嵌入式邊緣物聯網實驗室建設方案
1. 配置表
| 序號 | 產品名稱 | 數量 | 規格 | 備注 |
| 1 | 嵌入式邊緣物聯網實驗平臺 | 25 | 由邊緣計算處理器RK3399，4G+16G內存配置，11.6寸高清電容屏、AI攝像頭、AI麥克風陣列、zigbee節點、藍牙節點和Nbiot節點、lorawan節點、RFID等多種無線傳感器節點構成。提供更豐富的擴展接口：雙路USB3.0，RS232，RS485，嵌入式拓展接口等各種外設接口。 | |
| 2 | 物聯網資源包 | 1 | 配套源碼，視頻教程，實驗指導書等 | |
| 3 | 人工智能資源包 | 1 | 配套源碼，視頻教程，實驗指導書等 | |
| 4 | 嵌入式資源包 | 1 | 配套源碼，視頻教程，實驗指導書等 | |
| 5 | 物聯網應用云平臺軟件 | 1 | 1）能夠將物聯網感知層設備（傳感器、執行器等）接入物聯網云服務平臺，平臺能夠接收并存儲傳感器和執行器的實時數據，模塊在線狀態，并實時顯示。 2）提供后臺管理系統，能夠設置賬號類型和使用權限。支持多用戶管理及權限控制，分為父用戶和子用戶，父用戶可以創建多個子用戶，并且可以為每個子用戶分配增、刪、改幾種權限，子用戶創建的資源相互隔離。 3）提供物聯網規則編輯器，無需編寫代碼即可編輯復雜的自動化控制策略，實現移動互聯網系統的自動化控制。 4）提供豐富的可視化控件庫，通過拖拽、簡便配置即可完成美觀的UI設計。支持GIS地圖、曲線圖、柱狀、餅圖、圖表、按鈕、儀表圖等控件。 5）物聯網感知層設備也能夠向執行器發送控制命令，系統能夠實現模塊的在線監測。 6）云平臺支持物聯網硬件多協議接入，通過ZigBee/BLE/wifi/lora/NBIOT無線技術取得傳感器采集的數據，形成一個完整的無線傳感器網絡。 7）數據通過http/MQTT協議傳輸至物聯網應用基礎云平臺軟件，進行數據圖形化展示。 8）實現基于云平臺的智能家居實驗，并包含配套完整的教學資源。 9）支持本地化部署和云端部署兩種方式。 | |
| 6 | 實驗桌 | 50 | ||
| 7 | 電腦 | 50 |
2. 產品說明
平臺簡介嵌入式邊緣物聯網實驗平臺主要由邊緣計算智能網關、AI攝像頭、AI麥克風陣列、zigbee節點、藍牙節點和Nbiot節點、lorawan節點等多種無線傳感器節點構成。通過多種傳感器的自由選擇搭配，可以完成智慧城市、智能家居，智慧校園，智能安防、物聯網傳感技術、物聯網通信技術、為搭建4G/5G綜合應用場景提供支持。
實驗平臺整體框架如下圖：
2.1. 邊緣計算智能網關
嵌入式邊緣物聯網實驗平臺是一款集成物聯網、人工智能、嵌入式、移動互聯技術于一體的高端教學科研實驗平臺。整個教學平臺包括物聯網、嵌入式Linux和人工智能（AI），三個部分互相支撐、互為補充。人工智能部分的硬件基于嵌入式ARM控制器、高清相機模塊、7麥麥克風陣列，具備語音、圖像數據的采集和處理能力及適用于多種場景的控制接口；嵌入式Linux部分的硬件采用CPU+GPU雙處理器架構，配備高清大屏以及豐富的外設接口；物聯網部分的硬件支持RFID、Zigbee、Ble、Lora、NBIoT等無線傳輸技術以及20余種傳感器模塊。
平臺采用多核高性能 AI 處理器，預裝 Ubuntu Linux 操作系統與 OpenCV 計算機視覺庫，支持 TensorFlow Lite、NCNN、MNN、Paddle-Lite、MACE 等深度學習端側推理框架。
實驗平臺支持圖像處理、語音處理、無線通信、傳感器原理、RFID等技術的主流算法及應用。提供完整的配套教學教材，實訓案例的源碼、開發手冊等，滿足AI和IOT教學實訓、應用開發等需求。
實驗平臺采用CPU+GPU雙處理器架構，不少于10種模塊接口，配備高清大屏、高清相機模塊、麥克
風陣列和ODB接口，硬件系統采用DC12V電源適配器安全供電，實現嵌入式linux實驗和課程設計實驗，無線傳感器網絡實驗、人工智能實驗及AIOT綜合實驗等。
1.1系統特點
嵌入式邊緣物聯網實驗平臺基于新工科的教育理念，讓教學更輕松，項目開發更容易，售后服務更便捷，更多的考慮實驗的先進性、擴展性、包容性。
1.先進性
超強性能
- AI嵌入式邊緣計算處理器RK3399，4G+16G內存配置，11.6寸高清電容屏。
- 選配NPU協處理器模塊，直接運行神經網絡模型，運算能力高達2.8 TOPs@300mW。
- 提供更豐富的擴展接口：雙路USB3.0，四路USB2.0，RS232，RS485，嵌入式拓展接口等各種外設接口。
2.擴展性
按需定制
- 所有硬件單元采用模塊化設計，可根據需求進行彈性定制選型和搭配。
- 提供可選的豐富的項目套件模塊，可以完成各種AI應用場景的設計和創新。
- 智能邊緣計算網關平臺提供嵌入式擴展接口，包含常用接口的拓展，包括GPIO、ADC、IIC、UART、PWM、SPI等。
3.包容性
一機多用
- 根據教學用途，實驗平臺可作為人工智能、嵌入式、物聯網、移動互聯網、智能硬件等學科實驗教學，提供不同的教學資源。
- 實驗平臺可完成豐富的課程及實驗，包括：Python程序設計、嵌入式Linux操作系統、機器視覺技術、自然語言處理、神經網絡原理、無線通信、android應用技術、物聯網中間件、AIOT應用實訓等
- 完美融合物聯網，邊緣智聯網（eAIOT）綜合實驗平臺的對硬件進行了兼容性設計，在硬件上可以同時滿足物聯網、人工智能和嵌入式三個專業的實訓需求。這樣大大提高了實訓設備在學習不同專業的復用率，能夠大大減少學校實訓室場地不足的帶來的問題，同時也能夠為解決學校建設多個實訓室資金不足的問題。
邊緣智聯網（eAIOT）綜合實驗平臺可以為學校解決人工智能開課的師資問題、教學資源問題、實訓資源問題、實訓設備問題以及和行業應用對接的問題，真正做到了產、教、學、研、創五位一體。
2.1.1. 嵌入式網關核心板
