高水平 ICT 实验实训平台建设

一、平台建设概述

1.1 人工智能仿真实验实训平台

建设高水平 ICT 实验实训平台–人工智能仿真实验实训平台，是为了提供学生在人工智能领域深入学习和实践的机会。承载《人工智能基础》《人工智能应用》《移动机器人技术应用》《视觉开源机器人》《深度学习与神经网络》《自然语言处理与语音识别》等课程和项目化课堂教学和集中实训。 不仅对信息工程系专业教学、实验实训提供平台，同时对全院《人工智能》认知与体验科普学习提供支撑。

1.2 网络仿真实验实训平台

建设高水平 ICT 实验实训平台—网络仿真实验实训平台，用以支撑《大语言模型》为基础的网络技术问题人工智能解答与操作指导、《网络技术》、《网络设备》、《网关》、《网络协议与通信》、《网络安全与防护》等课程辅助教学，学生在线自主学习、自主网络相关技能训练，为学生获得 1+X 网络技术职业技能等级证书服务，有助于他们更好地适应未来职业中的网络工程师、系统管理员等职业需求。平台建成后，可以向社会提供在线服务。

上述“1” 、“2”两个项目，规划支撑《人工智能基础》、《人工智能应用》、《人工智能导论》、《双足机器人技术应用》《自动驾驶技术实践》、《chatGPT 大语言模型》训练、《计算机网络技术基础》、《网络设备》、《智能网关》、《网络安全与防护》、《无线网络技术》、《云计算与虚拟化》等 12 门课程 50 个实训案例，共计250+课时的教学资源，打造集多平台建设、集教学、实训、培训、科研、职业技能证书、竞赛、科普等功能于一体的综合性实验实训平台。

1.3 嵌入式技术开发中心

嵌入式系统软件开发实训平台以培养学生的嵌入式系统软件开发技术应用能力和创新能力为目标、以学习嵌入式系统软件的模型驱动开发方法为主线，引入大量行业应用案例，重点学习基于经典的编程语言知识再加建模技术。包括：使用 SysML 对系统需求进行建模；使用 SysML对现代网络物理系统进行架构描述；使用 UML 构建面向对象的微控制器解决方案； 使用 UML 进行编程等嵌入式系统软件开发项目教学。目标是为物联网应用技术专业构建了一整套嵌入式系统软件开发复合型人才培养教学体系，为数字化和智能时代，培养全面现代化嵌入式系统开发人才。通过低代码平台和标准软件自动化，实现跨学科、跨领域和跨国界交流。

高水平 ICT 实验实训平台建成后，计划平均每学期服务学生和教师不低于500人，开设 60+学时虚拟仿真实训课程，年均服务人时数 10000，有效解决物联网、大数据、云计算和人工智能等专业实训教学过程痛点和难点，扎实推进服务新一代信息技术、数字经济复合型技术技能人才培养、“双师型”教师队伍建设、企业员工就业培训需求，充分发挥 ICT 实验实训平台示范、引领、辐射、带动作用。该平台同时也为全校所有专业计算机应用基础和人工智能认知教育要求的实验实训课程提供8000学时服务，为推动现代职业教育高质量发展增效赋能。

按照信息技术的发展特点，科学合理地预留系统的延展性

按照信息技术相关专业实训教学和职业培训的特点，科学合理定义仿真实训教学资源类型、内容和展现方式，开发知识内容、实验实训培训包和仿真操作等教学资源。系统平台具有资源承载的伸缩性，按照信息技术的发展更新迭代快的特点，平台系统规划需考虑资源的可装卸性和功能的伸缩性，应对教学课程和模块的动态升级。 有机结合“1+X”证书试点制度，适应人才培养方案和社会对职业技能的培训要求，在高水平 ICT 实验实训平台建设方案中，预留灵活的实验实训组合模式，科学安排各专业课程虚拟仿真实验实训教学案例、时长、组队、教学要求和考核评测标准等。

二、高水平 ICT 实验实训平台建设目标和实施方案

2.1 项目建设目标

（1）建设“人工智能”实验室，满足“人工智能基础”课程教学及科研的基本需要。

（2）完善网络工程综合实训室，购置相关 1+X 试点证书所必需的训练平台和考试平台，以满足实施 1+X 试点证书的基本需求。

（3）完善相关设备平台，满足学生参加计算机网络应用、物联网技术应用、云计算技术与应用、大数据技术与应用及其他相关职业技能竞赛的需求。

（4）提供广泛覆盖计算机科学、信息技术、通信工程等领域的实验实训项目。包括软件开发、网络管理、人工智能、物联网、大数据等多个方向。

（5）模拟真实的工作场景和项目，使学生能够在实际应用中学到知识和技能。整合实际企业需求，将实验实训内容与行业标准和最佳实践相结合。

（6）提供支持多种编程语言和开发工具的环境，以满足不同技术栈的学习需求。集成流行的开发框架和工具，使学生能够学习和实践最新的技术。

（7）“双师双能”型的实验实训师资队伍建设水平明显提升。

（8）人才培养方案、管理制度等软件建设水平明显提升。

2.2 项目建设实施方案

建设人工智能仿真实验实训平台和网络仿真实验实训平台及 1 个嵌入式开发实验中心。

1.人工智能仿真实验实训平台

人工智能仿真实验实训平台由混合云+终端应用+展示端（可移动机器人、智能小车）组成。

（1）课程资源

承载《人工智能导论》、《人工智能基础》、《人工智能应用》、《深度学习与神经网络》、《计算机视觉与图像处理》、《移动机器人技术应用》、《视觉开源机器人》、《自动驾驶技术实践》等课程资源；

（2）与课程匹配的任务教学

人工智能仿真实验实训平台与课程匹配的任务教学是为了充分发挥仿真平台的优势，通过具体的任务和项目，使学生在实践中深度理解和应用人工智能相关知识。对每个课程资源进行任务分解，按照任务目标要求，系统推动教学有计划有目标地递进展开。

（3）项目为载体的集中实训

旨在通过设计和完成具体的人工智能任务，让学生在仿真环境中深度实践、提高技能水平。按照设置的项目功能，强化所对应的技术技能等知识点复习和应用。平台对项目推进的各阶段进行引导和检查，直至项目完成，通过项目的进程将所需的技术系统地进行串接和应用。

（4）开发实际应用

人工智能仿真实验实训平台的开发在实际应用中具有广泛的用途，为学生和研究人员提供了一个虚拟的实验环境，用于学习、实践和研究人工智能技术。系统支持师生开发智能行走机器人和智慧小车，通过应用端程序调试和装订，驱动机器人和智慧小车实现相应功能。具有较强的体验感。

2. 网络仿真实验实训平台

通过校企联合开发建成包括如下功能的线上仿真实验实训平台，在虚拟仿真环境中学习并掌握网络新建的完整项目流程；掌握交换机的基础配置；掌握生成树协议部署、MSTP 实现负载均衡；掌握交换机端口安全配置、DLDP与 BFD 配置；掌握 DHCP 服务应用、NAT 技术；掌握路由协议部署；掌握 RIP路由协议配置、分区 OSPF 路由配置、OSPF 虚链路配置；掌握安全认证部署，掌握 AAA 认证、ACL 技术；掌握网络的综合实验搭建和配置。支撑涉及网络知识技术的澳洲墨尔本理工学院网络课程模块的教学与实验，支撑 1+X 证书的培训项目。平台建成后，可以向社会提供在线服务。

