序号

名称

参数

单位

数量

单价限价（元）

1

实验台

1.1尺寸：120*60*75cm；

1.2主体材质：钢架+多层实木；桌下有一个钢架结构的长条置物板

张

11

500

2

人工智能前端设备应用实训平台

一、平台软件**：

1.1操作系统：

1)AI边缘网关须支持Debian/linux嵌入式操作系统，满足嵌入式操作系统教学。

2)AI边缘网关须支持ROS系统，满足柔性仿真机械手、机器车系统教学。

3)AI边缘网关须内置Python3.5以上板本的运行环境，满足Python的AI教学。

4)AI边缘网关须内置QT、PYQT5的运行环境，满足AI的可视化教学。

5)AI边缘网关须内置语音识别、语音合成、语音播报的离线SDK，满足AI的语音技术应用教学。

★6)AI边缘网关内置的AI算法至少包括分类检测、人脸识别、车牌识别、车位检测、人脸多属性分析、人体骨骼关键点检测，满足AI的基础应用与开发教学。（提供功能操作演示截图）

▲7)AI边缘网关须内置人脸多属性分析算法，具有不少于2个维度的分析结果；（提供功能操作演示截图）

8)AI边缘网关须内置人体骨骼关键点检测算法，具有不少于16个关键点的检测。

1.2端侧应用软件：

1)应用软件具有不少于5个内置AI算法应用,在认知和关键步骤上进行实际操作，满足AI的通识教学。对接网络摄像机，可以实现车牌识别、人脸识别、人体骨骼点和人脸多属性分析；对接USB摄像头，可以实现物品分类、目标检测和色块识别。

2)应用系统具备典型行业应用案例，利用智慧校园场景进行实训。智慧校园行业应用须包含人员和车辆出入控制、无人超市功能，提供管理员登录管理功能，对用户注册、已注册用户、出入车辆、操作控制进行管理。

★1.3AIOT云平台：（提供功能操作演示截图）

1)可实现智能家居情景控制管理，包含客厅灯控制，家居安防监控，寝室环境控制等功能，

2)支持项目的集中管理功能，可新增定制化项目并匹配行业类别，

3)支持物联网云网关的配置，支持云网关的设备管理、编辑等功能，

4)支持添加至少5种常用传感器类型，

5)兼容行业中至少2种常见的传感器传输类型的节点管理功能。

1.4算法模型训练工具

1)提供可视化模型训练工具，支持学生零代码构建高精度模型,支持分类/检测预训练模型，载入标注后的数据后，工具提供“数据预处理”、“数据生产”、“训练参数配置”、“模型训练”和“模型验证”功能。训练好的模型无需交叉编译可直接部署到边缘计算终端进行端侧推理验证。

1.5平台课程**

1)《人工智能前端设备应用》

① 课程须提供人工智能前端设备应用实训教学**，采用项目化方式实训，包括人工智能前端设备的安装与调试、应用系统部署、数据采集与标注、场景化应用与优化等内容。

② 课程须提供人工智能深度学习相关开发教学**，包括数据采集、数据标注、模型训练、模型部署和应用案例等实验。

③ 课程须提供配套用书和实训指导书，实训指导书采用项目化教学内容。

④ 课程须提供配套教学视频、PPT文档、程序源代码。

2)《嵌入式人工智能技术应用》

① 课程须提供边缘计算终端嵌入式开发教学**，包括项目一：使用OpenCV实现人脸检测、项目二：使用计算机视觉算法实现图像识别、项目三：利用串口实现边缘硬件控制、项目四：基于人脸检测算法实现家用设备的控制、项目五：基于计算机视觉技术实现稻麦监测系统等实验。

② 课程须提供配套教学视频、PPT文档、程序源代码。

3)《边缘智能计算应用》

① 课程提供主流深度学习框架Tensorflow、Pytorch进行模型搭建、模型训练、模型转换、模型部署、模型推理等。

② 课程提供边缘计算开发板基础应用、边缘计算算法SDK应用、基于TensorFlow的图像上色模型部署、基于Pytorch目标检测模型部署、基于TFLite的手掌检测模型部署等课程内容。