RK3399核心板是一款266-pin金手指形式高性能ARM計算機模塊，它采用了瑞芯微64位六核（包含雙核Cortex-A72 +四核Cortex-A53）Soc RK3399作為主處理器，標配4GB DDR3內存和16GB閃存，板載2×2 MIMO雙天線Wi Fi模組，尺寸只有69.6×50mm，模塊上帶有獨立的Typec供電接口，以及USB-C顯示接口。
RK3399計算模塊具有豐富的外設和擴展接口，可以擴展使用雙MIPI寬動態攝像頭，另外它還帶有eDP顯示接口，MIPI顯示接口，1路USB3.0,2路USB2.0，以及12C,12S,SPI,PWM,GF10和串口等各種資源。RK3399可流暢運行Android 8.1,Ubuntu 18.04,Armbian,Buildroot等主流嵌入式操作系統，軟件資源和生態非常豐富，尤其是Android 8.1具有NN SDK神經網絡加速軟件包，Qt-5.10集成了VPU硬件編解碼，GPU圖形加速，可使用QML快速開發流暢的動態式界面，因此RK3399核心板非常適合做高端人臉識別，機器視覺，VR虛擬現實，自動駕駛，深度計算分析等方面的人工智能產品快速原型及產品開發。
硬件參數：
| CPU | SOC:RK3399 核心:64位雙核Cortex-A72 +四核Cortex-A53 頻率:Cortex-A72 (2.0 ghz), Cortex-A53 (1.5 ghz) |
| GPU | Mali-T864 GPU,支持OpenGL ES1.1/2.0/3.0/3.1、OpenVG1.1 OpenCL, DX11, AFBC |
| VPU | 4K VP9 and 4K 10bits H265/H264 60fps decoding, Dual VOP, etc |
| Memory | RAM: Dual-Channel 4GB DDR3 |
| Storage | eMMC: 16GB(regular), 32GB/64GB(optional), eMMC 5.1 |
| Power Management | RK808-D PMIC,配合獨立直流/直流,啟用dvf solfware省電,RTC喚醒,系統睡眠模式 |
| Connectivity | 以太網:本機千兆以太網 wi - fi: 802.11 a / b / g / n / ac 藍牙:4.1雙模式 天線:雙天線接口 |
| Video Input | 1個或兩個4-Lane MIPI-CSI,雙重ISP, 13 mpix / s,同時支持雙相機數據的輸入 |
| Video Output | HDMI: HDMI 2.0a, supports 4K@60Hz，HDCP 1.4/2.2 DP on Type-C: DisplayPort 1.2 Alt Mode on USB Type-C LCD Interface: one eDP 1.3（4-Lane，10.8Gbps）, one or two 4-Lane MIPI-DSI |
| USB | USB 2.0: 2獨立的本地主機USB 2.0 USB 3.0: 1本地主機USB 3.0 USB c類型:支持USB3.0 c型和顯示端口1.2 Alt模式USB c型 |
| PCIe | PCIe x4, compatible with PCIe 2.1, Dual operation mode |
| 調試 | 1 x調試UART, 3 v級,1500000個基點 |
| LED | 1x Power LED(Red) 1x GPIO LED(Green) |
| Key | Power Key x1 Reset Key x1 Recovery Key x1 |
| 工作溫度 | -20℃ to 70℃ |
| 電源 | 直流12 v / 1(邊緣連接器)或DV 5 v / 2.5 (c型) |
2.1.2. 網關底板其他外設
l 11.6寸高清觸顯一體屏：板載，eDP接口,電容式多點觸摸，分辨率1920*1080
l 按鍵：板載重啟、恢復、電源3個功能按鍵，4個用戶自定義按鍵
l UART：1路RS232，1路RS485
l 以太網：100/1000M
l 音頻：音頻輸出接口、MIC音頻輸入接口、板載4歐3W揚聲器
l 無線網：WiFi (2.4G and 5G, 802.11 ac), Bluetooth 4.1
l 4G模組：板載，板載EC20模組
l LoRaWAN網關模塊接口：板載mini-pcie接口，可接入SX1301八通道并行LoRaWAN網關模塊。1個項目須至少配備1個LoRaWAN網關模塊，以實現對實驗室所有lora節點的接入管理。
l Zigbee網關模塊：板載，直列雙排20芯插針接口，非usb接口。
l BLE網關模塊：板載，直列雙排20芯插針接口，非usb接口。
l USB 3.0 HOST接口：板載2個
l Debug接口：板載1個
l Download接口：板載1個
l 鍵盤：板載7寸80鍵標準鍵盤
l 高清相機模組：CMOS傳感器OV13850，MIPI信號輸出，400萬像素，最高支持2688x1520像素。
l 麥克風陣列：板載7顆數字高性能硅麥克風。
l 震動馬達傳感器：1個
l LED：板載4顆藍色LED燈珠。
l 天線接口：板載wifi、BLE、lora、LET 共4個天線接口。
l 傳感器擴展接口：板載，與無線傳感器節點的傳感器模塊接口兼容，可完成linux系統下的傳感器驅動開發實驗。
l OBD接口：板載，標準16針OBD-II插座，與配套軟件結合可完成基于CAN總線通信相關實驗。
l 電源：DC 9-12V輸入
l 其他接口：MIPI、GPIO、SPI、I2C、TF Card (sd/mmc 3.0)、SIM卡座、USB 2.0 HOST、USB Type-C (with DP out)、eDP 1.3、HDMI 2.0 for 4K 60Hz
2.2. 無線傳感器節點及外設模塊
2.2.1.
