系统功能概述
EL-AIARM-I型教学实验系统属于人工智能算法平台的一教学实验系统，该系统采用NVIDIA®Jetson nanoB01作为AI计算终端、ORBBEC®Astra系列深度相机等进行3D建模。
AI计算机终端以ubuntu为操作系统，并在其上运行ROS系统，该ROS系统可挂接机器人建模软件来仿真设计各类机器人，也可挂接仿真软件来验证相关识别算法或控制算法从而较为直观地看到机器人模拟的运行状态，为真实机器人的设计与控制提供完备的理论基础。同时ROS系统还可以与OPENCV、TensorFlow等视频图像识别软件进行数据交互，将其AI的视觉功能发挥到极致。
该系统可支持本公司推出多种ARM处理器的开发，如S3C2410、DM355、OMP3530、S5P6818、S5P4418等等；在实验板上有丰富的外围扩展资源（如：拨动开关与LED显示、CH451键盘、16X16 LED汉字点阵、通信模块以及电机控制模块等），可以完成基于各种CPU的基础实验、传感器实验、以太网实验等；不仅能学习AI的基础知识，也能学习ARM处理器与传感器、电机之间的控制方法。
系统结构及硬件资源
系统采用底板+CPU板+扩展模块结构构成，可以支持ARM CPU和AICPU板。
系统底板硬件资源： 单脉冲产生单元 语音接口单元 单总线（DS18B20数字温度传感器）单元 数字输入输出（8个拨动开关及8个LED发光管）单元 电机（直流电机与步进电机）控制单元 键盘显示（芯片CH451，4×4键盘，带8位LED数码管）单元 TFT真彩液晶（TFTLCD彩色液晶屏，800X480分辨率）显示单元 16X16LED点阵显示单元 RS232 、RS485总线通信接口单元 EEPROM单元 串并并串转换单元 0-5V可调输入电压单元 2.5V可调参考电压单元 |
系统底板资源平面图
|
AIMCU采用英伟达jeston nano B01为核心，jetson nanoB01是一款节能高效功能强大的人工智能AI开发套件，搭载四核ARM Coretex-A57处理器，采用128核Maxwell架构的GPU，
CPU：ARM Coretex-A57 64-bit ，主频1.43Ghz；4核，
GPU：128-core Maxwell @921Mhz；
内存：4 GB 64-bit LPDDR4 25.6 GB/s；
存储：可扩展microSD卡，要求最小16GB UHS-1(超高速接口，带宽能达到至少104Mb/s)；
视频编码：H.264/H.265(4Kp30)；
视频解码：H.264/H.265(4Kp60，2*4Kp30)；
摄像输入接口：MIPI CSI；
摄像输出接口：2个HDMI 2.0，Edp1.4；
网络接口：Gigabit Ethernet/M.2 Key E
USB：4个 USB 3.0， USB 2.0 Micro-B
GPIO引脚：40
额定功率：5w/10w
供电：5V
语音模块：
采用一款USB 转音频模块，支持播放和录音，立体声编解码；可以多种采样率，多系统兼容，支持树莓派和 JetsonNano；“听/说”二合一；简单方便免驱动，即插即用。
板载电源指示灯，方便查看工作状态、板载麦克风和喇叭接口，兼容 Windows、macOS、Linux 和 Android 等系统使用标准 USB 2.0 通用接口，体型小巧精致。
供电电压：5V
音频编解码芯片：SSS1629A5
控制接口：USB
音频接口：PH2.0
扬声器驱动：2.6W per channel(4Ω BTL)
音箱：普通驱动器喇叭
视觉相机：Astra pro
深度范围：0.6-8m。
功耗：≤2.5W，峰值电流小于500ma。
彩色图分辨率：1280x720@30FPS；640x480@30FPS；320x240@30FPS；
深度图分辨率：1280x1024@7FPS；640x480@30FPS；320x240@30FPS；160x120@30FPS；
精度：距离物体1m时，±1-3mm。
彩色FOV：H66.1’ V40.2’。
