人工智能感知实验箱

实验箱采用合金材料一体化结构，内置边缘计算终端、10.1 英寸 IPS 显示屏、无线键鼠和完整实验教具。教师无需额外配置外设即可开展教学，设备也便于在实验室、普通教室和竞赛场地之间调配。

实验箱开放软件框架、算法实现和设备接口，配套实验指导书与技术文档。教师可基于源码设计校本案例，学生能够进一步理解数据采集、模型推理和场景控制之间的代码关系。

实验箱可在边缘端部署轻量级 NCNN 语音识别模型，同时通过 RESTful API 与 WebSocket 接入云端大语言模型，形成兼顾本地低延迟与云端理解能力的混合推理架构。

终端采用 ARM Cortex-A72 四核 1.5 GHz 处理器、4 GB LPDDR4-2400 内存和 128 GB 高速存储，配置千兆以太网和 12–36 V 电源输入。系统支持 Linux 与 Python 3.8，内置人脸、目标、车牌和语音处理等基础算法资源。

基础交互模块包括按键、触摸、双色 LED 和 RGB LED；智能小车方向包括六轴姿态、超声波、红外避障、OLED 和蜂鸣器；智能家居方向包括人体红外、继电器、步进电机和声音传感器；智慧农业方向包括温湿度、气压与光敏传感器。

视觉采集单元可与其他传感器组合完成人脸、目标、车牌等识别实验；语音采集单元支持本地推理和在线接口，可与网络大模型对话，并控制传感器与执行机构。

传感器集成板开放 16 个 4Pin 接口和 1 个 6Pin 接口，可继续接入外部传感器。箱体外部提供 2 个 USB 3.0 接口和千兆网口，用于连接 U 盘、键鼠和网络。

Python 课程覆盖语言基础、数据处理、文件、并发、面向对象、串口与网络通信及 PyQt5；机器学习与深度学习课程覆盖回归、聚类、分类、神经网络、CNN、RNN、数据标注和 YOLO 目标检测。

数字图像处理和机器视觉课程覆盖仿射变换、滤波、形态学、轮廓分割、OCR、条码和目标识别；智能传感器与语音课程进一步形成设备控制和多模态应用。

依据学校人才培养方案和产业技术方向，协同建设实训基地、实践教学体系和双师型教学团队，并建立与课程目标相对应的质量评价方式。

围绕模块化课程、特色教材、实验指导书和数字化资源进行开发，通过项目化教学将真实应用案例引入课堂。

提供设备使用、技术指导和项目训练支持，并推动优秀课程作品和竞赛成果继续转化为创新实践项目。