4G LTE模塊l ?網絡：FDD-LTE/TDD-LTE/WCDMA/TD-SCDMA/GSM/EDGE；
l ?制式：CMCC/CUCC（B1/B3/B8/B34/B38/B39/B40）；
l ?工作頻帶：HSPA1900/2100，GSM 900/1800；
l ?高速USB 2.0接口、PCI-E接口；
l ?支持短信、數據、電話本、PCM語音功能；
l ?支持IPv4,IPv6協議；
l ?支持LTE多頻；
l 支持最大150M/50Mbps的理論上下行數據傳輸速率；
2.2.2. zigbee節點
ZigBee節點其一系列完整的ZigBee產品參考設計，旨在幫助開發人員縮短產品上市時間，并簡化開發基于ZigBee的家庭自動化、互聯照明和智能網關產品。
產品特點
? 圖形化無線應用開發。
? ZigBee3.0/EmberZNet PRO/物聯網網狀例程。
? 豐富應用開發示例。
? 最大輸出功率16.5dBm、最大靈敏度-99dBm。
? 32位40MHz CortexM4、256KB內存、32KB RAM。
? 采用TI最新一代ZIGBEE芯片CC2530。
? 支持基于IEEE802.15.4的ZIGBEE2007/PRO協議。
? 采用LP標準的20芯雙排直插模式接入底板。
? 支持TI最新Z-STACK協議棧。
? 雙排通孔封裝（兼容xbee模組）。
2.2.3. 藍牙節點
藍牙MESH節點專門針對藍牙網狀Mesh和BLE5.1研發的， 支持最新藍牙網狀網絡和藍牙5規范的全套軟件和硬件。
產品特點
l 圖形化無線應用開發。
l 采用TI超低功耗藍牙解決方案CC2540芯片。
l 采用WXL標準的20芯雙排直插模式接入網關主板。
l 符合藍牙規范 4.0 版標準支持TI最新Z-STACK協議棧。
l 雙排通孔封裝（兼容xbee模組）。
2.2.4. Lorawan節點
Lorawan 節點模塊：SX1278 節點，配合行 LoRaWAN 網關模塊使用。
產品特點
l 雙排通孔封裝（兼容 xbee 模組）
l 休眠模式下電流低至 1.8uA
l 工作頻段：470~510MHz
l 發射功率 18dBm±1dBm,發射電流 100mA,
l 接收靈敏度-139dBm（SF12 、帶寬 125KHz）
l 通信接口：SPI/USART/IIC
l 擴展接口：ADC；SPI；IIC；GPIO
l 支持 LoRaWAN V1.0.2 Class A/C 協議
l 提供 SDK 開發方式
l 系統資源 FLASH/128K，RAM/16K，EEPROM/4K
l 用戶可用資源：FLASH/64K，RAM/8K，EEPROM/4K
2.2.5. Nbiot節點
Nbiot節點模塊采用的是lierda NB86-G，模塊主控芯片是STM32F103， 基于 HISILICON Hi2115 的 Boudica 芯片，符合 3GPP 標準。
產品特點
l 工作電壓：4.3V
l 最低功耗：≤10uA
l 發射功率：23dBm±2dB（Max），最大鏈路預算較 GPRS 或 LTE 下提升 20dB,最大耦合損耗MCL為-164dBm
l 采用LP標準的20芯雙排直插模式接入底板
l 提供SDK開發方式
l 系統資源FLASH/64K，RAM/20K
l 用戶可用資源：FLASH/30K，RAM/10K
2.2.6. AI麥克風陣列
?1）7路麥克風陣列，提供聲源定位、語音增強、語音降噪、回聲消除、聲音拾取等功能。2）帶硬件浮點運算的RISC-V 雙核64位處理器，主頻最高800MHz。
?3）具備機器聽覺能力和語音識別能力，內置語音處理單元（APU）。
?4）具備卷積人工神經網絡硬件加速器KPU,可高性能進行卷積人工神經網絡運算。
?5）麥克風陣列模塊集成TFT彩屏屏，能夠直觀顯示音頻頻譜圖。
?6)內置ARM STM32 USB音頻驅動芯片，提供USB聲卡驅動，開放源代碼。
?7)接口：雙列直插封裝/USB，需能夠接入到eAIOT平臺使用。
?8)支持語音識別、語義理解、語音合成、人機對話等功能，可與硬件進行語音交互。
5米監測范圍、基于linux系統
2.2.7. AI攝像頭
l 1/1.8" SONY Exmor CMOSl 有效像素200萬像素，30幀@1920*1080
l C/CS鏡頭接口，最低照度0.001 Lux，120dB TWDR
l 支持協議：PROFILE S，GB/T28181，FTP/RTSP.UPNP等
l 支持雙碼流、手機監控、心跳機制，具3D降噪、去霧、數字寬動態、鏡頭校正、走廊監控等智能模式
l 提供基于eAIOT教學平臺的人臉識別系統案例。
2.2.8. 高讀卡器