3. 嵌入式开发实验中心

该中心包括嵌入式系统软件开发实训平台，涉及 SysML 系统工程实训平台、ML 软件工程实训平台、微控制器编程实训平台（包括国产替代信创微处理器应用开发）支撑物联网应用技术专业的嵌入式应用技术教学和实验实训功能。

该中心可延伸扩展为产业应用，如 SiSy 授权软件外包中心、SiSy 授权培训中心、 SiSy 授权技术转移中心。该中心建成运行，可以支撑物联网应用技术嵌入式课程及教材建设、教学资源库建设、师资队伍建设。

人工智能实训室

主要由各类机器人和人工智能开发平台组成。

均可进行二次开发，并具有以下主要功能：

① 人脸识别：可以实现人脸检测、人脸识别、人脸跟踪等。

② 语音交互：可以实现语音控制、语音播报等。

③ 人体感知：可以实现人体感知、人体跟踪等。

④ 自主导航：可以实现即时定位与地图构建、自主导航、路径规划等。

⑤ 家居物联：可以实现对各类家居物联网设备进行控制等。


网络仿真实验实训平台

实现如下目标：

掌握虚拟仿真实验平台的使用；

在虚拟仿真环境中学习并掌握网络新建的完整项目流程；

掌握交换机的基础配置；

掌握生成树协议部署、MSTP 实现负载均衡；

掌握交换机端口安全配置、DLDP 与 BFD 配置；

掌握 DHCP 服务应用、NAT 技术；

掌握路由协议部署；掌握 RIP 路由协议配置、分区 OSPF 路由配置、OSPF 虚链路配置；

掌握安全认证部署，掌握 AAA 认证、ACL 技术；

掌握网络的综合实验搭建和配置。

交换机/路由器主机名、端口描述等基本配置；

配置交换机/路由器用户名和密码，开启远程登录管理功能；

配置 VLAN、交换机/路由器接口；

配置 MSTP 协议防止环路保证负载均衡；

配置动态路由实现全网互联互通；

配置 DLDP 协议检测链路连通性；

配置 BFD 协议保证路由邻居稳定建立；

使用端口安全防止接入层的 MAC 地址攻击；

配置动态 NAPT 实现公司内部人员访问外部网络 ；

虚拟仿真的测评系统.

嵌入式开发实验中心

引进新型 UML、sysML 等快速嵌入式技术，支持物联网应用技术专业中感知和控制端的技术开发应用。

中德产教融合模式的嵌入式系统软件开发实训平台（1 期）。主要 包括 UML 软件工程实训平台和 SysML 系统工程实训平台。具体有 UML 软件 工程包、SysML 系统工程包 、STM32F0 嵌入式开发板、GD32F103 嵌入式开发板和学生项目实训套件等

2.2项目建设清单

（一）参数

3.1 ICT教学云平台

1.平台采用B/S结构，运用spring cloud微服务技术，采用kubernetes技术进行部署，支持公有云、私有云、混合云模式安装；平台支持多数据源从而保证技术的一致性；确保服务的稳定、可扩展、弹性扩容；每个独立服务支持分布式集群部署，可以无限横向扩展，提高系统处理能力，支持大规模并发教学全场景和数字化专业群教学实践应用。主要包含通用课程模块和考试模块

2.通用教学模块包含以下功能：课程制作工具、作业、活动、云盘、共享课、我的课、云优选课、云视频库。

1)课程制作工具模块：支持pdf、ppt、word、excel等不同格式的文本、图片、音频、视频、超链接等进行混合编排，并自动生成动态课程目录，支持多源格式文件（包含：图片、视频、压缩文件、word、ppt、excel、pdf等同屏展示）

2)作业模块：支持单选、多选、判断、主观题等题型，支持自定义出题,支持自动出题，支持作弊监控，支持自动进行客观题判题。

3)共享课程模块：内置公共专业课程资源，至少包含《网络综合布线》、《智能楼宇工程化技术》、《嵌入式开发》、《传感技术基础》、《无线传感技术开发实战》、《移动应用开发》、《.net开发》、《spark大数据分析》、《网络爬虫技术》、《docker容器技术与应用》、《数据库库技术与应用》、《信息安全导》、《UI设计》等课程资源。支持在教学中根据教学需要开展章节章节测验、自定义章节测验的试题，并且所有课程中所有试题可以重复使用。

4)我的课程：支持老师利用平台提供的课程制作的课程或者平时积累的课程自动归档为我的课程，也可以将共享课程和云优选课、云视频库课程转换成我的课程，支持我的课程一键分享到共享课程、云优选课中。

5)课堂活动模块：课堂活动至少包括：签到、主题讨论、提问、分组任务、投票、问卷、计时器等功能。

6)云优选课模块：将教学元素整合到云优选课模块，通过互联网技术保证教学的实施与效果；支持智能备课、一键上课。内置丰富在线课程资源，至少包含：

1、machine learning，学习拉普拉斯、聚类、朴素贝叶斯和集成算法的底层原理，来对数据进行预测；

2、深度学习-Pytorch，在pytorch中构建DNN、CNN、RNN、GAN等网络结构，并使用GPU/TPU进行数据训练；

3、NLP自然语言处理，学习文本特征处理、文本特征增强方法，使用RNN、LSTM、Transformer构建语言模型；

4、OpenCV视觉实战，使用opencv-python完成信用卡识别、车牌检测、文档识别以及闭眼检测等进阶实战项目；

5、目标检测，使用maskrcnn、fastrcnn、yolo、centernet、DeformableDetr等算法对目标物体进行检测识别；

6、语义分割，学习FCN的理论知识，使用感受域、文本算法，采样方法构建算法架构对图片进行分割；以上资源不限于实现原理，实现技术，实现步骤，实现思想以上视频总时长不得小于90小时。

7)云视频库模块：云视频库模块提供数字化的教学内容，支持课堂教学,至少包含人工智能相关视频100个.