③ 课程须提供配套教学视频、PPT文档、程序源代码。

二、平台硬件**

2.1AI边缘网关：

1)处理器内核：处理器不少于五核，提供产品功能证明图片。

2)GPU处理器不少于双核；

3)NPU:须支持8bit/16bit运算，须支持TensorFlow、Caffe模型，运算性能不低于3.0TOPs；

4)终端搭载内存≥4GBDDR4,存储≥32GBEMMC5.1。

5)终端搭载Emmc5.1存储器，容量不低于32GB。

6)有线通信：千兆以太网口；

7)无线通信:须支持蓝牙、wifi；支持2.4GWiFi，须支持802.11b/g/n/d/g/h/i协议；符合蓝牙2.1+EDR规范，包括2Mbps和3Mbps调制模式；符合蓝牙3.0标准；符合蓝牙4.2双模的；须支持Piconet和Scatternet的全速蓝牙操作；企业级安全性，可将WPA/WPA2认证应用于Wi-Fi；Wi-Fi发送器和接收器不低于150Mbps的数据速率的下行PHY速率和150Mbps上行PHY速率；须支持M.2接口的无线4G/5G模块扩展。

8)串行接口：须支持RS232/RS485,须支持MicroUSB的U转调试串口；

9)USB口：不少于3个USB3.0HOST的TYPE-A接口，不少于1路USB3.0OTG(Type-C)接口；

10)板载扩展：须可接1*I2S、2*I2C、ADC1_CHO、ADC1_CH1、1*PWM、2*SPI，须支持中断编程，3路电源（12V\5V\3.3V）

11)视频编解码：须支持4KVP9and4K10bitsH265/H264视频解码，高达60fps；1080P多格式视频解码(WMV,MPEG-1/2/4,VP8)，支持6路1080P@30fps解码；1080P视频编码，支持H.264，VP8格式，须支持2路1080P@30fps编码；视频后期处理器：反交错、去噪、边缘/细节/色彩优化。

12)智能视频处理：须支持实时图像缩放、裁剪、格式转换、旋转等功能；

13)视频接口输出:1路HDMI2.0(Type-A)接口，须支持4K/60fps输出；1路MIPI接口，须支持1920*1080@60fps输出；

14)音频接口：不少于1路HDMI音频输出；不少于1路Speaker，喇叭输出；不少于1路耳麦，用于音频输入输出；不少于1路麦克风，板载音频输入；

2.2触摸显示屏：

1)搭载不低于10寸IPS屏，支持多点触控电容屏。

2)须提供178°水平可视角度。

3)须提供350cd/㎡显示亮度。

4)须提供800：1（动态）的对比度。

2.3USB图像采集设备：

1)模块须搭载不低于800万像素工业级无畸变摄像头。

2)模块须支持自动曝光控制AEC，须支持自动增益控制AGC，须支持自动白平衡。

3)须支持自动对焦功能。

2.4RTSP图像采集设备：

1)200万1/2.7CMOSICR红外阵列筒型网络摄像机

2)最低照度:彩色：0.001Lux@（F1.2，AGCON），0LuxwithIR

3)焦距及视场角:****@F1.6，水平视场角：86°，垂直视场角：46.3°，对角线视场角：104.2°

4)宽动态范围:120dB

5)视频压缩标准:

6)主码流：H.265/H.264

7)子码流：H.265/H.264/MJPEG

8)最大图像尺寸:1920×1080

2.5智能人脸门禁：

1)识别率：大于99%

2)人脸识别时间：最快0.2秒

3)人脸识别距离：0.3m~1.8m

4)人脸库容量：最高50000

5)常用核验方式：人脸（1：N）；人证核验。

6)屏幕尺寸及分辨率：触摸屏，7英寸，600*1024

2.6语音采集播放设备:

1)声音功能声音取样频率：32KHz

2)通讯模式：全双工同时对谈

3)回音消除：高于58dB

2.7无线路由器

1)300M无线路由，2根天线；

2)4个百兆网口。

2.8图像识别实验模块

1)模块须配备不低于2个人偶模型。

2)模块须配备不低于3种动物种类模型，至少包括猫、奶牛、狗动物。

3)模块须配备不低于2种水果模型，至少包括苹果和香蕉。

4)模块须配备不低于2种交通工具模型，至少包括汽车和摩托车。

5)模型须配备不低于8个不同形状和颜色的色块。

6)模型须配备不低于3种商品模型，至少包括橙汁、甜甜圈、篮球。

2.9IOT实验模块

1)实验模块须配备工业级数字量I/O模块，支持不低于7个通道采集输入和不低于8个通道控制输出。

2)实验模块须配置工业级485型光照度采集模块，测量响应时间不高于1秒/每次，测量精准度不高于±3％FS。

3)实验模块须配置带轰鸣器的警示灯，支持红、黄、绿三色单独开关控制.

