1.    配置表

2.    产品说明

平台简介
嵌入式边缘物联网实验平台主要由边缘计算智能网关、AI摄像头、AI麦克风阵列、zigbee节点、蓝牙节点和Nbiot节点、lorawan节点等多种无线传感器节点构成。通过多种传感器的自由选择搭配，可以完成智慧城市、智能家居，智慧校园，智能安防、物联网传感技术、物联网通信技术、为搭建4G/5G综合应用场景提供支持。
实验平台整体框架如下图：

2.1.  边缘计算智能网关

嵌入式边缘物联网实验平台是一款集成物联网、人工智能、嵌入式、移动互联技术于一体的高端教学科研实验平台。
整个教学平台包括物联网、嵌入式Linux和人工智能（AI），三个部分互相支撑、互为补充。人工智能部分的硬件基于嵌入式ARM控制器、高清相机模块、7麦麦克风阵列，具备语音、图像数据的采集和处理能力及适用于多种场景的控制接口；嵌入式Linux部分的硬件采用CPU+GPU双处理器架构，配备高清大屏以及丰富的外设接口；物联网部分的硬件支持RFID、Zigbee、Ble、Lora、NBIoT等无线传输技术以及20余种传感器模块。
平台采用多核高性能 AI 处理器，预装 Ubuntu Linux 操作系统与 OpenCV 计算机视觉库，支持 TensorFlow Lite、NCNN、MNN、Paddle-Lite、MACE 等深度学习端侧推理框架。
实验平台支持图像处理、语音处理、无线通信、传感器原理、RFID等技术的主流算法及应用。提供完整的配套教学教材，实训案例的源码、开发手册等，满足AI和IOT教学实训、应用开发等需求。
实验平台采用CPU+GPU双处理器架构，不少于10种模块接口，配备高清大屏、高清相机模块、麦克

风阵列和ODB接口，硬件系统采用DC12V电源适配器安全供电，实现嵌入式linux实验和课程设计实验，无线传感器网络实验、人工智能实验及AIOT综合实验等。
1.1系统特点
嵌入式边缘物联网实验平台基于新工科的教育理念，让教学更轻松，项目开发更容易，售后服务更便捷，更多的考虑实验的先进性、扩展性、包容性。
1.先进性
超强性能
- AI嵌入式边缘计算处理器RK3399，4G+16G内存配置，11.6寸高清电容屏。
- 选配NPU协处理器模块，直接运行神经网络模型，运算能力高达2.8 TOPs@300mW。
- 提供更丰富的扩展接口：双路USB3.0，四路USB2.0，RS232，RS485，嵌入式拓展接口等各种外设接口。
2.扩展性
按需定制
- 所有硬件单元采用模块化设计，可根据需求进行弹性定制选型和搭配。
- 提供可选的丰富的项目套件模块，可以完成各种AI应用场景的设计和创新。
- 智能边缘计算网关平台提供嵌入式扩展接口，包含常用接口的拓展，包括GPIO、ADC、IIC、UART、PWM、SPI等。
3.包容性
一机多用
- 根据教学用途，实验平台可作为人工智能、嵌入式、物联网、移动互联网、智能硬件等学科实验教学，提供不同的教学资源。
- 实验平台可完成丰富的课程及实验，包括：Python程序设计、嵌入式Linux操作系统、机器视觉技术、自然语言处理、神经网络原理、无线通信、android应用技术、物联网中间件、AIOT应用实训等
- 完美融合物联网，边缘智联网（eAIOT）综合实验平台的对硬件进行了兼容性设计，在硬件上可以同时满足物联网、人工智能和嵌入式三个专业的实训需求。这样大大提高了巴西vs塞尔维亚即时走地 在学习不同专业的复用率，能够大大减少学校世界杯预选赛比分 场地不足的带来的问题，同时也能够为解决学校建设多个世界杯预选赛比分 资金不足的问题。
边缘智联网（eAIOT）综合实验平台可以为学校解决人工智能开课的师资问题、教学资源问题、实训资源问题、巴西vs塞尔维亚即时走地 问题以及和行业应用对接的问题，真正做到了产、教、学、研、创五位一体。

