2

人工智能创新实践平台

一、平台硬件资源

（一）性能参数

1.AI边缘网关：

（1）处理器内核：处理器不少于五核，至少包含不低于双核Cortex-A72和三核Cortex-A53；

（2）GPU处理器不少于双核；

（3）NPU:须支持8bit/16bit运算，须支持TensorFlow、Pytorch模型，运算性能不低于3.0TOPs；

（4）终端搭载内存≥4GB DDR4,存储≥32GB EMMC5.1；

（5）终端搭载Emmc5.1存储器，容量不低于32GB；

（6）有线通信：千兆以太网口，须支持POE受电；

（7）无线通信:需支持蓝牙及双频WiFi。蓝牙需要支持 5.0，支持 class1，class2和 class3 功率级传输，调制方式: GFSK，π/4-DQPSK,8DPSK;WiFi需满足IEEE802.11 a/b/g/n/ac 2x2 MIMO；

（8）须支持M.2接口的无线4G/5G模块扩展；

（9）串行接口：须支持RS232/RS485；

（10）USB Type-A及Type-C拓展接口：提供不少于2个USB 3.0 HOST的Type-A类型拓展接口及1个Type-C类型拓展接口；

（11）板载扩展：须可接1*I2S、2*I2C、ADC1_CHO、ADC1_CH1，3路电源（5V\3.3V）；

（12）视频编解码：须支持4K VP9 and 4K 10bits H265/H264 视频解码，高达60fps；1080P 多格式视频解码 (WMV, MPEG-1/2/4, VP8)，支持6路1080P@30fps解码；1080P 视频编码，支持H.264，VP8格式，须支持2路1080P@30fps编码；视频后期处理器：反交错、去噪、边缘/细节/色彩优化；