4)实验模块须配置被动式红外热释放的人体红外传感器。

5)实验模块须配置可长时间通电的门锁模块，锁舌行程7mm，锁舌吸力不高于0.5N（50g）。

6)实验模块须配置可长时间通电小风扇模块。

7)实验模须配置不低于2组的4路继电器，支持高/底电平触发。

2.10实验器材收纳模块

1)模块须配置具有防震、防摔、收纳功能的收纳箱。

套

6

36700

3

实验台

1.1尺寸：120*60*75cm；

1.2主体材质：钢架+多层实木；桌下有一个钢架结构的长条置物板

张

12

500

4

实验台套件

1.1尺寸：120*60*75cm；

1.2主体材质：钢架+多层实木；带钢架结构置物架，配全实木凳。

套

8

600

5

人工智能教学实验平台

一、整体：

1.平台包含教务端、老师端及学生端，集成了教务管理、课程管理、班级管理、教师管理、学生管理、考试管理、报告管理等众多功能，要求能结合搭载个人学习情况分析、班级学习状态监测及平台运行状态监测功能，使得学生学习更加高效、教师教学更加便捷、学校管理更加有序。可覆盖课程教学、人工智能算法实训及人工智能边缘硬件开发功能，将线上教学、云端计算及线下应用充分联动，培养学生AI知识认知、AI技能实训及AI应用部署的人工智能全流程开发应用能力。

2.人工智能教学实验能够支撑人工智能专业核心课程的教学与实验，可实现人工智能课程在线教学和实验。

3.具备理实一体化教学过程，将理论学习、动手实践结合在一起；

4.支持常见的项目案例实验环境，从单一的知识应用到综合技能应用实训；

5.具备项目化实训过程，每个实训项目分任务式开展，任务之间可独立开展；

6.具备对学生项目过程完全情况的查看功能，方便教学人员查看处理，有效的提高教学质量；

7.采用目前流行的B/S架构部署，提供统一的数据保存和升级能力

二、教学管理功能：

1.****学校管理员端、教师端、学生端。

2.支持****学校管理员管理模块，在管理员模块可以进行课程管理、班级管理、**管理等操作。

3.支持学校管理员通过课程管理，新增课程，课程信息至少包含课程名称、课时数、课程方向、课程等级、课程**等；

4.支持学校管理员通过教师管理对教师账号进行增删改查；

5.支持学校管理员通过班级管理对班级进行增删改查；

6.支持学校管理员通过学生管理对学生账号进行增删改查；

7.支持学校管理员通过**管理，查看预览教学**；

8.支持教师端向学生下发课程章节学习任务，下发任务信息至少包括课程名称、课程**、**章节、指定班级或学生等；

9.支持教师通过学生任务管理，查看学生的完成情况，并对已完成的学生任务进行评分；

10.支持教师通过**管理，上传所需的教学**，教学**至少包括手册、图文、数据集、软件、代码等相关资料；

11.学生须能够根据教师下发的课程进行课前预习，能够对教师所下发的课程**实现下载与浏览；

12.学生须能够在课程学习页面跳转至实训平台环境，根据指导下载教学**，完成实操开发操作；

13.支持教师对各项学生任务整个教学活动的监控，包括任务耗时、剩余时长、完成进度、完成情况；

14.平台须支持以卡片的形式显示所有**的名称和描述，支持新增、删除、编辑和查看**；

15.平台支持课件管理支持课件查询、创建、批量下载和批量删除，支持word、ppt、pdf、markdown等多种文件格式的上传;