8）3D模型库：采用three.js技术，实现在线加载3D模型，提供更加直观形象的教学体验。

9)个人云盘：平台为用户提供云盘服务，云盘内所有文件都会按照不同的文件类型进行分类、分类至少包含视频、音频、图片、文档、回收站等、支持一键上传、删除、新建、重命名、移动等功能

3、考试模块包含以下功能：

1）题库：题库支持通用题目（单选题、多选题、判断题、填空题、主观题）以及实训题目（编程题、物联网、虚拟化题等）；对于通用类题目可采用excel模板批量导入，采用瀑布流的展示方式，可共享到校内供其他教师进行使用；

2）组卷与排版：组卷模式支持教师手动组卷、自动组卷及根据模板导入。试题可以从试题库选择，也提供手动录入或者批量导入试卷，题型支持单选题、多选题、判断题、填空题、主观题等题型。考试完成后平台支持自动批阅试卷，同时教师也可手动批阅试卷，批阅完成后可导出班级学生成绩进行归档；

3）答题和评分：教师选择已创建合格的试卷，可以选择一个或多个班级发布考试，考试可以是集中进行的也可以是随来随考，可设置考试时间有效期；学生在规定时间内进入考试，进行答题，系统自动保存学生答案、并显示已完成试题号，提醒考试剩余时间。

4）成绩统计：考试完成后平台支持自动批阅试卷，同时教师也可手动批阅试卷，批阅完成后可导出班级学生成绩进行归档。

5）防作弊：支持根据考试内容配置考试限时，限制进入考试时间，倒计时提醒时间设置，并支持切屏监控、强制提交试卷、作弊自动提交、作弊是否计分等快捷设置。

4、office考评训模块：

平台拥有Word、Excel、PointPoint训练、套题训练和阅卷为一体的Office辅助教学模块功能，解决了计算机教师Office作业的批改之苦和Office教学的准备之苦，为学校开展规范化计算机基础的教学和office的Word、Excel、PointPoint考评提供了平台，为大数据分析创造了条件；

1）Office辅助教学模块基于B/S架构，具有日常练习、自动阅卷、系统评分、自动出题、网络统考、题库管理、错题统计等功能。

2）Office辅助教学模块将日常练习、网络统考、自动阅卷三大功能集成.模块可针对单项知识点出题训练，也可针对多项知识点组合出题训练；

3）知识点数量多、量化细，其中知识点包括：页面大小、段落缩进、段落对齐、文字字体、文字颜色、文字大小、表格宽度、表格高度、文字发光颜色、文字透明度、动画切换时间、切换效果、超链接、公式、水印等，完全满足各类考试、赛事要求； 内置Word、Excel、PointPoint的多套试题，教师可根据需要进行单项练习，也可三者组合训练；

4）Office综合考评训模块提供老师录题功能，功能依据标准答案自动生成题干，并根据标准答案文档自动解析文档中包含的图片、音频和视频等文件，并将这些文件素材自动整理和上传，无需教师手动出题和多次上传素材文件，大幅减轻教学工作量。

3.2 人工智能机器学习平台

1.平台采用B/S结构，运用spring cloud微服务技术，提供虚拟化的 Linux/windows 桌面环境，用户可直接连接桌面环境进行开发，与华为ModelArts等高阶组件无缝对接。

2.平台提供动态分配CPU及GPU虚拟化资源功能，支持多人使用一块GPU进行模型训练，同时也可一人使用多块GPU，大大提高GPU资源的使用率。

3.支持对虚拟机的管理，可以完成虚拟机的创建、快照、删除、基于模版的克隆等操作。

4.支持对虚拟机的迁移，在线及离线迁移工作。

5.支持高可用功能，当一台节点主机宕机，在另外一台节点主机上自动开启虚机，无缝切换，完美解决日常教学中的突发问题。

6.支持备课过程中pdf、ppt、word、excel等不同格式的文本、图片、音频、视频、超链接等进行混合编排，并自动生成动态实验目录，支持不同实训资源同屏展示。

7.至少可提供Windows7、Windows8、Windows10、Windows2008、Windows2012、CentOS、Redhat、Ubuntu等主流操作系统，并且用户可自定义镜像，根据需要自行上传。

8.支持实验进度监控：平台内置人工智能实验进度监控模块，可实现对用户在仿真平台进行操作时的进度监控，教师可在课堂里进行查看和统计。

9.支持学生的实验报告自动生成，根据学生在仿真系统中的操作，结合实验文档，自动生成一份实验报告。

10.支持在线问答：平台提供实验的在线问题，学生在实训过程中，通过在线问答与老师进行沟通。

11.支持创建实验笔记：平台为用户在实验页面提供实验笔记功能，用户可在实验过程中记录下自己的笔记。

12.平台可为用户提供云盘服务，云盘内所有文件都会按照不同的文件类型进行分开。

13.支持业内当前最主流的学习框架，如TensorFlow、mxnet、Caffe2、Pytorch、PaddlePaddle等。

14.支持交互式开发，提供业界最流行的交互式开发环境jupyter Notebook 以及jupyter lab，用户可随时调试、运行代码并进行结果展示。

15.平台支持物联网基础网络教学、实训，可以通过图形化仿真，模拟主流厂商路由器、交换机、防火墙、无线设备配置，支持大型网络模拟，让广大师生能在没有真实设备的情况下能够模拟演练，学习网络技术。平台通过对真实网络设备的仿真模拟，帮助广大ICT从业者和客户快速熟悉数通系列产品，了解并掌握相关产品的操作和配置、提升对企业ICT网络的规划、建设、运维能力，从而帮助企业构建更高效，更优质的企业ICT网络。平台支持华为数通系统交换机、路由器、无线AP、防火墙等自由建立拓扑实验、VLAN实验， NAT配置实验，ibgp和ebgp综合实验等实验；平台支持教学模块、考试模块、作业模块、技能大赛模块、人工智能、云计算、大数据、软件开发等实践模块组合，全面完成计算机网络专业群的教学。

16.平台支持物联网大数据教学、实训，平台基于k8s实现公有云、混合云、私有云多种部署方式，采用MySQL集群和MongoDB集群，以少量硬件设备完成大量实训集群的构建，且每个学生的实训环境互相隔离、实训过程互不干扰。平台支持命令检测，大数据实验进度：平台实现自动对用户在云主机内输入的命令进行检测，并且通过与实验文档的比较，从而实现用户对于该实验的实验进度，每输入一个命令，平台就会进行检测，然后实时的展示在实验页面。教师课堂页面也可进行查看学生的每个大数据的实验进度，从而对学生整体的学习进度进行把控。平台支持Linux、python、Hadoop/Spark、Hive、ZooKeeper、HBase、spark、hdfs、sqoop、爬虫、echarts可视化、云数据中心构建与运维、机器学习、大数据平台和大数据分析等实验。

17.平台可与教学模块、考试模块、作业模块、技能大赛模块、云计算、大数据、软件开发等实践模块进行无缝组合，全面完成人工智能专业群的教学。

3.3网络仿真实验平台

平台采用B/S结构，运用spring cloud微服务技术，用于计算机网络教学、实训，可以通过图形化仿真，模拟主流厂商路由器、交换机、防火墙、无线设备配置，支持大型网络模拟，让广大师生能在没有真实设备的情况下能够模拟演练，学习网络技术。平台通过对真实网络设备的仿真模拟，帮助广大ICT从业者和客户快速熟悉数通系列产品，了解并掌握相关产品的操作和配置、提升对企业ICT网络的规划、建设、运维能力，从而帮助企业构建更高效，更优质的企业ICT网络。主要模块有课程制作工具、作业、活动、云盘、仿真实训。

便捷的实验制作工具：让教师轻松实现pdf、ppt、word、excel等不同格式的文本、图片、音频、视频、超链接等进行混合编排，并自动生成动态实验目录，从而实现不同实训资源同屏展示。