（13）智能视频处理：须支持实时图像缩放、裁剪、格式转换、旋转等功能；

（14）视频接口输出: 1路HDMI2.0(Type-A)接口，须支持4K/60fps输出；1路MIPI接口，须支持1920*1080@60fps输出；

（15）音频接口：不少于1路HDMI音频输出；不少于1路Speaker，喇叭输出；不少于1路耳麦，用于音频输入输出；不少于1路麦克风，板载音频输入。

2.USB图像采集设备：

（1）模块须搭载不低于800万像素工业级无畸变摄像头；

（2）模块须支持自动曝光控制AEC，须支持自动增益控制AGC，须支持自动白平衡；

（3）须支持自动对焦功能。

3.RTSP图像采集设备：

（1）200万 1/2.7 CMOS ICR红外阵列筒型网络摄像机；

（2）最低照度: 彩色：0.001 Lux @（F1.2，AGC ON），0 Lux with IR；

（3）焦距及视场角: 4 mm@ F1.6，水平视场角：86°，垂直视场角：46.3°，对角线视场角：104.2°；

（4）宽动态范围: 120 dB；

（5）视频压缩标准: 主码流：H.265/H.264，子码流：H.265/H.264/MJPEG；

（6）最大图像尺寸: 1920 ×1080；

（7）网络: 1个RJ45 10 M/100 M自适应以太网口；

（8）启动及工作温湿度: -30 ℃~60 ℃，湿度小于95%（无凝结）；

（9）供电方式: DC：DC：12 V ± 25% ；PoE：802.3af；

（10）电源接口类型: Φ5.5 mm圆口；

（11）电流及功耗: DC：12 V，0.38 A，4.5 W Max； PoE：802.3af，36V~57V，0.15 A~0.10A，5.5 W Max；

（12）防护等级: IP67；

（13）补光: 最远可达30m。

4.智能人脸门禁：

（1）识别率：大于99%；

（2）人脸识别时间：最快0.2秒；

（3）人脸识别距离：0.3m~1.8m；

（4）人脸库容量：最高50000；

（5）本机记录容量：含图片记录10万条；

（6）常用核验方式：人脸（1：N）；人证核验；

（7）人员管理：支持人员库的添加、更新、删除以及人员信息查看；

（8）访客管理：支持访客的添加、更新、删除以及访客信息查看；

（9）陌生人管理：支持陌生人检测、陌生人信息上报；

（10）记录管理：支持记录本地保存和实时上传；

（11）接口：100M网络接口×1、韦根输出×1、韦根输入×1、RS485×1、告警输入×2、I/O输出×1、音频输入×1、音频输出×1、USB×1；

（12）屏幕尺寸及分辨率：触摸屏，7英寸，600*1024；

（13）补光灯：LED柔光灯。

5.语音采集播放设备:

（1）LED指示灯：无亮待机及通话模式；绿灯表示静音模式；

（2）声音功能 声音取样频率：32KHz；

（3）通讯模式：全双工同时对谈；

（4）回音消除：高于58dB；

（5）支持AGC(音频自动增益控制）功能；

（6）麦克风为全指向性；MIC:34dB。

6.无线路由器：

（1）300M无线路由，2根天线；

（2）4个百兆网口。

7.图像识别实验模块：

（1）模块须配备不低于2个人偶模型；

（2）模块须配备不低于3种动物种类模型，至少包括猫、奶牛、狗动物；

（3）模块须配备不低于2种水果模型，至少包括苹果和香蕉；

（4）模块须配备不低于2种交通工具模型，至少包括汽车和摩托车；

（5）模型须配备不低于8个不同形状和颜色的色块；

（6）模型须配备不低于3种商品模型，至少包括橙汁、甜甜圈、篮球。

8.IOT实验模块：

（1）实验模块须配备工业级数字量I/O模块，支持不低于7个通道采集输入和不低于8个通道控制输出；

（2）实验模块须配置工业级485型光照度采集模块，测量响应时间不高于1秒/每次，测量精准度不高于±3％FS；

（3）实验模块须配置带轰鸣器的警示灯，支持红、黄、绿三色单独开关控制，闪光频率不低于63times/min不高于65 times/min；

（4）实验模块须配置被动式红外热释放的人体红外传感器；

（5）实验模块须配置可长时间通电的门锁模块，锁舌行程7mm，锁舌吸力不高于0.5N（50g）；

（6）实验模块须配置可长时间通电小风扇模块；

（7）实验模块配置不低于2组的4路继电器，支持高/低电平触发。

9.实验器材收纳模块：

模块须配置具有防震、防摔、收纳功能的收纳箱，支持IP67防水防尘，支持耐温最低到-10℃最高到80℃。

二、平台软件资源

（一）性能参数

1.操作系统：

（1）AI边缘网关须支持Debian/linux嵌入式操作系统，满足嵌入式操作系统教学；

（2）AI边缘网关须支持ROS系统，满足柔性仿真机械手、机器车系统教学；

（3）AI边缘网关须内置Python3.0以上版本的运行环境，满足Python 的AI教学；

（4）AI边缘网关须内置QT、PYQT5的运行环境，满足AI的可视化教学；

（5）AI边缘网关须内置语音识别、语音合成、语音播报的离线SDK，满足AI的语音技术应用教学；

（6）AI边缘网关内置的AI算法至少包括分类检测、人脸识别、车牌识别、人脸多属性分析、人体骨骼关键点检测，满足AI的基础应用与开发教学；

（7）AI边缘网关须内置人脸多属性分析算法，具有不少于2个维度的分析结果，比如（表情、是否佩戴眼镜、是否佩戴口罩、年龄、性别）；

（8）AI边缘网关须内置人体骨骼关键点检测算法，具有不少于16个关键点的检测。

2.端侧应用软件：

（1）应用软件至少包括分类检测、人脸识别、车牌识别、人脸多属性分析、人体骨骼关键点检测等不少于5个内置的AI算法应用，程序界面应包括摄像头调用、图像采集、算法调用、结果呈现等。功能与代码对照教学演示，可展开关键技术分解教学；

