机器视觉作为AI技术最具落地价值的应用方向之一,在车牌识别、人脸核验、智能安防、工业检测等领域需求旺盛,而高校相关实验设备往往功能单一,难以覆盖从图像处理基础到深度学习部署的全流程教学。为填补这一空白,华清远见推出一款基于人工智能、嵌入式、云台的机器视觉开发套件,FS_AICVA。平台将人工智能机器视觉与传统的嵌入式技术相结合,实现图像识别、人脸识别、目标检测、目标跟踪等实际案例。满足高校人工智能基础理论教学、人工智能综合项目案例、嵌入式基础教学等。通过理论加实践的教学方式培养学生创新能力及用工具解决问题的能力。

1. 硬件
(1)双核心协同架构:嵌入式AI运算单元搭载四核ARM Cortex-A57处理器与128个NVIDIA CUDA核心,专攻深度学习推理与图像处理;嵌入式AI控制单元基于Cortex-M3内核的STM32F103处理器,负责云台实时操控与传感器数据采集,双核心分工明确,兼顾算力与实时性。
(2)云台视觉联动系统:二自由度云台支持水平180°旋转与俯仰180°调节,配合工业级USB免驱摄像头,可模拟真实安防、巡检场景下的多角度目标检测与跟踪,便于学习视觉伺服与运动控制算法。
(3)开箱即用的交互体验:配备10.1英寸电容触摸平板作为显示终端,无线键盘可直接在实验箱上完成AI开发;内置Wi-Fi、蓝牙与4G通信,支持平板摄像头(前后置)与设备摄像头双路图像采集,覆盖多场景视觉应用。
2. 软件与开发环境
(1)本地AI开放平台:基于Python的Django框架开发并部署,通过浏览器即可访问人脸识别、目标检测、云台控制等AI功能接口。平台支持调用平板摄像头或设备摄像头进行实时识别,无需额外配置。
(2)AI Studio学习平台:采用“手册+代码”一体化设计,在阅读实验指导书的同时可直接运行嵌入式代码片段查看结果。平台预加载预处理数据,学生仅需关注模型调参与网络设计,大幅降低机器学习实验的时间成本。
(3)FastDL一键训练平台:无需部署环境与神经网络知识,即可在设备上完成图像分类模型的零基础训练。训练完成的模型可发布为设备端SDK、私有服务器部署或软硬一体方案,适配嵌入式设备、单片机等多种运行环境。
(4)完整的课程代码体系:提供从Python基础、OpenCV图像处理到TensorFlow/TFLearn深度学习、PaddlePaddle框架的全套实验代码与实验指导书,所有B/S平台项目代码均开源,支持二次开发。
3、教学与实训价值
(1)学科覆盖广:涵盖嵌入式系统开发(STM32控制编程)、机器视觉(OpenCV图像处理)、深度学习(TensorFlow/PaddlePaddle模型训练与部署)、AI应用集成(百度AI开放平台调用)等多领域知识,可系统学习从底层硬件驱动到上层AI算法落地的完整技术栈。
(2)阶段适配性强:入门级可通过AI Studio平台零环境搭建完成Python与OpenCV基础实验;进阶级可在本地AI开放平台上完成人脸识别、目标检测等综合项目;科研级支持FastDL自定义模型训练与嵌入式设备部署,满足不同学习层次需求。
(3)工教平衡佳:采用工业级NVIDIA Jetson Nano核心与STM32芯片,保障设备稳定性与算力冗余;配套完整的实验指导书、线上线下课程资源及开源代码,适配高校课程设计、毕业设计及学科竞赛,兼顾工程实用性与教学属性。
项目一:此前,一名全国在逃犯王某某,听说张学友要开演唱会,特意专门从网上买了票,并冒雨去看演唱会。未曾想,在演唱会门口,被机智的人脸识别看穿了身份,现场识别装置发出警报,这名逃犯立刻现了原形,随后在场内被警察带走。可以说,“逃犯克星”张学友背后,人工智能加持的人脸识别立了不少功劳。如今,AI的人脸识别技术近年来发展很快,在公共安全领域,通过技术手段当嫌疑人出现在监控范围后,可在第一时间精确识别并报警。
涉及原理:人脸识别
场景模拟:摄像头采集人脸图像,确定出每个脸的位置、大小和各个主要面部器官的位置信息。依据这些信息,进一步提取每个人脸中所蕴含的身份特征,并将其与建立的人脸数据库进行对比,从而识别每个人脸的身份。基于深度学习的人脸识别,可实现多人人脸同时的1:N识别方案。
项目二:在2020世界人工智能大会上,特斯拉CEO马斯克通过视频演讲称,将在年内完成完全无人驾驶的基本功能。一旦无人驾驶汽车普及,将会大幅减少交通事故的发生,降低二氧化碳的排放量。而机器视觉是无人驾驶感知系统最为基础也最为关键的一个部分,它担负着交通标志、交通灯的检测,车道线的识别与偏航的计算,在障碍物检测与定位中也是至关重要的一部分。目标检测是在一幅图片中找到目标物体,给出目标的类别和位置。
涉及原理:目标检测
场景模拟:通过摄像头采集图像,基于OpenCV,包括ROI提取与训练等过程,识别物体并对物体进行定位。并在屏幕上显示相关目标。