实验进度监控，了解学生学习情况：平台内置网络实验进度监控模块，可实现对用户在仿真平台进行操作时的进度监控，教师可在课堂里进行查看和统计。

实验报告自动生成：平台支持将每个学生的实验报告自动生成，根据学生在仿真系统中的操作，再结合相应的实验文档，自动生成一份实验报告。

在线问答，及时解答学生疑问：平台提供实验的在线问题，学生在实训过程中，通过在线问答及时与老师进行沟通，提高学习效率。

可记录学习情况的实验笔记：平台为用户在实验页面提供实验笔记功能，用户可在实验过程中记录下自己的笔记。

支持公共资源课程，便于老师教学：软件开发网络实训模块可内置完整的实训资源，其中包括实训文档以及配套的拓扑图，用户可以直接进行使用。

个人云盘，资源不丢失：平台会为用户提供云盘服务，云盘内所有文件都会按照不同的文件类型进行分开，便于用户查看和操作。

平台支持华为数通系统交换机、路由器、无线AP、防火墙等自由建立拓扑实验、VLAN实验， NAT配置实验，ibgp和ebgp综合实验等实验。

平台可与教学模块、考试模块、作业模块、技能大赛模块、人工智能、云计算、大数据、软件开发等实践模块进行无缝组合，全面完成计算机网络专业群的教学。

3.4 人工智能视觉实验平台

一、产品特点：

1. 集成人工智能主流组件，支持视觉、多传感器融合及电机控制；

2. 软硬一体，集成度高，可实现人工智能应用快速创新；

3. 支持PC端建模与训练，实验平台执行；

4. 传感器丰富，拓展性强，性能强大且保持开放性，满足大部分实验需求及教学应用；

5. 结合移动端嵌入式开发与PC开发相结合，通过Python语言无缝连接；

6. 支持的案例实验数量25个，实验包含实验手册、实验代码、实验数据等。实验手册内容有：问题、方案、环境、资源、实验步骤、实验代码、实验结论等。

二、配套设备：

1. 无线键鼠套装1个；

2. AI加速器1个；

3. 智能小车1辆；

4. 红外夜视摄像头1个；

5. 单目高清摄像头1个；

6. 双目畸变摄像头1个；

7. 深度摄像头1个；

8. 12V电源1个；

9. 标定棋盘2块；

10. Type-C线1根；

11. USB线1根；

12. USB转TTL下载器1个；

13. USB扩展器1个；

14. 电池充电器1个；

15. 超声波模块1个；

16. 温湿度模块1个；

17. LED发光模块1个；

18. 遥控器1块；

19. 安装工具3把；

20. 合格证1张。

三、实训资源

1.支持的案例实验数量25个，实验包含实验手册、实验代码、实验数据等。实验手册内容有：问题、方案、环境、资源、实验步骤、实验代码、实验结论等。

参考实训模块如下：

实验1图像基本操作类：滑块控制三原色实验；

实验2图像检测类：轮廓边界框检测实验；表面划痕检测实验；行人检测实验；车牌目标识别实验；人脸检测实验等；

实验3图像变换类：图像黑白变换实验；图像灰度变换实验；图像取反变换实验；图像锐化变换实验等。

实验4图像修复类：图像污点修复实验；

实验5图像识别类：红绿灯识别实验；字符识别实验；猫狗分类实验；车牌识别实验；人脸识别实验；目标检测实验；手势识别实验等。

实验6图像跟踪类：目标跟踪器实验；图像采集监控实验；智能监控云台实验。

实验7双目类：双目标定实验、双目校正实验、双目测距实验；

实验8三维图像类：三维立体空间重建实验。

3.5人工智能综合实验台

一、硬件需求

1、人工智能实训工位：

（1）桌面式操作台，尺寸：长480±20mm，高620±20mm，底宽200±20mm。所有外围接口均可方便插拔接入使用；

（2）实训工位后面板至少包含1套具备路由交换功能的网络设备，不小于带1路WAN口和4路LAN口，支持DHCP和静态IP模式，支持无线WIFI加密模式；

（3）实训工位底部至少包含1组三脚电源输入模块，带1路电源指示灯开关按钮；至少包含1组后面板固定锁，既可用于实训装置内部电源设备的保护，也方便师生必要时对设备进行维护。

（4）实训工位顶部需带不少于2组便携式半圆弧设计提手，方便实训环境变更时实训装置的移动。

2、六核ARM 64位处理器（双核Cortex-A72+四核Cortex-A53），最高运行频率不小于1.8GHz,内不小于3G LPDDR3，四核ARM Mali-T860 MP4 GPU，支持OpenGL ES1.1/2.0/3.0/3.1, OpenVG1.1, OpenCL, DX11；支持AFBC（帧缓冲压缩）、高性能NPU支持8bit/16bit运算，至少支持TensorFlow、Pytorch、Caffe、Mxnet、Darknet、Onnx主流深度学习框架。

3、核心板载不小于1路SPI接口、4路GPIO口、1个电源指示灯、2路ADC接口、2路IIC接口、1个16G储存eMMC、1路1000Mbps以太网接口、1路音频输出、1路TF-Card接口、3路USB接口、1路电源按键、1路复位按键、1路SIM卡座。

4、路由器模块：不小于带3路WAN口和1路LAN口，支持DHCP和静态IP模式，支持无线WIFI加密模式。

5、终端节点模块：不小于4块OLED显示屏，4路用户按键，4路有源蜂鸣器，4路DC5V电源控制开关。

6、高清触摸显示屏

（1）分辨率：1920*1080 （全高清）。

（2）尺寸：不小于14寸。

（3）色域：NTSC≥72%。

（4）灰阶响应时间：2 ms。

（5）屏幕比例：16:9。

（6）动态对比度：1000:1。

（7）平均亮度: 500cd/m^2。

（8）接口类型: HDMI VGA DC USB 2.0 Mini USB。

（9）工作电压：5V

7、可直插不小于4路无线传输模块，4路执行器模块；带不少于4路USB3.0接口。

8、WiFi无线通信模块

（1）集成 ESP32-S2 芯片，Xtensa® 32-bit LX7 单核处理器，时钟频率高达 240 MHz。

（2）128K ROM，320KB SRAM，16KB RTC SRAM，4MB SPI Flash。

（3）WiFi认证为Wi-Fi Alliance，执行标准802.11 b/g/n，数据速率高达150Mbps，帧聚合（TX/RX A-MPDU，RX A-MSDU），0.4us保护间隔，工作信道中心频率范围：2412~2484MHZ。

（4）支持多种低功耗工作状态：精细时钟门控、动态电压时钟频率调节。

（5）安全机制：eFuse 存储、安全启动、Flash 加密、数字签名，支持 AES、SHA 和 RSA 算法。

（6）外设包括 43 个 GPIO 口，1 个全速 USB OTG 接口，SPI，I2S，UART，I2C，LED PWM，LCD 接口，Camera 接口，ADC，DAC，触摸传感器接口。