（2）应用系统具备典型行业应用案例，利用智慧校园场景进行实训。智慧校园行业应用须包含人员和车辆出入控制、无人超市功能，提供管理员登录管理功能，对用户注册、已注册用户、出入车辆、操作控制进行管理；

三、算法模型训练工具

提供可视化模型训练工具，支持学生零代码构建高精度模型,支持检测预训练模型，载入标注后的数据后，工具提供“数据预处理”、“数据生产”、“训练参数配置”、“模型训练”和“模型验证”功能；

虚拟仿真实训软件

（一）设备功能

1.动力学仿真：支持多种高性能的物理引擎，例如ODE、Bullet、SimBody、DART等；

2.三维可视化环境：支持显示逼真的三维环境，包括光线、纹理、影子；

3.传感器仿真：支持传感器数据的仿真，同时可以仿真传感器噪声；

4.可扩展插件：支持用户可以定制化开发插件，扩展系统功能，满足个性化的需求；

5.多种机器人模型：内置不少于三款机器人模型，至少包含智能移动机器人、智能搬运机器人、智能复合巡检机器人等多种机器人模型；

6.终端工具：支持用户可以使用命令行工具在终端实现仿真控制；

7.虚拟仿真实训系统支持开展ROS相关实验，如定位与地图构建、路径规划与导航、机器人运动规划与控制等。配套至少2种虚拟仿真实验案例，例如通过软件可以运行巡线驾驶、倒车入库、交通标识识别等虚拟仿真实验案例。

五、平台包含教学资源

（一）包含资源

1.《人工智能前端设备应用》课程资源：教学资源须配套《人工智能前端设备应用》教材、指导手册、教学PPT、教学视频、案例源码及数据集等内容：

（1）需满足不低于64课时教学；

（2）符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学；

（3）教材提供不低于13个实训任务，每个实训匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供；

（4）提供不低于30份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程；

（5）提供不低于13份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学；

（6）提供不少于12份项目教案，根据教学内容配套，教案内容须贴合实际教学；

（7）提供相关案例源码及数据集文件；

（8）需提供《人工智能前端设备应用》教材用书（非实训指导书），教材需对应此设备产品；

（9）教学内容须涵盖但不限于以下内容：a.智慧社区设备安装与调试：智慧社区公共区域安防系统、智慧社区门禁系统、智能家居系统；b.智慧校园应用系统部署：智慧校园服务端应用环境准备、智慧校园服务端应用程序部署、智慧校园应用系统验证；c.智慧社区数据采集与标注：图像数据采集、图像数据预处理、图像标注、语音识别与文本标注；d.无人超市应用场景优化：无人超市应用系统模型微调、无人超市应用系统模型评估、无人超市应用系统模型部署。

2.《嵌入式人工智能技术应用》课程资源：教学资源须配套《嵌入式人工智能技术应用》教材、课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容：

（1）需满足不低于64课时教学；

（2）符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学；

（3）提供不低于16份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供；

（4）提供不低于16份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程；

（5）提供不低于16份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学；

（6）提供相关案例源码及数据集文件；

（7）需提供《嵌入式人工智能技术应用》教材，围绕教材大纲目录一一匹配相应实验案例、教学ppt、实训指导书、教学视频等教辅资源；

（8）教学资源内容须涵盖但不限于以下内容：使用OpenCV实现人脸检测、使用计算机视觉算法实现图像识别、利用串口实现边缘硬件控制、基于人脸检测算法实现家用设备的控制、基于计算机视觉技术实现稻麦监测系统、基于语音识别实现智能家居控制。

3.《边缘智能计算应用》课程资源：教学资源须配套《边缘智能计算应用》教材、课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容：