16.支持word、ppt、pdf、markdown等多种文件格式课件操作时在线预览。

三、考试认证功能：

1.支持考试功能，支持单选题、多选题、判断题等客观题自动评分功能；

2.平台支持管理员导入和维护考试题库；

3.支持考试过程监控学生答题耗时和统计交卷时间等情况；

4.支持考试认证过程实操任务部分支持学生上传答题资料，支持上传图片、代码文本等答案压缩包；

5.支持教师端可查看学生提交答题资料、下载答案压缩包根据评分标准进行考试评分；

6.考试模式页面，支持答题区域与答题卡区域，答题卡区可实时统计未作答、已作答、标记及当前题，自由的上下题切换，已作答保存作答结果；

7.支持学生考试撰写实验任务报告，报告可多次编写保存，最后提交。支持图片、文字及代码等富文本的输入；

四、实训环境功能：

1.所提供的实验环境须基于B/S架构，教师与学生能够在浏览器上直接进行交互式编程实验；

2.所提供的实验环境须基于Docker容器化技术，启动时间≤20秒，方便实验的快速开展；

3.软件可为用户提供可进入JupyterNotebook进行代码编写，也可进入终端界面进行操作，实际操作方法与linux系统操作并无区别，用户可根据实际需求自主安装并配置实验所需环境依赖；

4.需提供多种应用开发调试入口，如JupyterNotebook入口、终端入口、文本编辑入口、云桌面入口等；

5.须提供代码训练功能，教师可通过自由设置，将代码模块留空，交予学生进行编程训练，并根据运行结果提示学生判断代码编写是否正确；

6.须提供预置的模型训练脚本，可在预置脚本基础之上，针对提供的数据集，修改训练参数，进行微调训练；

7.所提供实验环境文本编辑器须支持多种编辑器风格，包括但不限于：vim、emacs、sublime；

8.所提供实验环境需支持多种训练方式，可在Notebook内实现代码运行，也可使用.py文件在终端界面进行运行，平台均将提供最大兼容性支持；

9.所提供的实验环境支持云桌面环境，用户可操作桌面环境打开浏览器等工具，验证模型部署效果。且云桌面环境与Notebook环境的数据是相通的；

10.所提供的实验环境须支持多个学生不同模型训练任务同时运行，提高**使用效率；

11.平台不同用户之间可实现计算**隔离，保障用户计算**的使用；

12.所提供的实验环境须对多种深度学习框架进行支持，包括但不限于：TensorFlow、Keras、PyTorch、Caffe等

13.平台须提供基础的统一镜像，该镜像的操作系统为Ubuntu18.****.4LTS。用户可基于该镜像安装主流的深度学习框架和主流的依赖包，不易产生冲突；

14.★实验环境需支持在线方式部署模型预测应用，且需支持图像分类或目标检测等模型预测效果web页面展示；提供佐证图片）

15.支持用户针对编辑过的.ipynb格式文件一键还原至初始状态，方便学生实验过程中的回退修改；

16.开发环境底层基于K8S容器化架构，提供较好的可扩展性和可伸缩性，方便扩容；

17.平台支持实时显示当前内存和CPU占用情况，支持选手手动终止占用**较大的应用程序；

18.★需提供可视化模型训练工具进行预训练模型重训，可支持图像采集、标注后的数据通过简单的参数设置快速的在工具上进行数据处理、模型训练与评估和部署的相关功能；（提供佐证图片）