（7）硬件接口方式：直插262PIN；

（8）可直接对接融合云平台。

（9）支持图形化编程，采用MicroPython语言编程，支持函数、仿真，支持hex、python、blockly三种代码读写等功能。

9、RGB三色灯执行器

（1）8组RGB三色LED灯组合显示。

（2）工作电压：2.4 ~ 5.5V。

（3）电平输出：高3.3V，低2.4V。

（4）驱动方式：三线制电平驱动。

（5）硬件接口方式：直插172PIN；尺寸不大于30mm30mm12mm。

10、级联点阵显示设备

（1）MAX7219集成化的串行输入/输出共阴极显示驱动器。

（2）SPI全双工通讯，传输速率最高可达10Mbps。

（3）工作电压：4V ~ 5.5V。

（4）工作温度：-40℃ ~ 85℃。

（5）最大功率耗散：1066mW。

（6）硬件接口方式：直插172PIN；尺寸不大于45mm45mm20mm。。

（7）高电平输出电流：65mA。

（8）支持16*16分辨率字符显示。

11、智能语音播放设备

（1）XFS515语音合成芯片，可采用GB2312、GBK、BIG5、UNICODE四种编码方式。

（2）UART串口通讯，四种波特率支持：4800bps、9600bps、57600bps、115200bps。

（3）工作电压：3.3V模拟电源输入。

（4）输出：正负音频输出。

（5）工作温度：-40℃ ~ 85℃。

（6）硬件接口方式：直插172PIN；

（7）为教学使用方便，需内置扬声器，不接受外接扬声器形式。（8）尺寸不大于40mm32mm15mm。

12、继电器

（1）工作电压：5V DC。

（2）宽范围接点切换领域10uA ~ 2A。

（3）线圈接点间、同极接点间FCC parts68标准。

（4）额定电流：100mA。

（5）线圈电阻：50Ω。

（6）消耗功率：约500mW。

（7）动作时间：7ms以下。

（8）寿命：10万次以上。

（9）硬件接口方式：直插172PIN。

（10）尺寸不大于40mm30mm30mm。

13、直流风扇

（1）工作电压：DC12V。

（2）工作电流：0.18A。

（3）转速：6000RPM。

（4）风量：6.2CFM。

（5）噪音：18d –BA。

（6）风压：0.1 IN H20。

14、工业级摄像头

（1）像素：500W。

（2）光学分辨率：1280*960 1.2MP。

（3）视野范围：视场（FOV）≥60°。

（4）焦距：焦距范围4.0毫米。

（5）视频帧：帧数率最大值不小于30fps @ 640*480。

（6）支持USB2.0接口，系统配置CPU不低于1G。

15、电源集中控制模块：包含不少于1块电源分线器，板载不少于12个直插DC电源接口、1个2PIN电源接线柱，可直接5V、12V或24V直流电源，可供节点模块、核心板供电使用；带220V转5V、220V转12V安全开关电源不少于1个，需满足防短路功能；220V空气开关不少于一个。

16、支持TCP/IP通讯协议、支持WiFi通讯协议、支持Socket通讯协议、支持蓝牙通讯协议、支持MQTT通讯协议。

17、提供完整U-boot、Linux内核、根文件系统镜像，提供满足人工智能AI实训需求的集成开发环境镜像、提供完整的项目案例源码和配套资源。

18、提供不小于4套无线通信模组源码以及与之对应安装教程、开发教程、软件应用教程。

19、配套人工智能基础实训资源包，包含了人工智能实训开发的基础软件环境以及各种开发调试软件工具，为学生和老师提供一站式环境依赖搭建服务，解决在人工智能开发过程中需要下载安装各种依赖库和安装各类开发软件的问题，可以让初学者不需要自己去搭建系统庞大的人工智能开发环境，包括：Python、TensorFlow、YoLo、OpenCV、PIL、MU、MQTT.fx等。

20、配套人工智能项目综合案例系统，包含了手写数字识别项目综合案例、人脸识别项目综合案例、表情识别项目综合案例、车牌号码、省份识别项目综合案例、性别识别项目综合案例、语音识别项目综合案例等不少5个人工智能项目案例资源。每个项目案例包含代码、环境、数据资源、项目案例指导书、配套开发软件等多个实训资源。

二、软件需求

1.包含导线、电阻器、电容器、开关、变压器、继电器、晶振、电源、二极管、三极管、运算放大器、比较器、光耦合器、施密特触发器、与或非门电路、计数器、全加器、半加器、7断译码器、555定时器、相位比较器等多种模拟电路和数字电路实训所需；

2.包含打开、保存、另存、新建工程文档等功能，可进行电路的复制、剪切、撤销操作，同时可放大缩小局部电路以方便教学所需；

3.内置示波器，可在已绘制电路图上添加多个示波器，并在绘图区最下方实时显示电路运行时的监测点波形；

4.软件支持电路仿真调试操作，可调整仿真速度、电路速度，并以调整数值实际影响电路绘图区的电路仿真效果；

5.软件可修改电路绘图区的背景颜色，支持白色背景和深色背景可选，可设置电流、电压、功率在电路图上的显示可选，可设置电路绘图区的网格显示可选；

6.在电路绘图区右键鼠标可提供添加导线、添加电阻器、无源元件、输入和电源、输出和标签、有源元件、有源集成电路、逻辑门输入和输出、数字芯片、模拟和混合芯片、拖动、选择和选取操作；

7.软件提供绘图错误提示，以红色连接点形式展示错误地点，当操作改正后该红色点消失。

8.软件包括实训指导区、电路绘图区、调试控制区和菜单栏四部分，其中实训指导区将教学实际所需的实训部分以电子指导书的形式展示在软件左侧明显位置，可直接引导学生快速使用本软件并学习相应电路知识；

3.6嵌入式开发实验套件

平台融合人工智能技术+嵌入式系统技术+工业机械臂应用技术+AR 技术+物联网技术；通过丰富的基础实验和项目案例，实现从人工智能基础学习到应用实践的完整过程；结构采用实验箱方式。

一、硬件要求

1. 实验箱结构：

实验箱分为两层结构，上层实验层，下层储物层，机械臂可存放在储物层的专用存放区，实验时可放到实验层的专用放置区进行实验（包括机械臂底座放置区、6个货物仓位）；主板带管理锁，方便储物层的设备安全管理；针对实验功能，实验箱具有整体化、一体化设计，不接受散件拼装；铝合金包边，承重抗压不易变形；

嵌入式 AI 运算单元：

1)采用多核心处理器，处理器型号 RK3399：四个 Cortex-A53 核心和两个 Cortex-A72 核心，ARMMali-T860MP4GPU 支持 OpenGLES1.1/2.0/3.0,OpenCL1.2,DirectX11.1；

2)6GBDDR3 内存；

3)32GBeMMC；

4)配备 10 寸，分辨率 1920*1200 的液晶屏，带多点电容触摸屏；

2. 嵌入式 AI 运算单元主板：

1)4 路 USB2.0HOST 接口；

2)具有 USB3.0HOST 接口；

3)具有 TF 卡接口，Type-C 接口，音频输入，HDMI 接口；

4)1 路 CSI 摄像头接口；

5)具有 10/100/1000M 以太网接口，EDP 显示屏接口；

2 路 MIPIDSI 显示接口(最高点 4K 屏)；

9 路可扩展 GPIO 接口；

1 路 TTL 串口；

9)具有 PCIE4G 接口，RTC 备用电池接口，SPI 接口；

10)具有 2.4G/5G/WIFI+蓝牙 4.0，2 路功能按键，具有用户自定义 LED；

11)2 路 3W 喇叭输出接口；

12)具有重力传感器；

嵌入式 AI 控制单元：

1)采用 Cortex-M3 内核处理器，最高主频 70MHz，RAM64KB，FLASH512KB；

2)可用于工业机械臂、无线传感网控制等；

嵌入式 AI 控制单元主板：

1)主板设计方式：采用整块 PCB 板设计方式，尺寸 360mmx406mm；嵌入式 AI 运算单元主板、10 寸液晶屏、嵌入式 AI 控制单元、QWERTY 全键盘、无线传感网节点模块、13.56MRFID 模块固定在嵌入式 AI 控制单元主板上，保证系统整体性、一体化；