高頻讀卡器采用的RC632是NXP公司生產的一款集成了ISO/IEC14443A、ISO/IEC14443B和ISO/IEC15693三種協議標準的調制解調芯片及嵌入式微控制器設計可完成對ISO14443A協議標準的非接觸式IC卡如Mifare_Std S50，ISO15693協議標準的非接觸式IC卡如I.CODE2等卡片的讀寫操作。
2.2.9. 低頻讀卡器
低頻讀卡器采用先進的射頻線路及嵌入式微控制器設計，結合高效解碼算法，可完成對64bitsRead-Only Em4100兼容式125KHz非接觸式ID卡的讀取
具有接收靈敏度高，工作電流小，單電源供電的特點。
2.2.10. 超高頻讀卡器
超高頻讀卡器采用高度集成的UHF RFID讀寫芯片（超高頻讀寫芯片）及嵌入式微控制器設計，可完成對ISO18000-6C & EPC global Gen2 協議卡片的讀寫操作。
板載有源模塊擴展模塊可以和網關有源擴展模塊配對完成有源通信功能。
2.2.11. 傳感器組件
選配：溫度/光敏/蜂鳴器一體傳感器模塊、高精度溫濕度傳感器模塊、兩路繼電器模塊、可調LED燈光模塊、振動傳感器/蜂鳴器一體模塊、超聲波測距傳感器模塊、4位LED數碼管顯示模塊；
2.3. St-link仿真器
ST-LINK/V2是ST意法半導體為評估、開發STM8系列和STM32系列MCU而設計的集在線仿真與下載為一體的開發工具。STM8系列通過SWIM接口與ST-LINK/V2連接。
STM32系列通過JTAG / SWD接口與ST-LINK/V2連接。
ST-LINK/V2通過高速USB2.0與PC端連接。
支持的軟件
ST-LINK Utility v2.0（及以上版本）
STVD Version 4.2.1（及以上版本）
STVP Version 3.2.3（及以上版本）
IAR EWARM Revision v6.20（及以上版本）
IAR EWSTM8 Revision v1.30（及以上版本）
KEIL RVMDK Revision v4.21（及以上版本）
2.4. 物聯網應用基礎云平臺
1、功能簡介1）學生能夠將物聯網感知層設備（傳感器、執行器等）接入物聯網云服務平臺，平臺能夠接收并存儲傳感器和執行器的實時數據，模塊在線狀態，并實時顯示。
2）提供后臺管理系統，能夠設置賬號類型和使用權限。支持多用戶管理及權限控制，分為父用戶和子用戶，父用戶可以創建多個子用戶，并且可以為每個子用戶分配增、刪、改幾種權限，子用戶創建的資源相互隔離。
3）提供物聯網規則編輯器，無需編寫代碼即可編輯復雜的自動化控制策略，實現移動互聯網系統的自動化控制。
4）提供豐富的可視化控件庫，通過拖拽、簡便配置即可完成美觀的UI設計。支持GIS地圖、曲線圖、柱狀、餅圖、圖表、按鈕、儀表圖等控件。
5）物聯網感知層設備也能夠向執行器發送控制命令，系統能夠實現模塊的在線監測。
6）云平臺支持物聯網硬件多協議接入，通過ZigBee/BLE/wifi/lora/NBIOT無線技術取得傳感器采集的數據，形成一個完整的無線傳感器網絡。
7）數據通過http/MQTT協議傳輸至物聯網應用基礎云平臺軟件，進行數據圖形化展示。
8）實現基于云平臺的智能家居實驗，并包含配套完整的教學資源。
9）支持本地化部署和云端部署兩種方式。
10）提供“物聯網應用基礎云平臺”軟件著作權登記證書及軟件產品登記測試報告復印件并加蓋公章，原件備查。
2.5. Lorawan云平臺軟件
（1）私有 NS 及 websocket 接口
（2）lorawan第三方公有 NS
TTN（國外 NS，www.thethingsnetwork.org）
（3）*Lorawan AISZ（國內 NS，www.loraflow.io）
（4）lorawan公有云 AS
NBiot中國電信管理平臺
在 NB 海量設備高并發場景，電信平臺與電信 NB 網絡進行有機協同，能夠有效緩解擁塞，保障業
務成功，充分發揮 NB 網絡的特性和價值。
 |
3. 部分實驗案例
3.1.1. 手寫字識別
學習設計一個神經網絡模型，然后用已經標注過的MNIST數據來訓練這個模型，然后進行測試驗證。
圖：手寫字識別案例
3.1.2. 人臉識別
通過OpenCV自帶的分類器、OpenCV的深度學習分類器是基于SSD(Single Shot Detector)框架的ResNet網絡，實現在圖片、視頻中對人臉的檢測，并用矩形框框出來。學校可用于身份識別、課堂/上下班考勤、會議簽到、刷臉支付、門禁通行、安防監控相關場景。
圖： 人臉識別案例
3.1.3. 目標檢測
利用深度學習框架caffe，實現對常見物體的檢測。
圖：目標檢測案例
3.1.4. 人體姿態識別