19.实验环境需可为用户提供可以一键重置实验环境，重置后系统开发环境还原为初始状态，实验过程中安装的依赖包需被清除，方便学生开展不同实验任务之间环境不产生冲突；

20.实验环境支持实验环境容器重置后，用户个人文件仍然存在，可持久化保存文件；

21.支持对CPU、GPU、内存的总**、已分配**、分配率进行展示，帮助管理员/教师掌控**是否足够，方便决策是否需要升级更高版本或者增加物理**；

22.支持基于容器实现GPU虚拟化，虚拟化vGPU可配置算力大小，可配置显存大小，可根据实际教学需要配置vGPU，提高物理GPU利用率；

23.支持实验环境**与镜像配置，管理员可根据教学不同阶段需要灵活配置学生实验容器CPU、内存、GPU以及实验镜像参数；

24.支持任务学习过程中章节快速切换、任务进度跟踪、剩余时间倒计时，报告填写提交、上下节导航、当前节提交、任务提交、成绩查看、截屏、学习资料上传等子功能；

25.终端实训模式页面，支持实训手册与终端环境左右同屏能力，学生可切换成仅文档模式来满屏查看课件，也可切换成全屏终端模式来操作命令行；

26.支持切换回课件与终端环境左右同屏；

27.命令行操作支持用户复制、粘贴代码段；

28.支持自由实验功能，学生在同一页面上同时显示两个终端环境，方便在进行多任务时的快速操作；

29．平台须提供实验环境管理，包括集群管理、镜像列表、IP池列表、实验环境、持久卷管理、实例管理、实验记录；

30.镜像列表支持选择tar文件上传镜像并提交到harbor私有仓库，将上传后的镜像批量推送到K8S服务器集群。IP池列表支持某区间批量新增IP、支持批量删除；

31.实验环境支持yaml文件上传及手动输入yaml内容的方式创建实验环境；

32.支持环境生成持久卷快照，利用持久卷快照快速创建指定帐号的数据持久目录；

33.实例管理支持监控实验的任务、IP、状态、启动时间、退出时间、时长、使用镜像等信息，以及实例的禁用、释放、登录操作；

34.平台支持实验插件管理，支持设定插件名称、URL、认证类型、密钥及认证规则管理实验组件；

35.实验环境支持训练后的模型文件，可在线进行模型量化，量化后的模型支持在如下配置的边缘计算终端中进行推理运行。

五、边缘计算终端的配置：

1）终端内置高性能处理器，处理器不少于五核,其中须包含不低于双核ARMCortexA72芯片，GPU处理器数量不少于双核。

2）终端须内置AI加速处理单元，主频不低于840MHz,运算能力不低于3.0TFLOPS。

3）边缘计算终端至少支持目标检测、人脸识别、车牌识别、车位检测、人脸多属性分析、人体骨骼关键点检测，满足AI的基础应用与开发教学。

4）边缘计算终端须支持人脸多属性分析算法，具有不少于2个维度的分析结果，**（表情、是否佩戴眼镜、是否佩戴口罩、年龄、性别）；

5）边缘计算终端须支持人体骨骼关键点检测算法，具有不少于16个关键点的检测。

六、教学**

6.1《人工智能导论》

教学**须配套《人工智能导论》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1.需满足不低于48课时教学。

2.符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学。

3.提供不低于7份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供。

4.提供不低于17份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程。

5.提供不低于17份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学。

6.提供相关案例源码及数据集文件。

7.教学**内容须涵盖但不限于以下内容：

a.人工智能概述：人工智能基本概念解析、人工智能核心技术初识、人工智能学习工具介绍。

b.人工智能算法应用：食物营养分析、电影推荐、智能垃圾分类。

c.人工智能技术应用：口罩佩戴识别、人脸信息检测、OCR发票识别、智能车牌检测。

d.人工智能行业探索：AI+教育、AI+家居、AI+经济、AI+工业、AI+医疗、AI+农业。

e.人工智能安全及发展：人工智能安全及发展。

6.2《Linux操作系统》

教学**须配套《Linux操作系统》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1.需满足不低于64课时教学。

2.符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学。

3.提供不低于21份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供。

4.提供不低于21份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程。

5.提供不低于21份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学。

6.提供相关案例源码及数据集文件。

7.教学**内容须涵盖但不限于以下内容：

a.安装与配置linux操作系统：使用VMware安装Ubuntu18.04 操作系统

b.基本命令使用：Linux查看帮助信息的命令、Linux目录管理命令、Linux文件管理命令、 Linux目录文件通用管理命令。

c.文件内容查看、解压和压缩：文件内容查看1；文件内容查看2；文件解压和压缩命令。

d.用户和组管理：用户管理、用户组管理、su和sudo命令。

e.系统、硬件和软件管理：硬件管理、系统管理、软件管理。

f.vim编辑器使用： Vim基本操作、Vim修改和替换操作、Vim文件操作、Vim其他操作。

shell脚本编程基础：shell变量、 shell脚本中的特殊字符、条件判断与循环结构。

6.3《Python程序设计》

教学**须配套《Python程序设计》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1.需满足不低于64课时教学。

