招标代理公司（立即查看） 受业主单位（立即查看） 委托，于2025-11-05在采购与招标网发布 AIOT实验箱（XF-WSBX-2500536）采购公告。现邀请全国供应商参与投标，有意向的单位请及时联系项目联系人参与投标。 打印公告AIOT实验箱（（略）F-WSB（略）-（略））采购公告发布时间：（略）-（略）-（略）:（略）:（略）阅读量：7次项目名称AIOT实验箱项目编号（略）公示开始日期（略）-（略）-（略）:（略）:（略）公示截止日期（略）-（略）-（略）:（略）:（略）采购单位浙江大学付款方式货到付款，甲方在到货验收后（略）日内向乙方一次性（略）本项目的总额联系人中标后在我参与的项目中查看联系电话中标后在我参与的项目中查看签约时间要求成交后3个工作日内到货时间要求成交后3个工作日内预算￥ （略）采购法》第二十二条规定的供应商基本条件收货地（略）浙江大学（略）教二（略）室采购清单1采购物品是否允许进口采购数量计量单位所属（略）类AIOT实验箱否3台其他终端设备品牌规格型号预算￥ （略）,（略）技术参数一、实验箱包含A+B+C（略）域①A（略）域：人工智能边缘计算（略）.1寸高清屏，（略）辨率（略）x（略）核8nm2.4GHzA（略）+A（略）ARMMali-G（略）MP4四核GPU算力高达6TOPS，支持int4int8int（略）混合运算支持TensorFlow、Pytorch、M（略）Net、Caffe等模型4GBLPDDR4+（略）GeMMC、（略）GTF双频Wi-Fi6+BT5.0支持Android（略）和Ubuntu（略）.（略）②B（略）域：AIOT智能硬件3核异构AIoT芯片:M（略）MHz、HIFI4DSP（略）MHz、NPU0.（略）GOPSINT8算力（略）W摄像头，用于视觉检测识别2.4寸触摸LCD显示屏双麦克风阵列，支持离线语音识别、合成、模型训练和部署Wi-FiBLE模块，支持（略）大模型、多模态的综合应用开发③C（略）域（略）络模块:Wi-Fi2.4agn，蓝牙BLE、NB-IOT工业控制接口:RS（略）、（略）N、RS（略）、步进电机接口、减速电机接口、继电器接口传感器接口:支持ADC、DAC、PWM特点：板载6（略），支持TensorFlow、PyTorch、M（略）Net、Caffe等一系列主流深度学习框架；支持INT4INT8INT（略）混合运算，可适用于边缘（略）计算、（略）支持全面，如FreeRTOS、Zepyhr；Linux、Ubuntu（略）.（略）、Android（略）、麒（略）；板载5GNB-IoT、Wi-Fi、BLE5.0等模组，支持通过5G窄带、Wi-Fi、BLE通信，通过板载接口、（略）通信方式，如Zigbee、LoRa等；开发底板支持RS（略）、RS（略）、（略）N等工业通信接口，支持接入工业传感设备，完成工业级（略）、（略）宇宙数字孪生应用；满足智能家居、智慧旅游、智慧农业、智慧医疗、（略）、智慧交通等智能场景的应用;提供入门指导手册、实验指导手册、源代码、开发工具；二、涵盖实验内容：计算机视觉综合实验自然语言处理综合实验人工智能综合实验人脸识别头肩手势识别语音合成大语言模型活体检测双目测距SLAM建模ROS虚拟仿真YOLOV5目标检测YOLOV5+Deepsort视频跟踪OpenPOSE姿态检测麦克风阵列相关实验Linger模型量化推理实验大模型知识库RAG实验大模型知识图谱应用实验离线大模型全流程智能体交互控制实验三、部（略）实验如下基于MediaPipe的手势识别（略）实现了实时手势识别（检测手掌、手指位置并显示关键点与距离）、虚拟方块控制（通过食指中指夹取拖拽变色方块）以及帧率优化（实时显示FPS，可通过降低处理频率、采用低复杂度模型和置信度阈值提升性能）三大核（略）本实验开发了一套基于人（略），提供（略）和识别两种模式：（略）模式通过摄像头实时检测人脸并标注（略）个关键点，每3秒自动采集一次人脸特征，完成3次采集后保存特征数据；识别模式则实时检测并比对已（略）人脸，显示姓名、匹配度及最近3条识别记录，成功识别后自动记录考勤信息至CSV文件并提示"打卡成功"。