（1）需满足不低于64课时教学；

（2）符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学；

（3）提供不低于14份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供；

（4）提供不低于14份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程；

（5）提供不低于14份教学PPT；根据教学内容配套，教学课件内容须贴合实际教学；

（6）提供相关案例源码及数据集文件；

（7）需提供《边缘智能计算应用》教材，围绕教材大纲目录一一匹配相应实验案例、教学ppt、实训指导书、教学视频等教辅资源；

（8）教学资源内容须涵盖但不限于以下内容：a.边缘计算开发板基础应用：开发板介绍及应用案例体验、基于OpenCV的USB摄像头的使用；b.边缘计算算法SDK应用（基于RockX）：目标检测算法接口应用、人脸识别算法接口应用、人体关键点算法接口应用、车牌识别算法接口应用；c.基于TensorFlow的图像上色模型部署：基于TensorFlow的图像彩色化、TensorFlow模型转RKNN模型并进行预测；d.基于Pytorch目标检测模型部署：基于Pytorch的YOLOv5模型训练及转换、ONNX模型文件转RKNN模型文件、基于YOLOv5的实时检测模型部署；e.基于TFLite的手掌检测模型部署：基于Mediapipe的手势识别模型转换、基于RKNN模型的手掌检测、边缘端手掌检测应用的部署和运行。

六、防火墙（1套）

（一）性能参数

1.性能参数：网络层吞吐量≥150Gbps，采用SSD硬盘，接口数量要求千兆电口不少于8个，千兆光口不少于8个，万兆光口不少于8个，40G光口不少于4个，满配光模块；

2.设备模块：设备需具备IPS和AV防御能力；

3.认证方式：产品需支持单点登录、本地账号密码；

4.链路聚合：支持链路聚合功能，可将多条物理链路聚合成一条带宽更高的逻辑链路使用，提升网络带宽和增加容错性；

5.入侵防御：产品支持基于SSH、TELNET、ORACLE、MYSQL等应用协议进行深度检测与防护；

6.产品支持静态路由、策略路由、多播路由与动态路由协议；

7.产品支持多维度流量控制功能；

8.支持基于文件传输方式管控策略配置；

9.支持展示终端资产列表；

10.对于设备稳定性的考虑，设备厂商支持故障切换能力，实现双机故障切换，不丢失数据包，并可实现双机业务部署情况下升级不断网；

11.能够具备违规外联检测模块。通过与云端威胁情报对接实现恶意流量的就近进行实时检测与拦载，且能提供的云端接入节点不少于 20个，具备师生感染终端对外连接行为的实时阻断，保护学校业务安全；

12.产品需支持在云端情报库内，对于未知情报的主动探测技术，实现300S 内对于未知威胁情报的设备下发。

6套

2

人工

智能创新实践平台

一、平台硬件资源

（一）性能参数

1.AI边缘网关：

（1）处理器内核：处理器不少于五核，至少包含不低于双核Cortex-A72和三核Cortex-A53；

（2）GPU处理器不少于双核；

（3）NPU:须支持8bit/16bit运算，须支持TensorFlow、Pytorch模型，运算性能不低于3.0TOPs；

（4）终端搭载内存≥4GB DDR4,存储≥32GB EMMC5.1；

（5）终端搭载Emmc5.1存储器，容量不低于32GB；

（6）有线通信：千兆以太网口，须支持POE受电；

（7）无线通信:需支持蓝牙及双频WiFi。蓝牙需要支持 5.0，支持 class1，class2和 class3 功率级传输，调制方式: GFSK，π/4-DQPSK,8DPSK;WiFi需满足IEEE802.11 a/b/g/n/ac 2x2 MIMO；