2.1.1.  嵌入式网关核心板

RK3399核心板是一款266-pin金手指形式高性能ARM计算机模块，它采用了瑞芯微64位六核（包含双核Cortex-A72 +四核Cortex-A53）Soc RK3399作为主处理器，标配4GB DDR3内存和16GB闪存，板载2×2 MIMO双天线Wi Fi模组，尺寸只有69.6×50mm，模块上带有独立的Typec供电接口，以及USB-C显示接口。

RK3399计算模块具有丰富的外设和扩展接口，可以扩展使用双MIPI宽动态摄像头，另外它还带有eDP显示接口，MIPI显示接口，1路USB3.0,2路USB2.0，以及12C,12S,SPI,PWM,GF10和串口等各种资源。RK3399可流畅运行Android 8.1,Ubuntu 18.04,Armbian,Buildroot等主流嵌入式操作系统，软件资源和生态非常丰富，尤其是Android 8.1具有NN SDK神经网络加速软件包，Qt-5.10集成了VPU硬件编解码，GPU图形加速，可使用QML快速开发流畅的动态式界面，因此RK3399核心板非常适合做高端人脸识别，机器视觉，VR虚拟现实，自动驾驶，深度计算分析等方面的人工智能产品快速原型及产品开发。
硬件参数：

2.1.2.  网关底板其他外设

2.2.  无线传感器节点及外设模块

2.2.1. 

2.2.2.  zigbee节点

 
 
ZigBee节点其一系列完整的ZigBee产品参考设计，旨在帮助开发人员缩短产品上市时间，并简化开发基于ZigBee的家庭自动化、互联照明和智能网关产品。
产品特点
      图形化无线应用开发。
      ZigBee3.0/EmberZNet PRO/物联网网状例程。
      丰富应用开发示例。
      最大输出功率16.5dBm、最大灵敏度-99dBm。
  32位40MHz CortexM4、256KB内存、32KB RAM。
  采用TI最新一代ZIGBEE芯片CC2530。
  支持基于IEEE802.15.4的ZIGBEE2007/PRO协议。
  采用LP标准的20芯双排直插模式接入底板。
  支持TI最新Z-STACK协议栈。
  双排通孔封装（兼容xbee模组）。

2.2.3.  蓝牙节点

蓝牙MESH节点专门针对蓝牙网状Mesh和BLE5.1研发的， 支持最新蓝牙网状网络和蓝牙5规范的全套软件和硬件。
产品特点
l  图形化无线应用开发。
l  采用TI超低功耗蓝牙解决方案CC2540芯片。
l  采用WXL标准的20芯双排直插模式接入网关主板。
l  符合蓝牙规范 4.0 版标准支持TI最新Z-STACK协议栈。
l  双排通孔封装（兼容xbee模组）。

2.2.4.  Lorawan节点

 
 Lorawan 节点模块：SX1278 节点，配合行 LoRaWAN 网关模块使用。
产品特点
l  双排通孔封装（兼容 xbee 模组）
l  休眠模式下电流低至 1.8uA
l  工作频段：470~510MHz
l  发射功率 18dBm±1dBm,发射电流 100mA,
l  接收灵敏度-139dBm（SF12 、带宽 125KHz）
l  通信接口：SPI/USART/IIC
l  扩展接口：ADC；SPI；IIC；GPIO
l  支持 LoRaWAN V1.0.2 Class A/C 协议
l  提供 SDK 开发方式
l  系统资源 FLASH/128K，RAM/16K，EEPROM/4K
l  用户可用资源：FLASH/64K，RAM/8K，EEPROM/4K