使用邊緣側推理框架Tengine檢測圖像中的所有人體并返回每個人體的矩形框位置，精準定位 21 個核心關鍵點，包含五官、四肢、脖頸等部位，更多關鍵點持續擴展中；支持多人檢測、人體位置重疊、遮擋、背面、側面、中低空俯拍、大動作等復雜場景。
圖：人體姿態識別案例
3.1.5. 手勢識別
利用深度學習框架caffe，實現對簡單手勢的識別。
圖：手勢檢測和識別系統案例
3.1.6. 車牌識別
使用opencv 的 HAAR Cascade 檢測車牌大致位置，使用卷積神經網絡回歸車牌左右，然后使用卷積神經網絡滑動窗切割字符、及識別字符。
圖：交通門禁車牌檢測和識別系統案例
3.1.7. 人臉門禁
采用 mtcnn 進行人臉檢測，采用MobileFaceNet 進行人臉識別，然后用活體檢測算法進行檢測。
圖：人臉門禁檢測和識別系統案例
3.1.8. 聲紋鎖實驗
通過語音增強、語音質量檢測、語音增強、有效語音提取、聲紋特征提取等步驟，完成聲紋注冊及聲紋驗證。
圖：聲紋電子鎖系統案例
3.1.9. AI語音控制智能家居
基于百度語音識別 API 完成語音識別，并用無線方式控制電燈，電風扇，以及獲取溫度和濕度。
圖：語音控制智能家居系統案例
3.1.10. 知識圖譜和聊天機器人
知識圖譜融合了兩千五百多萬的實體，擁有億級別的實體屬性關系，機器人采用了基于知識圖譜的語義感知與理解，致力于最強認知大腦。自然語言處理工具包的功能有：中文分詞、詞性標注、命名實體識別、關鍵詞提取、文本摘要、新詞發現、情感分析等。
圖：知識圖譜和文本聊天機器人系統案例
3.1.11. 智慧城市實驗平臺實驗
智慧城市實驗平臺實現了從終端到物聯網網關到物聯網云端，再到APP服務端四者之間完整物聯網通訊，本系統通過在學校安裝部署LoRaWAN基站以及各終端達到以下目標：實現停車場管理， 資產定位，智能安防等。
3.1.12. 物聯網云平臺智能家居實驗
豐富多樣的可視化控件庫，通過拖拽、簡便配置即可完成美觀的UI設計。
4. 售后服務
1、服務承諾保證（1）保證向用戶提供的設備是原廠原包裝，通過合法渠道獲取的。
（2）保證向用戶提供的技術資料是完整的、清楚的和正確的。
（3）為確保設備的正常運行，公司服務保證：及時響應、及時解決。
2、設備保修年限、范圍及承諾
質量保修期限：設備自安裝調試驗收合格后提供3年內免費保修，保修期滿后，提供終身維修、維護服務，只收取材料成本費。
5. 招標參數
| 序號 | 項目名 稱 | 項目技術指標 |
| 1 | 嵌入式邊緣物聯網實驗平臺 DB-SD40 | 本項目實驗平臺搭載瑞芯微RK3399處理器，不少于9個無線傳感器節點，配備11.6寸高清觸摸屏、高清相機模塊、7麥麥克風陣列和ODB接口。 硬件系統采用DC12V電源適配器安全統一供電，結構為上下兩層一體化設計，上層緊固式安裝實驗所需硬件（非磁吸式安裝），實驗所需硬件均平鋪安裝在一整塊底板上，下層收納放置配套線材、配件等設備。 實驗平臺支持ZigBee、BLE、lorawan、nbiot、RFID等無線網絡通信，支持無線傳感器網絡、物聯網人工智能、嵌入式系統開發、RFID射頻識別技術等課程實驗。同時配備可私有云和公有云部署的“物聯網云平臺”，配合多種傳感器模塊，可完成基于物聯網云平臺的嵌入式無線傳感器綜合實驗。本平臺提供嵌入式深度學習框架Tengine，可完成人工智能實驗，包含基于深度學習的目標檢測實驗、基于深度學習的人臉識別實驗，可完成聲紋識別門禁實驗、AI語音智能家居實驗、知識圖譜和聊天機器人實驗等人工智能實驗。 一、硬件技術參數： ★1、處理器： CPU: RK3399：六核 Dual Cortex-A72 + Quad Cortex-A53, 64-bit CPU at 1.8GHz GPU: Mali-T864 GPU,支持 OpenGL ES 1.1/2.0/3.0/3.1, OpenVG 1.1, OpenCL, DX11 存儲器：雙通道LPDDR3（64-bit）不低于4GB，16GB 高速emmc 擴展存儲，MicroSD不低于64G 高清相機模組：CMOS傳感器OV13850，MIPI信號輸出，1300萬像素，最高支持4224x3136像素。 4、AI高清攝像機：有效像素500萬像素，對焦方式自動對焦，USB2.0接口，提供基于eAIOT教學平臺的人臉識別系統案例。 ★5、顯示屏：平臺板載不低于11.6寸高清觸顯一體屏，eDP接口,分辨率不低于1920*1080 ★6、網管模組：1）LoRaWAN網關模塊接口：板載mini-pcie接口，可接入SX1301八通道并行LoRaWAN網關模塊。