2)一路 USB-HUB 从 AI 运算单元引出，拓展出三个 USB 接口；

3)2 路串口，一路串口可用于 AI 运算单元与 AI 控制单元通信，一路串口可用于工业机械臂控制；

4)RFID 模块接口，支持多种不同频段的 RFID 模块；

5)2 组无线传感网络接口，每组均具有仿真接口，可自动识别多种传感网络；

6)板载 50pin 标准 Arduino 拓展接口，可用于外接传感器进行实验；可拓展标准 Arduino 接口拓展板；

7)具有 AI 控制单元仿真器接口；

8)板载蜂鸣器、LED 灯等常用资源；

工业级 USB 免驱摄像头：

24 位图像色彩，MJPEG 图像下：输出分辨率 19201080 时 31 帧成像，输出分辨率 1280720 时 60 帧成像，输出分辨率 800600 时 60 帧成像，输出分辨率640480 时 120 帧成像，120°广角无畸变；

工业机械臂：

带反馈的可编程机械手臂，包含 6 个高寿命串行总线舵机，每个舵机可以反馈位置、电压、温度等数据；

QWERTY 全键盘：搭配 QWERTY 全键盘，方便进行本地开发。可以利用该全键盘直接在嵌入式 AI 单元上进行编程操作，无需 PC 机参与即可完成编程操作。

无线传感网节点模块：

1)搭配物联网无线传感网节点底板，节点带 0.91寸OLED低功耗液晶屏，用于显示传感器数据及通信信息。可扩展标多种传感器模块和通信核心模块，且可以自动识别。要求标配 ZigBee、Wi-Fi 两种传感网络，并能支持 LoRa、BLE、IPv6、NB-IoT 网络，方便以后设备升级；

2)配备 4 个无线通信核心板，要求任何一个通信核心模块可以插接到任何一个通信底板上，具体包含：2 个 ZigBee 通信核心板；2 个支持 AP 功能的低功耗 Wi-Fi 通信核心板；

3)配备温湿度、直流风扇、光强、继电器，传感器及控制模块。支持接口兼容的光电传感、火焰、可燃气、电位器、蜂鸣器、触摸、人体红外、超声波测距等传感器及控制模块。要求接口兼容，可以直接连接任意通信底板；

4）支持 TCP/IP 通讯协议、支持 WiFi 通讯协议、支持 Socket 通讯协议、支持蓝牙通讯协议、支持 MQTT 通讯协议；

标配 13.56MRFID 模块（可扩展相同封装的 125K、NFC、915M、2.4G、指纹模块等），板载低功耗 MCU，ARMCortex-M0 核，独立 USB 转串口，0.91寸OLED独立显示 2 个按键，1 路蜂鸣器，独立复位；

嵌入式操作系统：搭载 64 位 linux操作系统，Qt5.5，Python3.5，TensorFlow1.0。

二、实验资源

1. 可进行的典型实验（所有实验均须提供完整的实验案例，包含源码、PPT 及实验指导书：

TensorFlow 实训、Pytorch 实训、Caffe、Mxnet、Darknet、Onnx 主流深度学习框架；自然语言处理相关实训、机器视觉技术与应用实训、机器/深度学习实训、机械臂控制货物分拣等典型实训项目，以上项目可基于 python/java 编程开发或控制。

2. 供完整 U-boot、Linux 内核、根文件系统镜像，提供满足人工智能 AI 实训需求的集成开发环境镜像、提供完整的项目案例源码和配套资源；具体的实现项目要求如下：

1)基本处理算法模型实验：至少包括机器学习中分类问题、回归预测问题两类问题的算法实验；

2)神经网络算法实验：至少包括基于前馈人工神经、基于闭合回路的递归神经、基于反向传播算法进行空间表征的压缩重构的网络模型算法实验；

3)TensorFlow 实用技术实验：至少包括对训练出来的模型进行保存和恢复以进行新的预测，

TensorFlow 中 Graph 的可视化以及训练过程中 loss 的可视化实验；

4)高级框架 TFlearn 实验：至少提供包括基于 Fine-tuning 实现对原模型的微调以及大型数据集的处理方案算法实验；

5)TFlearn 视觉网络：提供基于 TFlearn 计算机视觉处理处理网络算法实验；

6)人工智能应用实验：提供可以离线训练并识别的人工智能应用实验源码，至少包括 OpenCV 图像采集以及处理、手写数字识别、车牌识别、目标检测、人脸识别、语音识别应用实验算法实验；

7)机器视觉实验至少包括机器视觉概念与发展等实验；OpenCV 部分至少包括图像色彩空间变换、图像阈值分割、图像几何变换、平滑图像、目标轮廓特征查找、霍夫变换等实验；