基于yolov5实例（略）割的智能防挡弹幕实验本实验基于RKNN加速实现了智能弹幕功能，在视频处理过程中实时显示语义（略）割画面并输出处理进度（帧率、已处理帧数），通过跳帧和（略）辨率缩放提升处理速度；生成的蒙版图像准确识别主体内容并保持帧间连贯性，弹幕能智能避（略）域并动态调（略）透明度；RKNN加速显著提升推理效率并降低功耗，最终输出的视频中弹幕流畅自然且不遮挡关键内容，处理过程实时监控并显示进度和性能指标。（略）该实验通过RKNN加速模型实时检测摄像头视频流中的安全装备（人员标记为绿色框、安全帽和反光背心（略）别以颜色编码框体显示），并在检测对象旁动态叠加佩戴状态图标，同时左上（略）实时更新帧率（FPS）和人员计数，最终通过水平翻转的OpenCV窗口（标题"demo"）呈现流畅的检测画面，用户可按'q'键退出程序。Deepsort车辆跟踪（略）析该实验基于RKNN加速的YOLOv8和DeepSORT模型，实现了实时车辆检测与跟踪功能：程序初始化后读取视频流并在（略）×（略）的OpenCV窗口（标题"show"）中显示实时画面，对检测到的车辆绘制带有类别和唯一ID的边界框并保持ID一致性，同时控制台输出帧处理时间、FPS、车辆数量等性能指标，处理结果可保存为带时间戳的MP4视频和跟踪数据T（略）T文件，用户可通过按键逐帧查看或等待程序自动结束。骨骼点动态动作识别智能家居该实验基于TFLiteMoveNet模型实现（略），程序启动时自动处理训练视频特征并保存至，通过摄像头（编号9）实时捕捉画面并在OpenCV窗口（标题"demo"）中显示带6个绿色关键点的人体姿态，用户按下'r'键触发动作录制（通过红黄绿状态圆圈提示准（略）析（略）帧动作序列后显示预测结果（如"Pred:wave"），同时实时输出帧率（FPS）和DTW距离（略）析数据，最后可通过'q'键退出程序。自（略）面（略）割本实验实现了一个基于RKNN框架加速的深度学习模型，可同时完成车辆目标检测（carbustrucktrain）（略）场景语义（略）割两大核心功能。（略）能准确识别各类车辆目标并以绿色边界框标注，实时显示类别、置信度及目标数量；在场景理解方面，采用半透明遮罩技术直观标注（略）域（绿色）（略）线（红色），与原（略）支持多种输入模式：图片处理模式下可保存（略）×（略）辨率的结果，视频摄像头模式下则以（略）×（略）窗口实时显示处理结果并展示FPS性能指标，通过ESC键可随时退出。该解决方案特别优化了边缘设备部署，模型输入固定为（略）×（略）尺寸，自动处理图像自适应和填充，兼容常见图片格式、视频文件及摄像头实时流，充（略）实现实时自动驾驶环境感知的技术可行性。自然语言处理综合实验基于LSTM的中文古诗词生成与优化：本实验聚焦LSTM模型在古诗词生成中的核心应用。内容包括：-文本预处理：清洗诗歌数据（去除标点、低频词），构建字词到ID的映射，并添加起始结束标记以标识诗句边界-LSTM模型构建：（略）络（（略）个神经（略）层），使用Embedding层降维处理词向量，并通过全连接层输出预测结果；优化器采用Adam（学习率0.（略）），损失函数为稀疏（略）类交叉熵（sparse_categorical_crossentropy）-训练与优化：以固定长度生成为目标，通过批量训练（batch_size=（略））和迭代调参（如epoch=（略））优化模型，监控损失函数并解决长序列依赖问题（略）点:当地;电话支持:7x（略）小时;质保期:（略）年;服务时限:报修后2小时;商品承诺:原厂全新未拆封正品;上面提到的配套的实验案例全部开源并支持二次开发、并提供配套PPT和教材、还有提供有效的技术指导，产教融合，助力学生成长。;浙江大学（略）-（略）-（略）:（略）:（略）查看内容