产品设计背景：基于AI Magic Box核心处理单元与工业级传送带分拣系统的AI工业互联网教学实验平台，是专为高校人工智能、工业互联网、物联网等相关专业教学实训量身打造的综合平台。当前AI与工业互联网教学领域面临"理论脱离实践"与"产业场景缺失"的双重困境：传统实验箱多聚焦单一算法验证，难以模拟真实工业场景中的端云协同、数据溯源与算法部署全流程；而工业级产线设备成本高昂、封闭性强，不适合教学开放与动手实操。为精准填补这一空白，研发团队以产业应用驱动教学实训为核心导向，采用工业级传送带、多模态传感器、AI运算单元等硬件资源构建本平台。它以真实的物流分拣与农副产品分拣为业务场景，整合"数据采集→算法训练→模型部署→端侧推理→执行控制"的全链路开发流程，搭配开源资源与分层教学支持，成为衔接AI算法、工业互联网与嵌入式控制的理想实训载体。

一、硬件

1. AI Magic Box核心运算：内置多核心处理器与高性能GPU，配备大容量内存与高速存储，支持4个USB 3.0、千兆以太网口及双频Wi-Fi/蓝牙通信，为AI推理与边缘计算提供强劲算力支撑。

2. 全自动上料与传送系统：上料筒可同时存放多个物料，配合自动推杆实现货物全自动上料，防止徒手触摸传送带，操作更安全；步进电机驱动的传送带支持速度与方向灵活调节。

3. 推拉式分拣子系统：流水线包含多处可编程分拣单元，每个单元配备独立推杆与激光对射光电开关，各单元可单独或同步操作，灵活适配不同教学需求。

4. 多模态感知与交互：工业级高清摄像头支持图像实时采集，大尺寸显示屏与无线键鼠构成便捷交互终端，配合急停、复位、启动等安全控制开关，保障操作安全。

二、软件与开发环境

1.多语言多框架开发：支持Python、C++、C#、Java、Scratch等多种语言编程；兼容TensorFlow、PaddlePaddle、PyTorch、DarkNet等主流深度学习框架；支持分类算法与检测算法两大类货物分拣实现方案。

2.端云协同与数据溯源：基于B/S架构的数据后台系统，支持MQTT等物联网协议实现数据安全存储与上云，兼容百度IoT Core、阿里云、华为云等多个物联网云平台，实现端云协同操作与全链路数据溯源。

3.教学资源全覆盖：从Python基础、Linux命令、机器学习到深度学习、图像处理与机器视觉、自然语言处理等课程体系完整；配套综合项目案例（二维码货物识别、桃子货物分拣等），适配从入门到高阶的全栈学习需求。

三、教学与实训价值

1.学科覆盖广：涵盖人工智能、工业互联网、物联网、嵌入式开发、机器视觉等多领域，可系统学习AI算法训练与部署、工业互联网通信协议、边缘计算等核心知识。

2.虚实融合教学：可搭配工业互联网虚拟仿真系统，将虚拟分拣控制指令下发至实体设备，或读取真实摄像头图像与传感器数据用于虚拟场景验证，兼顾安全训练与真实操作体验。

3.工教平衡佳：采用工业级硬件保障稳定性与场景真实性，搭配开源资源与完整课程体系，适配高校课程设计、毕业设计及学科竞赛，兼顾实用性与教学属性。

1.基于Scratch设备开发教程

基于Scratch与设备通信的建立；基于Scratch设备温度检测；基于Scratch设备湿度检测；基于Scratch上货推杆电流检测；基于Scratch AI盒子电流检测；基于Scratch设备偏航角检测；基于Scratch设备俯仰角检测；基于Scratch设备横滚角检测；基于Scratch传送带起保停控制；基于Scratch推杆控制等。

2.设备开发项目案例

设备驱动简单控制

设备摄像头开发

识别二维码货物

设备基于PaddlePaddle的分类算法

设备基于YOLO的检测算法

货物分拣项目案例