8)机器/深度学习部分至少包括颜色识别、人脸识别等实验；

9)综合项目应包含 AI 计算机视觉仓库货物分拣整理、AI 语音机械臂控制货物分拣、AR 仓库货物分拣、基于 AI 开放平台的图像识别+抓取等试验。

3.7人工智能基础实训资源包

实验1：深度学习框架和开发环境

实验2：Python基础

实验3：Python进阶

实验4：Tensorflow基础

实验5：Tensorlow进阶

实验6：回归问题

实验7：手写数字识别

实验8：人脸识别

实验9：手势识别

实验10：肢体识别

3.8 python数据分析

实验1：机器学习介绍

实验2：掌握numpy的基本操作

实验3：掌握pandas的基本操作

实验4：掌握matplotlib的基本操作

实验5：初识线性回归

实验6：线性回归进阶

实验7：线性回归项目实战

实验8：逻辑回归实战

3.9 python数据应用

实验1：Numpy的数据处理

实验2：Pandas的数据处理

实验3：Matplotlib的数据可视化

实验4：Seaborn的数据可视化

实验5：pyecharts数据可视化

实验6：Plotly的数据可视化

实验7：基于pyecharts的招聘数据统计分析

实验8：新冠疫情数据的爬取和分析

实验9：sql语句的使用

3.10 计算机视觉-OpenCV基础篇

实验1：初识OpenCV

实验2：数值计算和图像融合

实验3：图像阈值和平滑操作

实验4：膨胀腐蚀和梯度运算

实验5：Sobel、Scharr、Laplacian算子

实验6：Canny边缘检测和轮廓近似

实验7：模板匹配

实验8：直方图操作

3.11基于Yolov5的目标检测

实验1：项目环境的配置和搭建

实验2：熟悉YOLOv5的训练模式

实验3：熟悉YOLOv5的测试模式

实验4：熟悉YOLOv5的预测模式

实验5：使用LabelImg标注自己的数据集

实验6：使用YOLOv5训练自己的数据集

3.12 Pytorch从入门到实战

实验1：Pytorch环境的配置和安装

实验2：初识Dataset与Dataloader

实验3：Tensorboard的使用

实验4：初识Transforms

实验5：常见Transforms的使用

实验6：Torchvision数据集的使用

实验7：Dataloader和nn.module的使用

实验8：卷积层和池化层在pytorch中的使用

实验9：Sigmoid和Relu在pytorch中的使用

实验10：pytorch中搭建神经网络实战

3.13 NLP自然语言处理基础进阶

实验1：使用nltk进行命名体识别

实验2：使用lesk算法进行词义消歧

实验3：语句边界检测

实验4：使用python进行更多的字符串处理1

实验5：使用python进行更多的字符串处理2

实验6：生文本处理项目小结1–数据读取

实验7：生文本处理项目小结2–数据清洗

3.14 NLP文本特征提取

实验1：使用正则化进行文本处理

实验2：N-Gram模型

实验3：使用keras进行文本处理

实验4：高级分词操作

实验5：更多文本操作补充

实验6：新闻关键词提取

实验7：使用pandas进行文本特征提取

实验8：文本通用特征提取进阶

3.15 机器学习与模式识别

实验1：使用Numpy相关操作

实验2：使用Pandas相关操作

实验3：使用Matplotlib相关操作

实验4：数据预处理和特征选择

实验5：线性回归基础到实战

实验6：逻辑回归基础到实战

实验7：Kmeans聚类算法的实现

实验8：SVD分解和PCA降维

实验9：决策树算法的实现

实验10：集成学习-随机森林

3.16 神经网络与深度学习

实验1：深度学习环境配置

实验2：反向传播算法的实现

实验3：卷积神经网络的使用

实验4：基于循环神经网络的酒店评论预测

实验5：长短时记忆网络的使用

实验6：对抗生成网络的使用

实验7：深度卷积对抗生成网络的使用

实验8：强化学习-多臂赌徒机

实验8：强化学习-有限马尔可夫决策

实验9：强化学习-动态规划

3.17 Tensorflow深度学习与实战实训资源

实验1：课程简介与开发环境搭建

实验2：深度学习基础和tf.keras

实验3：tf.data输入模块

实验4：计算机视觉-卷积神经网络

实验5：卫星图像识别tf.data、卷积综合实例

实验6：tf.keras高阶API实例

实验7：Eager模式与自定义训练

实验8：Tensorboard可视化

实验9：自定义训练综合实例与图片增强

实验10：使用预训练网络(迁移学习)

实验11：多输出模型实例

实验12：模型保存与恢复

实验13：图像定位

实验14：自动图运算与GPU使用策略

实验15：图像语义分割

实验16：自定义层和自定义模型

实验17：UNET图像语义分割模型

实验18：RNN循环神经网络

实验19：RNN序列预测实例–空气污染预测

实验20：一维卷积

3.18 YOLOV5+OpenCV实现抽烟检测

实验1：项目环境的配置和搭建

实验2：CUDA的安装和调试

实验3：CUDNN的安装和调试

实验4：Pytorch和Tensorflow的GPU版本安装测试

实验5：train.py主要代码块分析

实验6：detect.py主要代码块分析

实验7：使用labelimg标注yolo格式数据集

实验8：训练标注完成的数据集

实验9：UI界面编写

实验10：模型预测结果展示

3.19 MicroPython实训资源包

实验1课程简介与开发环境搭建

模块一：ESP32实训部分：

实验1按键点灯实验

实验2人体红外实验

实验3光照(雨滴)检测实验

实验4温湿度显示实验

实验5点阵显示实验

实验6呼吸灯灯实验

实验7语音播报实验

实验8RFID读卡

模块二：STM32F405实训部分：

实验1RGB灯点亮实验

实验2温湿度传感器

实验3光照传感器

实验4人体红外检测实验

实验5点阵显示实验

实验6可燃气检测实验

实验7继电器实验

实验8语音播报实验

实验9RFID射频识卡实验

3.20 控制节点配置

1.2U 机架服务器，非 OEM 产品，自主研发，国产知名品牌；

2.处理器：配置 1 颗英特尔至强 4214 处理器，主频: ≥2.2GHz，≥12 核；

3.内存：配置 128GB DDR4 内存,内存插槽数≥24 个插槽；最大支持 3T 内存容量，支持 2666MT/s 工作频率；

4.硬盘：本次配置 1块 480G SSD 硬盘；最多支持 20 个 3.5 寸；

5.RAID 卡：支持 RAID 0/1/5/6/1/50/60；

6.网卡：本次配置 2个千兆电口,2个万兆网口（不含光模块）；支持 OCP/PHY 卡扩展；；

7.电源：配置 550W 热插拔双电源，并提供配套的电源连接线；

8.导轨：机架式导轨；

9.I/O 扩展:PCI-E I/O 扩展能力支持≥9 个；

10.最大支持 4 个双宽 GPU、8 个单宽 GPU（响应文件中提供官网截图和链接证明）；

11.集成系统管理芯片，支持 IPMI2.0、KVM over IP、虚拟媒体等管理功能；

12.安全配置：支持原厂操作系统安全加固软件；

13.资质：提供 CCC 认证证书、中国环境标志产品认证证书复印件证明；须提供所投产品厂商 ISO20000 认证 、ISO 27001 认证等证书复印件证明；

14.售后服务：原厂商 3 年质保。

3.21 计算节点配置

1.2U 机架服务器，非 OEM 产品，自主研发，国产知名品牌；

2.处理器：配置 2 颗英特尔至强 4214R 处理器，主频: ≥2.4GHz，≥12 核；

3.内存：配置 256GB DDR4 内存,内存插槽数≥24 个插槽；最大支持 3T 内存容量，支持 2666MT/s 工作频率；

4.硬盘：本次配置 4 块 2T SATA 7.2K 硬盘；最多支持 20 个 3.5 寸；

5.RAID 卡：配置独立 RAID 卡，支持 RAID 0/1/5/6/1/50/60；

6.网卡：本次配置 2个千兆电口,2个万兆网口（不含光模块）；支持 OCP/PHY 卡扩展；；

7.电源：配置 800W 热插拔双电源，并提供配套的电源连接线；

8.GPU：配置 2 块 NVIDIA Tesla T4（16G）GPU卡；

9.I/O 扩展:PCI-E I/O 扩展能力支持≥9 个；

10.最大支持 4 个双宽 GPU、8 个单宽 GPU；

11.集成系统管理芯片，支持 IPMI2.0、KVM over IP、虚拟媒体等管理功能；

12.安全配置：支持原厂操作系统安全加固软件；

13.资质：提供 CCC 认证证书、中国环境标志产品认证证书复印件证明；须提供所投产品厂商 ISO20000 认证 、ISO 27001 认证等证书复印件证明；

14.售后服务：原厂商 3 年质保。

3.22系统集成

1.电线、网线、水晶头、线管、插排、电工胶布等辅材费用

2.设备安装及调试等费用

3文化墙建设

3.23 教室讲台

1、按用户需求及现场环境定制；

2、参考尺寸：1000600930mm；

3、钢制框架，环保木质面，实训椅定制，人体工学设计，带靠背，美观大方，结实耐用

4、操作台功能：上下层采用分体式设计，下层采用拼装结构，讲桌上层设计有隐藏式抽屉，可放置无线键盘、鼠标等教具。

3.24 教学一体机

1．整体采用包边设计，表面钢化玻璃在合金边框内，四角圆弧，双重保护，安全抗冲击；

2．底部两端采用笔槽设计，支持触控笔吸附；

3．屏幕尺寸≥86英寸，支持4K显示，可开启图像降噪功能，支持切换4:3和16:9画面比例；

4. 产品内置喇叭，采用防尘设计，功率不低于2x15W;

