系統含有六自由度機械臂、寬動態AI視覺攝像頭、Jetson Nano邊緣處置整理終端17.3寸邊緣計算顯露單元、機器視覺場景應用資源包、可模仿人工智能經經經典型應用場景，完成人工智能應用技術教學實驗。

教學平臺系統預裝Ubuntu18.04實操系統，全部環境代碼庫文件均已裝配，開機即用。基于多維度學習掌控把握掌控把握掌控把握實踐平臺，由淺入深循序漸進，從基礎單獨的GPIO拓展開始學習掌控把握掌控把握掌控把握過渡到傳感器實驗項目再進入OpenCVPyTorch、ROS系統，機器動作學，AI機器視覺，AI語音識別聽覺等學習掌控把握掌控把握掌控把握，從而學會AI人工智能研發。

所提供的算法源代碼（含有概括人臉檢驗測量試驗、車牌識別、垃圾分類、目標檢驗測量試驗），兼容Caffe/TensorFlow/MXNet實驗模型和API，可以讓學生對機器視覺的流程、處置整理方法等有更好的理解，熟悉相關算法，理解實際應用場景，貼近工程化應用。

1、JetsonNano邊緣計算平臺

NVIDIA Jetson Nano是一個小巧卻功能強大的計算機數值數值數值，它可以讓你并行運行多個神經互聯網、對象檢驗測量試驗、分割和語音處置整理等應用程序,Jetson Nano搭載四核cortex-A57處置整理器，128核MaxwellGPU及4GB LPDDR內部存儲，帶來足夠的AI計算能力,提供472GFLOP算力,并支持一系列流行的Al框體構造和算法，比如TensorFlow、Pytorch.caffe/caffe2、Keras、MXNET等

2、機器視覺(機器臂)

視覺機械臂以Jetson nano為主控，Open Source CV為圖像處置整理庫，以主流的Jupyter Lab為研發工量具,使用Python3為主要編程語言。攝像頭與機械臂機身一體式設計，“手眼合一”的視覺識別讓機械臂顯得更加靈動，它不僅可以完成顏色識別追蹤與抓取，還能人體特征識別互動，甚至實行垃圾分類模型實驗垃圾分揀;經過RO5機器人操控系統，簡化了6自由度串行總線舵機復雜動作控制。

人工智能AI綜合系統實驗臺,液壓氣動實驗裝置

液壓部分