產品詳情：

硬件組成
實驗平臺邏輯結構如下圖所示：
特點和優勢
（1）支持兩種開發環境。實驗軟件提供jupyter notebook和VS2015兩種開發環境，其中jupyter notebook采用Python編程語言，VS2015采用C++編程語言，用戶根據實際需要選擇，可滿足不同院校的教學要求。
（2）源代碼開放。開放全部軟件框架和算法級源代碼，學生可在代碼層面，通過調參、代碼填充等方式進行應用和驗證性質的課程基礎實驗，也可參考實驗指導書，自行編寫代碼，進行相對復雜的項目實驗。教師則可依托該平臺，進行深度的二次開發。
系統主要功能模塊
（1）邊緣計算終端
邊緣計算終端采用NVIDIA公司的Jetson Nano處理器，該處理器具備GPU運算功能，既可作為邊緣計算終端（即小型電腦）使用，也可進行基于深度學習的數字圖像處理相關的分析和運算。通過在處理器中部署視覺系統SDK、Python和OpenCV等相關軟件和框架，以及與外接設備的通訊協議，學生即可完成從視覺系統硬件搭建、圖像采集、圖像處理，到實驗流程設計與論證，再到視覺系統和外部設備的聯動控制等一系列功能，無需另外配置電腦。
邊緣計算終端主要技術參數如下：
?處理器：64位四核CORTEX-A57，128核MAXWELL GPU；
?內存：4GB LPDDR，板載存儲：64GB；
?接口：USB3.0×4，Micro USB×1， HDMI×1，RJ45×1，DC5.5×2.1電源接口；
?集成Linux、Python等運行環境，支持數字圖像處理、機器視覺、深度學習等算法、硬件、應用的開發和學習。
視覺系統結構：

視覺系統主要硬件如下：
1）工業相機
?傳感器型號：Sharp RJ33；
?像元尺寸：3.75 μm×3.75 μm；
?靶面尺寸：1/3”；
?分辨率：1280×960；
?幀率：30 fps；
?曝光時間：34μs～1sec；
?黑白/彩色：彩色；
接口：GiGE。
2）工業鏡頭
?焦距：固定焦距；
?光圈：手動光圈；
?像素級別：600萬像素，FA 鏡頭；
?焦距大小：12mm ；
?F數：F2.8～F16。
3）LED光源
?光源類別：30度環形光源；
?LED類型：貼片LED；
?顏色：白色；
?色溫：6600K；
?功率：14.4W。
實驗項目
（1）基礎實驗：Python語言程序設計
?python集成開發環境搭建、軟件安裝實驗
?python編程實驗：計算任意輸入整數的階乘
?python編程實驗：漢諾塔問題
?python編程實驗：使用蒙特·卡羅方法計算圓周率近似值
?python編程實驗：使用Numpy進行t檢驗
?python 編程實驗：使用PIL讀取、顯示和處理圖像
?python GUI編程實驗：matplotlib數據可視化
?python GUI編程實驗：動態時鐘設計
（2）基礎實驗：數字圖像處理
?圖像的代數運算
?圖像變換
?圖像分割
?圖像平滑
?圖像增強
?彩色圖像處理
?形態學處理
?邊緣檢測
?直線、圓檢測
?三角形、矩形檢測
（3）基礎實驗：機器視覺
?視覺系統搭建與硬件操作
?圖像采集與顯示
?視覺定位
?視覺系統的標定
?顏色識別
?形狀識別
?測量物體尺寸
?物體有無檢測
（4）課程設計：人臉識別系統
?能夠錄入人臉數據；
?能實現身份認證；
?有專門的用戶操作界面。
（5）課程設計：目標識別系統
?能夠識別平面彩色目標，如圓形、矩形、三角形，或者利用深度學習技術識別其他復雜結構目標圖案；
?有專門的用戶操作界面。
（6）課程設計：物體缺陷檢測系統
?能夠對物體進行預處理；
?能夠檢測是否有缺陷并提取缺陷特征；
?能夠輸出缺陷的大小，判斷目標是否合格。
（7）課程設計：OCR字符識別系統
?能對圖像進行預處理，凸顯出視野中的字符區域；
?能分析字符形態，如間距、高度等；
?能將字符逐個分割出來，并進行準確識別，而后顯示。
（8）課程設計：車牌檢測與識別系統
?能從視頻流中提取特定幀圖像，并進行預處理，濾除干擾信息；
?能從圖像中定位到車牌位置；
?對車牌信息進行識別，并輸出到界面。
（9）課程設計：種子計數與分級系統
?能對圖像進行預處理，濾除干擾信息；
?能對不同種子進行分割，統計有效種子的數量；
?能逐個判別種子特征，根據分類依據進行種子分級。