本項目須至少配備一個LoRaWAN網關模塊和兩個lorawan節點模塊以實現對實驗室所有lora節點的接入管理。 2）Zigbee網關模塊：板載，采用直列雙排20芯插針牢靠固定，非usb接口。 3）BLE網關模塊：板載，采用直列雙排20芯插針牢靠固定，非usb接口。 7、無線傳感器節點及RFID功能組成 傳感器節點由無線核心模塊、傳感器模塊和底板三部分組成，要求3個功能模塊均可拆裝，方便更換和升級； 節點底板：不少于6個。板載OLED液晶顯示屏，可顯示傳感器類型等信息；板載USB轉串口接口，方便測試調試使用。 無線核心模塊，不少于7個，包含zigbee、BLE、lora、nbiot。其中lora模塊采用Semtech的lora芯片sx1278支持LoRaWAN Class A, ClassB and Class C 協議；NBiot模塊采用的是lierda NB86-G，主控芯片是STM32F103。要求采用直列雙排20芯插針的模塊化設計。 傳感器模塊：溫度/光敏/蜂鳴器一體傳感器模塊、高精度溫濕度傳感器模塊、兩路繼電器模塊、8*8 LED點陣模塊、可燃氣體傳感器模塊、可調LED燈光模塊。 高頻RFID讀卡器：核心芯片采用RC632，支持對Mifare_Std S50、I.CODE2等標準非接觸式IC卡進行讀寫操作。 ★低頻RFID讀卡器：支持對 Em4100等標準ID卡進行讀卡操作。板載電磁鎖模塊，配合麥克風陣列模塊可實現聲紋鎖等實驗。 ★超高頻RFID讀卡器：核心芯片采用PR9200，支持對ISO18000-6C & EPC global Gen2 協議卡片進行讀寫操作。板載有源擴展模塊可以和嵌入式主板有源擴展模塊配對完成有源通信功能，同時集成電機模塊，可實現ETC道閘等實驗。 8、4G模組：板載EC20模組，支持LTE TDD/LTE FDD/TD-SCDMA/WCDMA /TD-SCDMA/CDMA2000/CDMA/GSM等頻段 ★9、7路麥克風陣列： 1）7路麥克風陣列，提供聲源定位、語音增強、語音降噪、回聲消除、聲音拾取等功能。（需提供完整硬件原理圖及PCB文件截圖證明為自主研發產品） 2）RISC-V 雙核64位處理器，主頻最高800MHz。集成卷積神經網絡加速器KPU，峰值算力1TOPS。 3）一體化單板設計，集成TFT彩色液晶屏，能夠直觀顯示彩色音頻頻譜圖。 4）集成 STM32音頻驅動芯片，提供USB聲卡驅動，開放源代碼。（提供源碼工程截圖，源碼備查） 5）采用雙列直插封裝和USB接口輸出，需能夠接入到系統主板中使用。 6）5米監測范圍，基于linux系統。 ★10、OBD接口：板載，標準16針OBD-II插座，與配套軟件結合可完成基于CAN總線通信相關實驗。 11、天線接口：板載wifi、BLE、lora、LTE共4個天線接口。 12、其他硬件及接口： 1）UART：1路RS232，1路RS485 2）以太網：100/1000M 3）音頻：音頻輸出接口、MIC音頻輸入接口、板載4歐3W揚聲器 4）無線網：WiFi (2.4G and 5G, 802.11 ac), Bluetooth 4.1 5）USB 3.0 HOST接口：板載2個 6）Debug接口：板載1個，Download接口：板載1個 ★7）鍵盤：板載7寸80鍵標準鍵盤 8）紅外接收：板載紅外接收模塊1個 9）傳感器擴展接口：板載，與無線傳感器節點的傳感器模塊接口兼容，可完成linux系統下的傳感器驅動開發實驗。 10）按鍵：板載重啟、恢復、電源、MASKR0M 4個功能按鍵，其中MASKROM按鍵可控制系統從SD卡啟動。板載4個用戶自定義按鍵 LED：板載4顆藍色LED燈珠 11）震動馬達傳感器：板載1個 12）其他接口：MIPI、GPIO、SPI、I2C、TF Card (sd/mmc 3.0)、SIM卡座、USB 2.0 HOST、USB Type-C (with DP out)、eDP 1.3、HDMI 2.0 for 4K 60Hz 13、實驗箱箱體：上下兩層一體式設計，上層板載固定安裝實驗所需硬件，下層收納放置配套電源適配器、線材、配件等設備。 二、軟件規格參數要求 ★1、操作系統：Linux+QT、Ubuntu18.04、Android8.1，支持Linux+QT、Ubuntu雙操作系統SD卡快速離線切換，方便教學管理； ★2、須配備linux系統下基于QT的zigbee、BLE、4G等綜合實驗軟件，可完成zigbee網絡拓撲實驗、zigbee各傳感器采集及控制實驗、BLE傳感器采集及控制實驗、4G無線數據通信等實驗。 ★3、須配備LoRaWAN NS(network server)實驗軟件，配合硬件可實現LoRaWAN雙向通信實驗，實驗可以顯示無線通信頻率值、擴頻因子、RSSI（接收信號強度）、信噪比、fcnt等信息。