深度FOV：H58.4’ V45.5’。
数据传输：30-45ms。
供电：USB 5V
32位微处理器（CORTEX-A53架构）ARM CPU板技术参数：
S5P-6818: 6818 是一款高性能，功能齐全的 A53 八核产品，,标配 2G 内存+16G 存储,支持 100/1000M 以太网，支持 500W 摄像头自动对焦功能，支持 MIPI 摄像头接口，5 路 USB HOST接口，一路 OTG 接口，支持蓝牙 4.0，支持 WIFI 上网，支持 MIPI LCD 接口，支持 HDMI 接口， 2 路 1W 喇叭接口，支持待机功能；IIC接口，SPI接口，ADC接口，PWM接口，UART接口；支持android,linux,qt,ubuntu系统。
32位微处理器（CORTEX-A9架构）ARM CPU板技术参数：
S5P-4418: 32位RISC指令集处理器，Cortex-A9四核CPU，主频1.GHZ，28nm工艺的低功耗处理器；支持高清接口HDMI以及3D图形显示，支持1080P高清60帧动画，高速接口EMMC4.5和USB2.0；IIC接口，SPI接口，ADC接口，PWM接口，UART接口,RGBLCD接口；支持android,linux，ubuntu,qt系统。
可开设的实验项目
| 基于AI CPU系统深度学习算法实验 | |||
| 实验01 构造线性回归模型 | 实验02 逻辑回归框架 | 实验03 迭代完成逻辑回归模块 | 实验04 神经网络模型架构 |
| 实验05 训练神经网络 | 实验06 卷积神经网络模型架构 | 实验07 RNN网络模型 | 实验08 循环神经网络LSTM |
| 实验09 双向循环神经网络 | 实验10 动态循环神经网络 | 实验11 对抗生成网络 | 实验12 目标识别 |
| 实验13 自编码器 | |||
| 基于AI CPU系统应用实验 | |||
| 实验01 GoogleNet物体识别 | 实验02 FaceNet120人脸检测 | 实验03 神经网络Lenet模型 | 实验04 手语识别 |
| 实验05 色块跟踪 | 实验06 视觉建图 | 实验07 文字转语音实验 | 实验08 语音转文字实验 |
| 基于ARM CPU板系统设计实验（实验项目以实际发货为准） | |||
| 第一章：运行环境 | |||
| 实验一 虚拟机VMware的安装 | 实验二 ubuntu系统的安装 | 实验三 超级终端的安装和使用 | 实验四 SSH软件的安装和使用 |
| 实验五 ADB驱动的安装和使用 | |||
| 第二章：系统烧写 | |||
| 实验一 拨码开关设置启动方式 | 实验二 制作启动TF卡 | 实验三 TF烧写镜像文件 | 实验四 OTG烧写镜像 |
| 实验五 挂载TF卡 | |||
| 第三章：源码编译 | |||
| 实验一 ubuntu的基本操作 | 实验二 android 系统的编译环境搭建 | 实验三 内核配置裁减 | 实验四 Android源码的编译 |
| 第四章：程序编码 | |||
| 实验一 应用程序编写 | 实验二 外挂驱动编写 | 实验三 电子相册 | 实验四 触摸满屏驱动配置 |
| 实验五 EMMC升级配置 | 实验六 开机logo的更改 | 实验七 开机动画的修改 | |
| 第五章：外设驱动实验 | 实验箱硬件资源介绍 | ||
| 实验一 设备节点注册 | 实验二 GPIO驱动led | 实验三 GPIO驱动蜂鸣器 | 实验四 GPIO驱动开关检测 |
| 实验五 232通信 | 实验六 485通信 | 实验七 EEPROM实验 | 实验八 ADC模数转换实验 |
| 实验九 定时器控制LED灯实验 | 实验十 继电器实验 | 实验十一 光耦实验 | 实验十二 步进电机实验 |
| 实验十三 直流电机实验 | 实验十四 LED流水灯实验 | 实验十五 数码管按键实验 | 实验十六 点阵实验 |
| 实验十七 AD模数转换SPI通信实验 | 实验十八 DA数模转换SPI通信实验 | ||
产品参考图片
