010-82114870
掃一掃
關(guān)注最新動(dòng)態(tài)
AI軟件開(kāi)發(fā)基礎(chǔ)(16課時(shí)) |
|||
---|---|---|---|
課次 |
課程名稱(chēng) |
內(nèi)容 |
課時(shí) |
1 |
Linux基礎(chǔ) |
Linux特點(diǎn),指令集,權(quán)限與用戶。 |
2 |
2 |
Linux進(jìn)程 |
Linux系統(tǒng)進(jìn)程的概念,進(jìn)程管理。 |
2 |
3 |
Python初級(jí) |
Python在機(jī)器人開(kāi)發(fā)中的作用,Python語(yǔ)言簡(jiǎn)介,Python運(yùn)算符,數(shù)據(jù)結(jié)構(gòu),控制結(jié)構(gòu)等基本語(yǔ)法。 |
2 |
4 |
Python進(jìn)階 |
Python文件操作,Python面向?qū)ο缶幊獭?span style="display:none">0i8北京博創(chuàng)尚和科技有限公司 |
2 |
5 |
Linux串口通信 |
基于Python + Linux系統(tǒng)的串口通信開(kāi)發(fā)。 |
2 |
6 |
Linux網(wǎng)絡(luò)通訊 |
基于Python + Linux系統(tǒng)的網(wǎng)絡(luò)通信開(kāi)發(fā)。 |
2 |
7 |
Python驅(qū)動(dòng)機(jī)械臂 |
基于Python,通過(guò)API控制機(jī)械臂完成正逆運(yùn)算與驅(qū)動(dòng)。 |
2 |
8 |
Python常見(jiàn)庫(kù)應(yīng)用 |
基于Python常見(jiàn)的第三方庫(kù)Numpy,Jupyter等熟悉與應(yīng)用。 |
2 |
機(jī)器視覺(jué)與人工智能(24課時(shí)) |
|||
---|---|---|---|
課次 |
課程名稱(chēng) |
內(nèi)容 |
課時(shí) |
1 |
圖像基本操作 |
圖像的加載、保存,攝像頭視頻流獲取,WEB視頻流獲取。 |
2 |
2 |
圖像基礎(chǔ) |
圖像描述,像素訪問(wèn),顏色空間轉(zhuǎn)換。 |
2 |
3 |
圖像處理 |
圖像平滑,圖像銳化,圖像二值化,縮放與旋轉(zhuǎn)。 |
2 |
4 |
特征提取 |
邊緣檢測(cè),角點(diǎn)檢測(cè),輪廓檢測(cè)。 |
2 |
5 |
特征匹配 |
基于特征/模板的匹配方法。 |
2 |
6 |
目標(biāo)檢測(cè)1 |
基于顏色/形狀的目標(biāo)檢測(cè)。 |
2 |
7 |
目標(biāo)檢測(cè)2 |
基于Haar特征的人臉檢測(cè)。 |
2 |
8 |
目標(biāo)檢測(cè)3 |
基于HOG特征的行人檢測(cè)。 |
2 |
9 |
目標(biāo)跟蹤 |
基于卡爾曼濾波/光流法的目標(biāo)跟蹤。 |
2 |
10 |
相機(jī)標(biāo)定 |
基于棋盤(pán)格對(duì)相機(jī)進(jìn)行外參標(biāo)定。 |
2 |
11 |
二維碼檢測(cè) |
使用Apriltag進(jìn)行二維碼的識(shí)別和定位。 |
2 |
12 |
深度學(xué)習(xí)的目標(biāo)檢測(cè) |
基于PaddlePaddle訓(xùn)練Yolo模型,并部署在機(jī)器人上,進(jìn)行目標(biāo)檢測(cè)與分類(lèi)。 |
2 |
機(jī)器人人機(jī)交互(8課時(shí)) |
|||
---|---|---|---|
課次 |
課程名稱(chēng) |
內(nèi)容 |
課時(shí) |
1 |
基于界面的人機(jī)交互實(shí)驗(yàn) |
基于Pyqt編寫(xiě)圖形界面實(shí)現(xiàn)人機(jī)交互。 |
2 |
2 |
智能語(yǔ)音人機(jī)交互實(shí)驗(yàn) |
基于人工智能技術(shù)實(shí)現(xiàn)語(yǔ)音轉(zhuǎn)文字和文字轉(zhuǎn)語(yǔ)音,并通過(guò)語(yǔ)音控制不同形態(tài)的機(jī)器人運(yùn)動(dòng)。 |
2 |
3 |
基于人臉識(shí)別的人機(jī)交互 |