通過實驗可以快速評估和測試LoraWan協議下的數據通信格式、通信距離、信號質量等，同樣也可以基于現有的樣例進行二次開發快速完成課程設計、項目開發、科研等。 4、提供嵌入式深度學習框架Tengine：針對 ARM CPU 及 ARM Mali GPU 優化，支持 Caffe/TensorFlow/MXnet/ONNX 模型文件，兼容 Caffe/TensorFlow API，以插件方式支持底層算子擴展，支持 INT8 量化。 ★5、zigbee物聯網綜合實驗軟件： 本軟件基于PC平臺，可以使學生了解 zigbee物聯網網絡工作原理以及相關應用； 本軟件可以直觀的展現物聯網無線網絡拓撲結構、無線網絡建立網絡的過程，可以實現多種無線傳感器數據的自動采集，并通過曲線圖的形式展現出來。也可以配合繼電器等硬件設備實現無線遠程控制。 ★6、提供物聯網應用基礎云平臺： 1）學生能夠將物聯網感知層設備（傳感器、執行器等）接入物聯網云服務平臺，平臺能夠接收并存儲傳感器和執行器的實時數據，模塊在線狀態，并實時顯示。 2）提供后臺管理系統，能夠設置賬號類型和使用權限。支持多用戶管理及權限控制，分為父用戶和子用戶，父用戶可以創建多個子用戶，并且可以為每個子用戶分配增、刪、改幾種權限，子用戶創建的資源相互隔離。 3）提供物聯網規則編輯器，無需編寫代碼即可編輯復雜的自動化控制策略，實現移動互聯網系統的自動化控制。 4）提供豐富的可視化控件庫，通過拖拽、簡便配置即可完成美觀的UI設計。支持GIS地圖、曲線圖、柱狀、餅圖、圖表、按鈕、儀表圖等控件。 5）物聯網感知層設備也能夠向執行器發送控制命令，系統能夠實現模塊的在線監測。 6）云平臺支持物聯網硬件多協議接入，通過ZigBee/BLE/wifi/lora/NBIOT無線技術取得傳感器采集的數據，形成一個完整的無線傳感器網絡。 7）數據通過http/MQTT協議傳輸至物聯網應用基礎云平臺軟件，進行數據圖形化展示。 8）實現基于云平臺的智能家居實驗，并包含配套完整的教學資源。 9）支持本地化部署和云端部署兩種方式。 ★7、人工智能麥克風陣列語音前處理軟件： 1）需支持以下實驗并提供所有源代碼：聲源定位、語音增強、語音降噪、回聲消除、聲音拾取實驗。 2）提供“基于人工智能的麥克風陣列語音前處理軟件”軟件著作權登記證書及軟件產品登記測試報告復印件并加蓋公章，原件備查。 三、實驗教學課程資源 ★平臺提供成套教學資源，用戶可以按照學期長度和實際教學情況安排教學，須配備實驗指導書，實驗指導書可以提供10～18周、每周2～6節課的教學實驗需要。包含但不限于以下知識實驗課程： Linux 實驗列表 初識linux 系統：Ubuntu 系統安裝、Ubuntu 系統入門、Ubuntu 終端操作、Shell 操作、APT 下載工具、Ubuntu 下文本編輯、Linux 文件系統、Linux 用戶權限管理、Linux 磁盤管理 Linux應用開發基礎：編寫 HelloWorld 代碼、編譯 HelloWorld、GCC 編譯器、Makefile文件 ARM Linux 開發基礎：RK3399開發平臺介紹、開發環境搭建、關于ARM架構、AArch64匯編基礎、RK3399啟動方式詳解、匯編LED燈試驗、C語言版LED燈實驗 基于SDK開發Uboot,kernel,rootfs：SDK 基礎、U-Boot 頂層 Makefile 詳解、U-Boot 啟動流程詳解、U-Boot 圖形化配置及其原理、Linux 內核頂層 Makefile詳解、buildroot根文件系統構建 linux 設備驅動程序開發基礎：字符設備驅動開發、嵌入式 Linux LED 驅動開發實驗、新字符設備驅動實驗、Linux 設備樹、設備樹下的 LED 驅動實驗、pinctrl 和 gpio 子系統實驗、Linux 并發與競爭、Linux 并發與競爭實驗、Linux 按鍵輸入實驗、Linux 內核定時器實驗、Linux 中斷實驗、Linux 阻塞和非阻塞 IO 實驗、異步通知實驗 linux 設備驅動程序開發進階：platform 設備驅動實驗、設備樹下的 platform 驅動編寫、Linux 自帶的 LED 燈驅動實驗、Linux MISC 驅動實驗、Linux INPUT 子系統實驗、Linux RTC 驅動實驗、Linux I2C 驅動實驗、Linux SPI驅動實驗、Linux misc雜項設備驅動實驗 Linux 無線通信編程實驗：ZIGBEE 模塊通信實驗、BLE藍牙模塊通信實驗、lorawan NS實驗、Linux網絡編程試驗、嵌入式 Web 服務器試驗、IOT云服務實驗 