2.符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学。

3.提供不低于20份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供。

4.提供不低于20份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程。

5.提供不低于20份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学。

6.提供相关案例源码及数据集文件。

7.教学**内容须涵盖但不限于以下内容：

a.认识Python程序：程序的成分构成

b.Python基础：Python中的值类型、Python中的运算操作符。

c.流程控制：条件语句、循环语句。

d.字符串：字符串介绍、字符串的函数介绍。

e.数据容器：列表与元组、集合与字典、迭代与嵌套。

f.函数：函数的参数、函数的值。

g.文件：文件的基础操作、With语句块。

h.面向对象：类与对象、变量的作用域、类的继承与重写。

i.模块：模块的介绍与作用。

j.数据可视化：案例分析：销售记录可视化、案例分析：鸢尾花数据可视化。

6.4《机器学习技术应用》

教学**须配套《机器学习技术应用》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1.需满足不低于64课时教学。

2.符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学。

3.提供不低于14份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供。

4.提供不低于14份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程。

5.提供不低于14份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学。

6.提供相关案例源码及数据集文件。

7.教学**内容须涵盖但不限于以下内容：

a.数据分析：简单电影数据统计、工资数据简单统计。

b.回归分析：电影数据分析（一元线性回归）、电影数据分析（多项式回归）、薪资数据分析

c.身高与体重数据分析：使用逻辑回归、朴素贝叶斯进行性别分类、使用逻辑回归进行肥胖判定、使用决策树、支持向量机SVM对数据进行分析与预测。

d.鸢尾花分类：使用K近邻、随机森林、神经网络进行鸢尾花分类、使用K近邻、随机森林、神经网络进行肥胖分类。

e.电影评分数据分析（聚类）：使用密度聚类和K均值聚类算法对电影评分数据分析。

f.手写数字识别应用：使用SVC进行手写数字识别、使用神经网络进行手写数字识别

g.电影数据分析：项目综合。

6.5《深度学习技术应用》

教学**须配套《深度学习技术应用》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1.需满足不低于64课时教学。

2.符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学。

3.提供不低于15份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供。

4.提供不低于15份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程。

5.提供不低于15份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学。

6.提供相关案例源码及数据集文件。

7.教学**内容须涵盖但不限于以下内容：

a.Tensorflow实现服装图像分类：Tensorflow基础操作、对服装图像进行分类、KerasTuner超参数调节。

b.Tensorflow实现文本分类：自定义神经网络实现电影评论文本分类、使用Tensorflow Hub改进文本分类模型。

c.迁移学习实现新冠肺炎X光检测：图像处理以及划分训练集测试集、模型搭建以及微调训练。

d.基于Flask的模型应用与部署 - 猫狗识别：模型训练与评估、运用flask将模型部署成网页端应用。

e.神经网络的语言处理 - 古诗词生成：文本数据预处理、循环神经网络搭建、模型测试与部署。

f.使用VGG19迁移学习实现图像风格迁移：初识图像风格迁移、基于VGG19构建迁移学习模型、训练模型实现图像风格迁移。

6.6《人工智能训练师中级工认证课程》

教学**须配套《人工智能训练师中级工认证课程》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1.需满足不低于50课时教学。

2.包含人工智能训练师中级工认证考试知识点，能够支撑认证考试，符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含1-3个实操任务，每个实操任务满足约2个课时的实操教学。

3.提供不低于12份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供。

4.提供不低于24份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程。

5.提供不低于12份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学。

6.提供相关案例源码及数据集文件。

7.教学**内容须涵盖但不限于以下内容：

a.业务数据质量检测：Pandas数据统计计算、Pandas缺失数据检测与处理

b.数据处理方法优化：Python文本数据处理基本方法、猫狗识别图像数据筛选与匹配

c.数据归类和定义：化验诊断结果数据分类分析、中小微企业信贷数据分析、新冠肺炎疫情数据可视化

d.标注数据审核：无人商超图像数据标注、新闻文本实体命名标注、智慧交通数据集标注审核

e.智能系统维护：智慧工厂安全帽数据服务系统维护

f.智能系统优化：智慧工厂安全帽数据服务系统优化

6.7《Python数据分析及可视化》

教学**须配套《Python数据分析及可视化》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1.需满足不低于64课时教学。