基于人工智能技術(shù)實(shí)現(xiàn)人臉識(shí)別的人機(jī)交互,實(shí)現(xiàn)機(jī)器人交互解鎖功能。 |
2 |
4 |
基于深度學(xué)習(xí)手勢(shì)識(shí)別的人機(jī)交互 |
基于視覺(jué)與人工智能技術(shù)實(shí)現(xiàn)機(jī)器人手勢(shì)識(shí)別的人機(jī)交互,可以基于不同的手勢(shì)執(zhí)行不同的動(dòng)作。 |
2 |
具身智能綜合實(shí)踐-智能分揀系統(tǒng)設(shè)計(jì)(32課時(shí)) |
|||
---|---|---|---|
課次 |
課程名稱(chēng) |
內(nèi)容 |
課時(shí) |
1 |
場(chǎng)景導(dǎo)入與任務(wù)分析 |
介紹智能制造行業(yè)應(yīng)用場(chǎng)景,從行業(yè)應(yīng)用場(chǎng)景導(dǎo)入視覺(jué)檢測(cè)與分揀系統(tǒng)的設(shè)計(jì)思路及需要的性能參數(shù)。熟悉設(shè)備的各個(gè)組成部分,啟動(dòng)設(shè)備,連接AI控制器系統(tǒng)并運(yùn)行經(jīng)典案例。 |
2 |
2 |
設(shè)備開(kāi)發(fā)指導(dǎo) |
對(duì)如何在設(shè)備上基于Python編程開(kāi)發(fā)進(jìn)行教學(xué)與實(shí)踐,對(duì)機(jī)械臂驅(qū)動(dòng)進(jìn)行調(diào)試。 |
2 |
3 |
攝像頭與視覺(jué)系統(tǒng)調(diào)試 |
對(duì)攝像頭驅(qū)動(dòng)進(jìn)行開(kāi)發(fā),通過(guò)簡(jiǎn)單的Python編程獲取攝像頭數(shù)據(jù)并進(jìn)行保存等。 |
2 |
4 |
神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集制作與標(biāo)注 |
基于攝像頭,對(duì)數(shù)據(jù)進(jìn)行采集和標(biāo)注。 |
2 |
5 |
圖像增強(qiáng) |
運(yùn)用常見(jiàn)的數(shù)字圖像處理技術(shù)進(jìn)行圖像增強(qiáng),保證數(shù)據(jù)集的多樣性。 |
2 |
6 |
數(shù)據(jù)集生成 |
對(duì)采集的數(shù)據(jù)集進(jìn)行分類(lèi),生成訓(xùn)練集、驗(yàn)證集和測(cè)試集。 |
2 |
7 |
模型訓(xùn)練 |
使用Pytorch框架,基于Yolo訓(xùn)練目標(biāo)模型,并進(jìn)行目標(biāo)識(shí)別。 |
2 |
8 |
模型部署 |
了解邊緣計(jì)算的概念,完成Pytorch模型到Onnx模型,再到可本地加速推理的Rknn模型的轉(zhuǎn)換。 |
2 |
9 |
邊緣計(jì)算推理 |
將轉(zhuǎn)換后的模型部署在國(guó)產(chǎn)AI芯片上,進(jìn)行加速與推理,感受并行運(yùn)算優(yōu)化加速的優(yōu)勢(shì),體會(huì)芯片國(guó)產(chǎn)化的意義。 |
2 |
10 |
視覺(jué)模型校準(zhǔn) |
對(duì)圖像坐標(biāo)系和機(jī)械臂坐標(biāo)系進(jìn)行校準(zhǔn),為后續(xù)分揀抓取做準(zhǔn)備。 |
2 |
11 |
視覺(jué)圖像調(diào)試 |
實(shí)現(xiàn)基于單目視覺(jué)相機(jī)識(shí)別要搬運(yùn)的物體,并使用深度視覺(jué)定位此物體,為抓取提供參考。 |
2 |
12 |
語(yǔ)音系統(tǒng)調(diào)試 |
基于機(jī)載芯片本地加速模型推理,實(shí)現(xiàn)語(yǔ)音轉(zhuǎn)文字,文字轉(zhuǎn)語(yǔ)音,通過(guò)語(yǔ)音指令為抓取邏輯提供參考。 |
2 |
13 |
整體業(yè)務(wù)邏輯編程開(kāi)發(fā)與調(diào)試 |
在機(jī)器人上進(jìn)行編程開(kāi)發(fā),串聯(lián)各個(gè)模塊,并進(jìn)行調(diào)試,完成自主搬運(yùn)任務(wù)。 |
6 |
14 |
演示與匯報(bào) |
結(jié)合場(chǎng)景任務(wù)進(jìn)行演示與匯報(bào)。 |
2 |