（8）须支持M.2接口的无线4G/5G模块扩展；

（9）串行接口：须支持RS232/RS485；

（10）USB Type-A及Type-C拓展接口：提供不少于2个USB 3.0 HOST的Type-A类型拓展接口及1个Type-C类型拓展接口；

（11）板载扩展：须可接1*I2S、2*I2C、ADC1_CHO、ADC1_CH1，3路电源（5V\3.3V）；

（12）视频编解码：须支持4K VP9 and 4K 10bits H265/H264 视频解码，高达60fps；1080P 多格式视频解码 (WMV, MPEG-1/2/4, VP8)，支持6路1080P@30fps解码；1080P 视频编码，支持H.264，VP8格式，须支持2路1080P@30fps编码；视频后期处理器：反交错、去噪、边缘/细节/色彩优化；

（13）智能视频处理：须支持实时图像缩放、裁剪、格式转换、旋转等功能；

（14）视频接口输出: 1路HDMI2.0(Type-A)接口，须支持4K/60fps输出；1路MIPI接口，须支持1920*1080@60fps输出；

（15）音频接口：不少于1路HDMI音频输出；不少于1路Speaker，喇叭输出；不少于1路耳麦，用于音频输入输出；不少于1路麦克风，板载音频输入。

2.USB图像采集设备：

（1）模块须搭载不低于800万像素工业级无畸变摄像头；

（2）模块须支持自动曝光控制AEC，须支持自动增益控制AGC，须支持自动白平衡；

（3）须支持自动对焦功能。

3.RTSP图像采集设备：

（1）200万 1/2.7 CMOS ICR红外阵列筒型网络摄像机；

（2）最低照度: 彩色：0.001 Lux @（F1.2，AGC ON），0 Lux with IR；

（3）焦距及视场角: 4 mm@ F1.6，水平视场角：86°，垂直视场角：46.3°，对角线视场角：104.2°；

（4）宽动态范围: 120 dB；

（5）视频压缩标准: 主码流：H.265/H.264，子码流：H.265/H.264/MJPEG；

（6）最大图像尺寸: 1920 ×1080；

（7）网络: 1个RJ45 10 M/100 M自适应以太网口；

（8）启动及工作温湿度: -30 ℃~60 ℃，湿度小于95%（无凝结）；

（9）供电方式: DC：DC：12 V ± 25% ；PoE：802.3af；

（10）电源接口类型: Φ5.5 mm圆口；

（11）电流及功耗: DC：12 V，0.38 A，4.5 W Max； PoE：802.3af，36V~57V，0.15 A~0.10A，5.5 W Max；

（12）防护等级: IP67；

（13）补光: 最远可达30m。

4.智能人脸门禁：

（1）识别率：大于99%；

（2）人脸识别时间：最快0.2秒；

（3）人脸识别距离：0.3m~1.8m；

（4）人脸库容量：最高50000；

（5）本机记录容量：含图片记录10万条；

（6）常用核验方式：人脸（1：N）；人证核验；

（7）人员管理：支持人员库的添加、更新、删除以及人员信息查看；

（8）访客管理：支持访客的添加、更新、删除以及访客信息查看；

（9）陌生人管理：支持陌生人检测、陌生人信息上报；

（10）记录管理：支持记录本地保存和实时上传；

（11）接口：100M网络接口×1、韦根输出×1、韦根输入×1、RS485×1、告警输入×2、I/O输出×1、音频输入×1、音频输出×1、USB×1；

（12）屏幕尺寸及分辨率：触摸屏，7英寸，600*1024；

（13）补光灯：LED柔光灯。

5.语音采集播放设备:

