 實驗十二 步進電機實驗 |
| 實驗十三 直流電機實驗 | 實驗十四 LED流水燈實驗 | 實驗十五 數碼管按鍵實驗 | 實驗十六 點陣實驗 |
| 實驗十七 AD模數轉換SPI通信實驗 | 實驗十八 DA數模轉換SPI通信實驗 | ||
產品參考圖片