2.2.5.  Nbiot节点

 
Nbiot节点模块采用的是lierda NB86-G，模块主控芯片是STM32F103， 基于 HISILICON Hi2115 的 Boudica 芯片，符合 3GPP 标准。
产品特点       
l  工作电压：4.3V
l  最低功耗：≤10uA
l  发射功率：23dBm±2dB（Max），最大链路预算较 GPRS 或 LTE 下提升 20dB,最大耦合损耗MCL为-164dBm
l  采用LP标准的20芯双排直插模式接入底板
l  提供SDK开发方式
l  系统资源FLASH/64K，RAM/20K
l  用户可用资源：FLASH/30K，RAM/10K

2.2.6.  AI麦克风阵列

1）7路麦克风阵列，提供声源定位、语音增强、语音降噪、回声消除、声音拾取等功能。
2）带硬件浮点运算的RISC-V 双核64位处理器，主频最高800MHz。
3）具备机器听觉能力和语音识别能力，内置语音处理单元（APU）。
4）具备卷积人工神经网络硬件加速器KPU,可高性能进行卷积人工神经网络运算。
5）麦克风阵列模块集成TFT彩屏屏，能够直观显示音频频谱图。
6)内置ARM STM32 USB音频驱动芯片，提供USB声卡驱动，开放源代码。
7)接口：双列直插封装/USB，需能够接入到eAIOT平台使用。
8)支持语音识别、语义理解、语音合成、人机对话等功能，可与硬件进行语音交互。
5米监测范围、基于linux系统

2.2.7.  AI摄像头

l  1/1.8" SONY Exmor CMOS
l  有效像素200万像素，30帧@1920*1080
l  C/CS镜头接口，最低照度0.001 Lux，120dB TWDR
l  支持协议：PROFILE S，GB/T28181，FTP/RTSP.UPNP等
l  支持双码流、手机监控、心跳机制，具3D降噪、去雾、数字宽动态、镜头校正、走廊监控等智能模式
l  提供基于eAIOT教学平台的人脸识别系统案例。

2.2.8.  高读卡器

2.2.9.  低频读卡器

2.2.10.            超高频读卡器

2.2.11.            传感器组件

选配：温度/光敏/蜂鸣器一体传感器模块、高精度温湿度传感器模块、两路继电器模块、可调LED灯光模块、振动传感器/蜂鸣器一体模块、超声波测距传感器模块、4位LED数码管显示模块；

 

2.3.  St-link仿真器

ST-LINK/V2是ST意法半导体为评估、开发STM8系列和STM32系列MCU而设计的集在线仿真与下载为一体的开发工具。
STM8系列通过SWIM接口与ST-LINK/V2连接。
STM32系列通过JTAG / SWD接口与ST-LINK/V2连接。

ST-LINK/V2通过高速USB2.0与PC端连接。
支持的软件
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.  物联网应用基础云平台

1、功能简介
1）学生能够将物联网感知层设备（传感器、执行器等）接入物联网云服务平台，平台能够接收并存储传感器和执行器的实时数据，模块在线状态，并实时显示。
2）提供后台管理系统，能够设置账号类型和使用权限。支持多用户管理及权限控制，分为父用户和子用户，父用户可以创建多个子用户，并且可以为每个子用户分配增、删、改几种权限，子用户创建的资源相互隔离。
3）提供物联网规则编辑器，无需编写代码即可编辑复杂的自动化控制策略，实现移动互联网系统的自动化控制。
4）提供丰富的可视化控件库，通过拖拽、简便配置即可完成美观的UI设计。支持GIS地图、曲线图、柱状、饼图、图表、按钮、仪表图等控件。
5）物联网感知层设备也能够向执行器发送控制命令，系统能够实现模块的在线监测。
6）云平台支持物联网硬件多协议接入，通过ZigBee/BLE/wifi/lora/NBIOT无线技术取得传感器采集的数据，形成一个完整的无线传感器网络。
7）数据通过http/MQTT协议传输至物联网应用基础云平台软件，进行数据图形化展示。
8）实现基于云平台的智能家居实验，并包含配套完整的教学资源。
9）支持本地化部署和云端部署两种方式。
10）提供“物联网应用基础云平台”软件著作权登记证书及软件产品登记测试报告复印件并加盖公章，原件备查。
 