（1）LED指示灯：无亮待机及通话模式；绿灯表示静音模式；

（2）声音功能 声音取样频率：32KHz；

（3）通讯模式：全双工同时对谈；

（4）回音消除：高于58dB；

（5）支持AGC(音频自动增益控制）功能；

（6）麦克风为全指向性；MIC:34dB。

6.无线路由器：

（1）300M无线路由，2根天线；

（2）4个百兆网口。

7.图像识别实验模块：

（1）模块须配备不低于2个人偶模型；

（2）模块须配备不低于3种动物种类模型，至少包括猫、奶牛、狗动物；

（3）模块须配备不低于2种水果模型，至少包括苹果和香蕉；

（4）模块须配备不低于2种交通工具模型，至少包括汽车和摩托车；

（5）模型须配备不低于8个不同形状和颜色的色块；

（6）模型须配备不低于3种商品模型，至少包括橙汁、甜甜圈、篮球。

8.IOT实验模块：

（1）实验模块须配备工业级数字量I/O模块，支持不低于7个通道采集输入和不低于8个通道控制输出；

（2）实验模块须配置工业级485型光照度采集模块，测量响应时间不高于1秒/每次，测量精准度不高于±3％FS；

（3）实验模块须配置带轰鸣器的警示灯，支持红、黄、绿三色单独开关控制，闪光频率不低于63times/min不高于65 times/min；

（4）实验模块须配置被动式红外热释放的人体红外传感器；

（5）实验模块须配置可长时间通电的门锁模块，锁舌行程7mm，锁舌吸力不高于0.5N（50g）；

（6）实验模块须配置可长时间通电小风扇模块；

（7）实验模块配置不低于2组的4路继电器，支持高/低电平触发。

9.实验器材收纳模块：

模块须配置具有防震、防摔、收纳功能的收纳箱，支持IP67防水防尘，支持耐温最低到-10℃最高到80℃。

二、平台软件资源

（一）性能参数

1.操作系统：

（1）AI边缘网关须支持Debian/linux嵌入式操作系统，满足嵌入式操作系统教学；

（2）AI边缘网关须支持ROS系统，满足柔性仿真机械手、机器车系统教学；

（3）AI边缘网关须内置Python3.0以上版本的运行环境，满足Python 的AI教学；

（4）AI边缘网关须内置QT、PYQT5的运行环境，满足AI的可视化教学；

（5）AI边缘网关须内置语音识别、语音合成、语音播报的离线SDK，满足AI的语音技术应用教学；

（6）AI边缘网关内置的AI算法至少包括分类检测、人脸识别、车牌识别、人脸多属性分析、人体骨骼关键点检测，满足AI的基础应用与开发教学；

（7）AI边缘网关须内置人脸多属性分析算法，具有不少于2个维度的分析结果，比如（表情、是否佩戴眼镜、是否佩戴口罩、年龄、性别）；

（8）AI边缘网关须内置人体骨骼关键点检测算法，具有不少于16个关键点的检测。

2.端侧应用软件：

（1）应用软件至少包括分类检测、人脸识别、车牌识别、人脸多属性分析、人体骨骼关键点检测等不少于5个内置的AI算法应用，程序界面应包括摄像头调用、图像采集、算法调用、结果呈现等。功能与代码对照教学演示，可展开关键技术分解教学；

（2）应用系统具备典型行业应用案例，利用智慧校园场景进行实训。智慧校园行业应用须包含人员和车辆出入控制、无人超市功能，提供管理员登录管理功能，对用户注册、已注册用户、出入车辆、操作控制进行管理；

三、算法模型训练工具

提供可视化模型训练工具，支持学生零代码构建高精度模型,支持检测预训练模型，载入标注后的数据后，工具提供“数据预处理”、“数据生产”、“训练参数配置”、“模型训练”和“模型验证”功能；

虚拟仿真实训软件

（一）设备功能

1.动力学仿真：支持多种高性能的物理引擎，例如ODE、Bullet、SimBody、DART等；

2.三维可视化环境：支持显示逼真的三维环境，包括光线、纹理、影子；

3.传感器仿真：支持传感器数据的仿真，同时可以仿真传感器噪声；

4.可扩展插件：支持用户可以定制化开发插件，扩展系统功能，满足个性化的需求；

5.多种机器人模型：内置不少于三款机器人模型，至少包含智能移动机器人、智能搬运机器人、智能复合巡检机器人等多种机器人模型；

6.终端工具：支持用户可以使用命令行工具在终端实现仿真控制；

7.虚拟仿真实训系统支持开展ROS相关实验，如定位与地图构建、路径规划与导航、机器人运动规划与控制等。配套至少2种虚拟仿真实验案例，例如通过软件可以运行巡线驾驶、倒车入库、交通标识识别等虚拟仿真实验案例。