嵌入式 Linux QT開發 Qt環境搭建、Qt用到的開發工具、Qt編程涉及的術語和名詞、Qt Creator的初步使用、第一個Qt程序、Qt項目管理文件、Qt項目界面文件、Qt項目中的main主函數、Qt界面布局管理、Qt信號與槽機制、Qt Creator使用技巧 Qt應用開發實例：QCalculator計算器應用實驗、QClock實時時鐘應用實驗、QLed LED控制應用實驗、QSht20溫濕度計應用實驗、QFileview文件瀏覽應用實驗、QReader文本閱讀器應用實驗、QTest綜合測試應用實驗、BLE傳感器應用實驗、Zigbee傳感器應用實驗、添加應用到系統桌面 無線傳感器網絡實驗列表 ZigBee基礎實驗： GPIO、定時器、中斷等實驗等實驗 傳感器驅動實驗：溫度/光敏/蜂鳴器一體傳感器模塊、高精度溫濕度傳感器模塊、兩路繼電器模塊、8*8 LED點陣模塊、可燃氣體傳感器模塊、可調LED燈光模塊等實驗 Zstack實驗： Zstack基礎實驗：SampleApp GenericApp SimpleApp SensorDemo SerialApp等實驗 Zstack進階實驗：ZigBee組網實驗、ZigBee傳感器采集及數據傳輸實驗、ZigBee網絡綜合實驗、Zstack綜合實驗：zigbee網絡拓撲及傳感器控制實驗、智能家居實驗等實驗 LORA實驗：傳感器基礎實驗、lora基礎通信實驗、lorawan通信實驗 、lorawan網關及私有云NS配置實驗、ABP+CLASS A模式入網及通信實驗、ABP+CLASS C模式入網及通信實驗、OTAA+CLASS A模式入網及通信實驗、公有云NS上下行通信實驗、lorawan傳感器綜合實驗、應用服務器（物聯網云平臺）傳感器綜合實驗 Nbiot實驗：傳感器基礎實驗、NBIOT模塊AT指令實驗、電信NBIOT平臺配置及模擬收發實驗、電信NBIOT平臺模板配置產品、BIOT電信平臺傳感器實驗 NBIOT物聯網云平臺數據接收實驗、NBIOT物聯網云平臺儀表板實驗 物聯網人工智能實驗列表-基礎 神經網絡的基本工作原理、線性反向傳播實驗、非線性反向傳播實驗、梯度下降實驗、損失函數實驗、單變量線性回歸、多變量線性回歸、線性二分類、線性多分類、神經網絡非線性二分類、神經網絡非線性多分類、測試訓練結果實驗、查看模型文件實驗、ONNX模型文件制作實驗、模型部署和測試實驗、深度神經網絡框架設計、深度神經網絡應用、神經網絡優化、神經網絡過擬合問題、卷積神經網絡概述、卷積的前向計算、卷積的反向傳播、池化的前向計算與反向傳播、經典的卷積神經網絡模型、MNIST分類實驗、Fashion-MNIST分類實驗、普通循環神經、通用的循環神經網絡模型實驗網絡、兩個時間步的循環神經網絡實驗、四個時間步的循環神經網絡、不定長時序的循環神經網絡實驗、深度循環神經網絡、雙向循環神經網絡、高級循環神經網絡 人工智能實驗列表-圖像 圖像采集：USB攝像頭圖像采集 圖像處理：圖片顯示、色彩空間、像素運算、ROI與泛洪填充、濾波與模糊操作、圖像直方圖、模板匹配、圖像二值化、圖像金字塔、圖像梯度、Canny邊緣檢測、直線檢測、圓檢測、輪廓發現 傳統機器視覺：手寫字識別、人臉檢測、目標檢測 深度學習機器視覺：手寫字識別、人臉檢測、目標檢測、 端側推理框架 云端機器視覺應用：圖像識別實驗、文字識別、人體分析 圖像視覺綜合應用：人臉門禁控制、車牌道閘控制、手勢識別 物聯網人工智能實驗列表-語音 語音處理 ：語音采集和播放實驗、語音編碼和解碼實驗、語音變速變調實驗、語音活性檢測實驗、語音喚醒實驗、語音識別實驗、語音合成實驗 自然語言處理：中文分詞實驗、關鍵詞提取實驗、文本可視化實驗、文本向量化實驗、文本分類實驗、文本聚類實驗、文本情感分析實驗、句法依存分析實驗、構建聊天機器人實驗 云端語音語言應用：云端語音合成實驗、云端語音識別實驗、云端對話情緒識別實驗、云端新聞摘要實驗、云端短文本相似度實驗、云端情感傾向分析實驗、云端地址識別分析實驗 RFID實驗列表 UHF超高頻： 超高頻讀卡器原理認知實驗、超高頻讀卡實驗、超高頻擴展模擬道閘實驗、超高頻擴展上位機實驗、RFID擴展上位機綜合實驗 HF高頻實驗：高頻讀卡器原理認知實驗、高頻14443A讀卡實驗、高頻14443A寫卡實驗、高頻15693讀卡實驗、高頻15693寫卡實驗、高頻擴展電子錢包實驗、高頻擴展上位機實驗 LF低頻實驗：低頻讀卡系統認知實驗、低頻擴展電子鎖實驗、低頻擴展上位機實驗 有源RFID實驗：有源RFID的讀寫實驗 物聯網綜合實驗 構建知識圖譜和聊天機器人實驗、聲紋識別門禁實驗、AI語音智能家居實驗、物聯網云平臺傳感器采集實驗、物聯網云平臺智能家居實驗 |