5．具有不少于8个前置物理按键，包含电源键、菜单、信号源、返回等；

6．产品前置Type-C接口，能承受一万次反复插拔；

7．支持单笔双色书写，一体机无需任何切换操作，一根触控笔两端触控实现两种颜色书写，颜色选择不少于十种；

8．内置独立AP热点，支持多个移动端同时连接，支持自定义设置密码；

9．具有五指熄屏功能，任意信号源下通过五指按压实现对屏幕的开关控制；

10．支持节能熄屏操作，遥控器熄屏、五指熄屏功能可以互通互用；

11．通道信号源名称支持自定义，支持中文、英文、数字、符号命名修改，方便识别；

12．具有触摸防遮挡功能，单点或者单边遮挡后可正常触控书写和操作；

13．支持左、右侧边工具栏功能，支持无操作自动隐藏，侧边栏可设置返回、主页、任务、批注、信号源等功能调用；

14．功放支持杜比音效、立体声音效，5.1声道、7.1声道，支持开启和关闭音效功能；

15．支持实时显示屏体温度，温度变化可以通过显示不同颜色进行提示；

16. 支持窗口一键下移功能，内置电脑、外接等多种信号源模式下实现窗口一键下移，再次点击恢复全屏显示，便于不同身高人员操作使用；

17. 内置安卓系统，系统版本不低于11.0，内存不低于2G,存储不低于16G,支持扩展语音识别；

18. 支持无PC状态下，内置互动白板支持书写及擦除，支持单点书写和多点书写切换

19.支持对内置电脑进行还原操作，可通过安卓系统或遥控器对内置电脑系统进行还原。

20. 支持会议展板功能，快速完成欢迎界面和会议主题设置，支持不少于12种模板，欢迎文字的字体、大小、颜色可以进行编辑。

21. 支持会议签名功能，并可扫码带走签名及模板

22. 支持设置开机画面/动画，支持更换主题风格，包括会议主题、教育主题、科技主题等；

23. 支持侧边栏自定义程序应用，包括日历（查看时间和添加事件）、童锁、聚光灯、截屏（全屏和自由截屏）、幕布等功能应用；

24. 支持任意通道下批注，并可以设置批注颜色和画笔大小，通过二维码可以分享批注内容；

25 . 任意显示通道下可以通过手势在屏幕上调取触摸菜单，菜单支持信号源通道切换、背光、声音、图像调节；

26. 整机内置非独立的高清摄像头，摄像头像素≥1300万，分辨率最高支持4160*3120，水平视角≥110°，支持数字音频MIC，支持系统调用。

27.为保护前置接口及接入的设备，具有前置挡板设计。

二、白板软件

1．白板软件可实现直接输入账号登录和扫码远程登录等快速登录方式，支持白板软件最小化；

2．工具菜单简单实用，包含录屏、思维导图、幕布、分屏、漫游等功能； 3．支持多人同时书写，互不影响，支持笔迹实现任意部分的擦除；

4．支持边写边擦，擦除过程中擦除面积随手的接触面积大小改变而改变；

5．支持将白板外的任意文件截图和截屏直接发送到白板，进行讲解和批注；

6．支持智能录制微视频和课堂内容，可以保存到本机上和一键上传云端教师空间；

7．多页面切换模式：可实现不同页面文档的快速翻页、预览，并且可以快速实现删除页面、移动页面位置。

8. 支持多资源使用，支持云资源、教材资源、本地资源，可以软件内调用学科题库出题；

9．软件支持分学科的模式设定，每个学科的教学工具均归类在独立的学科模式中，适应教学的实际需要；

三、同屏软件

1. 具备无线传屏功能，支持手机、笔记本电脑等移动端通过自动搜索接收端设备和六位识别码两种方式无线连接到一体机；

2. 识别码支持在一体机上悬浮显示 ,并可自由拖动改变显示位置 ,支持识别码刷新时间间隔和字体大小设置；

3. 支持 6个投屏客户端图像画面对比展示，在一体机上可以反向控制操作笔记本电脑上的内容 ,支持单击、双击、右键控制；

4. 支持音视频推送及管理，将手机中的音视频文件无线推送至一体机 ,并能进行播放和进行音量大小调节； 5. 一体机显示桌面可以实时同步到手机上 ,手机上可以对一体机桌面进行放大、缩小和漫游操作 ,方便手机端对一体机进行远程控制； 6. 支持鼠标遥控器功能 ,通过软件一键进行鼠标左键 、右键、上下滚轮滑动 、触摸板操控等功能。

四、微课软件

1.支持对音源、分辨率、录制区域进行设置。

2.支持对录制后的视频进行剪辑，并且可以添加水印。

3.剪辑功能支持添加至少25字文字水印，支持字号选择、透明度调整，支持多种颜色，水印显示位置可选择。

4.支持打开录课列表窗口，查看文件列表，在录课列表的任意目录下对文件或文件夹进行移动、删除、重命名等操作，可新建文件夹，快速搜索文件或文件夹；电脑采用OPS插拔式架构，可维护、拔插式结构设计；处理器配置Intel Core I5十代处理器；内存8G；硬盘256G-SSD 固态硬盘；具有独立非外扩展接口：HDMI out1个 、Mic in1个、 LINE-out1个、USB口6个，Rj451个；内置有线网卡和无线网卡。

3.25 实训工作站

品牌商用台式机，不接受拆改配机器及组装机，提供3C,节能，环境认证。

1.主板:≥intel B660芯片组;

2.CPU:≥12代Intel Core i5 12400（6核12线程，主频：≥2.5Ghz,睿频：≥4.4GHz,三级缓存≥18MB）；

3.内存:≥8GB DDR4 3200Hz，2个内存插槽，最大支持扩展至64G ；

4.硬盘：≥M.2 NVME 512GB SSD；

5.光驱:无光驱；

6.接口:10个外置的USB接口,前置USB≥6个USB 3.2；主板集成视频接口:≥1个VGA+1个HDMI+1个DP(支持三屏显示）；≥1个串口,≥2个PS/2接口,≥2个PCIex1插槽,1个PCI-Ex16插槽,≥1个PCI接口；

7.显卡:集成显卡

8.操作系统:预装正版windows11操作系统;

9.显示器:与主机同品牌23.8英寸液晶显示器

10.机箱:小于10L,顶置提手、开关键、Reset键及资产管理标签位；

11.电源:≥180W电源；

（二）数量