四、平台包含教学资源

（一）包含资源

1.《人工智能前端设备应用》课程资源：教学资源须配套《人工智能前端设备应用》教材、指导手册、教学PPT、教学视频、案例源码及数据集等内容：

（1）需满足不低于64课时教学；

（2）符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学；

（3）教材提供不低于13个实训任务，每个实训匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供；

（4）提供不低于30份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程；

（5）提供不低于13份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学；

（6）提供不少于12份项目教案，根据教学内容配套，教案内容须贴合实际教学；

（7）提供相关案例源码及数据集文件；

（8）需提供《人工智能前端设备应用》教材用书（非实训指导书），教材需对应此设备产品；

（9）教学内容须涵盖但不限于以下内容：a.智慧社区设备安装与调试：智慧社区公共区域安防系统、智慧社区门禁系统、智能家居系统；b.智慧校园应用系统部署：智慧校园服务端应用环境准备、智慧校园服务端应用程序部署、智慧校园应用系统验证；c.智慧社区数据采集与标注：图像数据采集、图像数据预处理、图像标注、语音识别与文本标注；d.无人超市应用场景优化：无人超市应用系统模型微调、无人超市应用系统模型评估、无人超市应用系统模型部署。

2.《嵌入式人工智能技术应用》课程资源：教学资源须配套《嵌入式人工智能技术应用》教材、课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容：

（1）需满足不低于64课时教学；

（2）符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学；

（3）提供不低于16份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供；

（4）提供不低于16份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程；

（5）提供不低于16份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学；

（6）提供相关案例源码及数据集文件；

（7）需提供《嵌入式人工智能技术应用》教材，围绕教材大纲目录一一匹配相应实验案例、教学ppt、实训指导书、教学视频等教辅资源；

（8）教学资源内容须涵盖但不限于以下内容：使用OpenCV实现人脸检测、使用计算机视觉算法实现图像识别、利用串口实现边缘硬件控制、基于人脸检测算法实现家用设备的控制、基于计算机视觉技术实现稻麦监测系统、基于语音识别实现智能家居控制。

3.《边缘智能计算应用》课程资源：教学资源须配套《边缘智能计算应用》教材、课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容：

（1）需满足不低于64课时教学；

（2）符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学；

（3）提供不低于14份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供；

（4）提供不低于14份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程；

（5）提供不低于14份教学PPT；根据教学内容配套，教学课件内容须贴合实际教学；

（6）提供相关案例源码及数据集文件；

（7）需提供《边缘智能计算应用》教材，围绕教材大纲目录一一匹配相应实验案例、教学ppt、实训指导书、教学视频等教辅资源；

（8）教学资源内容须涵盖但不限于以下内容：a.边缘计算开发板基础应用：开发板介绍及应用案例体验、基于OpenCV的USB摄像头的使用；b.边缘计算算法SDK应用（基于RockX）：目标检测算法接口应用、人脸识别算法接口应用、人体关键点算法接口应用、车牌识别算法接口应用；c.基于TensorFlow的图像上色模型部署：基于TensorFlow的图像彩色化、TensorFlow模型转RKNN模型并进行预测；d.基于Pytorch目标检测模型部署：基于Pytorch的YOLOv5模型训练及转换、ONNX模型文件转RKNN模型文件、基于YOLOv5的实时检测模型部署；e.基于TFLite的手掌检测模型部署：基于Mediapipe的手势识别模型转换、基于RKNN模型的手掌检测、边缘端手掌检测应用的部署和运行。

6套