 

 

2.5.  Lorawan云平台软件

（1）私有 NS 及 websocket 接口

（2）lorawan第三方公有 NS
TTN（国外 NS，www.thethingsnetwork.org）

 
（3）*Lorawan AISZ（国内 NS，www.loraflow.io）

（4）lorawan公有云 AS

NBiot中国电信管理平台
 
在 NB 海量设备高并发场景，电信平台与电信 NB 网络进行有机协同，能够有效缓解拥塞，保障业
务成功，充分发挥 NB 网络的特性和价值。

3.    部分实验案例

3.1.1.  手写字识别

学习设计一个神经网络模型，然后用已经标注过的MNIST数据来训练这个模型，然后进行测试验证。

图：手写字识别案例

3.1.2.  人脸识别

通过OpenCV自带的分类器、OpenCV的深度学习分类器是基于SSD(Single Shot  Detector)框架的ResNet网络，实现在图片、视频中对人脸的检测，并用矩形框框出来。
学校可用于身份识别、课堂/上下班考勤、会议签到、刷脸支付、门禁通行、安防监控相关场景。

图： 人脸识别案例

3.1.3.  目标检测

  利用深度学习框架caffe，实现对常见物体的检测。

图：目标检测案例

3.1.4.  人体姿态识别

使用边缘侧推理框架Tengine检测图像中的所有人体并返回每个人体的矩形框位置，精准定位 21 个核心关键点，包含五官、四肢、脖颈等部位，更多关键点持续扩展中；支持多人检测、人体位置重叠、遮挡、背面、侧面、中低空俯拍、大动作等复杂场景。

图：人体姿态识别案例

3.1.5.  手势识别

利用深度学习框架caffe，实现对简单手势的识别。

图：手势检测和识别系统案例

3.1.6.  车牌识别

使用opencv 的 HAAR Cascade 检测车牌大致位置，使用卷积神经网络回归车牌左右，然后使用卷积神经网络滑动窗切割字符、及识别字符。

图：交通门禁车牌检测和识别系统案例

3.1.7.  人脸门禁

采用 mtcnn 进行人脸检测，采用MobileFaceNet 进行人脸识别，然后用活体检测算法进行检测。

图：人脸门禁检测和识别系统案例

3.1.8.  声纹锁实验

通过语音增强、语音质量检测、语音增强、有效语音提取、声纹特征提取等步骤，完成声纹注册及声纹验证。

图：声纹电子锁系统案例

3.1.9.  AI语音控制智能家居

基于百度语音识别 API 完成语音识别，并用无线方式控制电灯，电风扇，以及获取温度和湿度。

图：语音控制智能家居系统案例

3.1.10.            知识图谱和聊天机器人

知识图谱融合了两千五百多万的实体，拥有亿级别的实体属性关系，机器人采用了基于知识图谱的语义感知与理解，致力于最强认知大脑。自然语言处理工具包的功能有：中文分词、词性标注、命名实体识别、关键词提取、文本摘要、新词发现、情感分析等。

图：知识图谱和文本聊天机器人系统案例

3.1.11.            智慧城市实验平台实验

智慧城市实验平台实现了从终端到物联网网关到物联网云端，再到APP服务端四者之间完整物联网通讯，本系统通过在学校安装部署LoRaWAN基站以及各终端达到以下目标：实现停车场管理， 资产定位，智能安防等。

3.1.12.            物联网云平台智能家居实验

丰富多样的可视化控件库，通过拖拽、简便配置即可完成美观的UI设计。

 

 

4.    售后服务

5.    招标参数