2.符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学。

3.提供不低于16份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供。

4.提供不低于16份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程。

5.提供不低于16份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学。

6.提供相关案例源码及数据集文件。

7.教学**内容须涵盖但不限于以下内容：

a.站点气温数据分析——Numpy数据分析基础：数组基本操作、数组数据分析。

b.汽车目标客户体验数据分析——pandas数据分析基础：Pandas基本操作、Pandas数据预处理与可视化。

c.疫情数据可视化——Matplotlib、Seaborn常用绘图：Matplotlib常用绘图、Seaborn常用绘图。

d.航空乘客数据预测——时间序列数据预测：时间序列数据操作、时间序列数据预测。

e.化验诊断结果数据分析——机器学习基础：回归与分类分析、聚类、主成分分析与关联规则。

f.综合数据分析案例：名字频率分析、餐饮数据分析、影评数据分析、财政收入影响因素分析及预测、中小微企业的信贷决策、百货商场会员画像描绘。

6.8《数据标注与处理》

教学**须配套《数据标注与处理》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1.需满足不低于48课时教学。

2.符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学。

3.提供不低于12份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供。

4.提供不低于12份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程。

5.提供不低于12份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学。

6.提供相关案例源码及数据集文件。

7.教学**内容须涵盖但不限于以下内容：

a.图片标注：图像基础操作、图像处理、图像分类标注、图像标框标注、图像描点标注。

b.文本标注：常见的文本处理方法、文本分类标注、实体命名标注。

c.语音标注：语音数据标注、音频滤波以及降噪方法。

d.视频标注：视频处理、视频物体追踪标注。

6.9《数字图像处理技术应用》

教学**须配套《数字图像处理技术应用》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1.需满足不低于64课时教学。

2.符合项目式教学模式，每个项目围绕某一领域工作任务或知识点开展，每个项目中包含2-4个实操任务，每个实操任务满足约2个课时的实操教学。

3.提供不低于16份实训指导手册，每份实训指导手册匹配一项实操任务，若该实操任务采用JupyterNotebook方式开展，该实训指导手册可以.ipynb格式文件提供，若不是，可以word或pdf格式文件提供。

4.提供不低于16份教学视频，对实操任务的教学过程进行讲解，讲解过程清晰，涵盖实操任务完整过程。

5.提供不低于16份教学PPT。根据教学内容配套，教学课件内容须贴合实际教学。

6.提供相关案例源码及数据集文件。

7.教学**内容须涵盖但不限于以下内容：

a.数字图像基础操作：数字图像环境搭建和入门操作、数字图像算数运算、数字图像平滑处理。

b.图像形态学和梯度计算：形态学处理、图像梯度计算、图像特征点检测。

c.图像直方图和量化处理：图像直方图和均衡化、图像量化处理、图像轮廓处理。

d.图像变换：图像变换基础、图像的几何空间变换、图像拼接。

e.数字图像处理项目实战：人脸关键点定位、答题卡识别判卷、车道检测、视频多目标追踪。

套

1

168000

6

服务器

1、2U机架式

2、≥2颗 英特尔 至强 Gold 6330 2.0GHz,28C/56T,11.2GT/s,42M缓存处理器；

3、≥512GBRDIMM,3200MT/s,RECC服务器内存；

4、≥960GB固态硬盘SATA读取密集型6Gbps5122.5英寸热插拔，固态硬盘；

5、≥8TB7.****.5英寸硬盘机械硬盘；

6、PERCH 755 8G控制器，适配器，全高RIAD卡*1块；

7、NIC_10Gbps_2Port_LC_Inspur_X710_OCP3.0_MM万兆网卡*1个/双；

8、热插拔,电源冗余(1+1),1400W,MixedMode电源*2个；

9、GPU就绪型配置线缆安装套件*2/IHS安装套件|无线缆*2；

10、网关路由器，至少5个千兆网口，支持虚拟服务器功能可实现内部端口与外部端口映射功能*1;

11、安全功能和特性: 加密签名固件，硬件根信任，安全启动，自动BIOS恢复，快速OS恢复，系统一键锁定，安全的缺省密码，配置和固件漂移检测，持久日志（包括用户形迹）;

前置管理液晶屏: 前面板上配备有液晶屏，可显示默认或定制信息，包括IP地址、服务器名称、支持服务编号等。如果系统发生故障，该液晶屏上将显示关于故障的具体信息;

12、能耗管理: 可监控、报告及控制处理器、内存及系统级的能耗，允许通过一体化管理控制台实现基于策略的功耗封顶。虚拟机功耗映射，可以根据功耗对于虚拟机进行负载平衡以及按虚拟机报告功能;

13、第三方管理平台集成: 提供主流管理平台如VMware vCenter，Microsoft System Center，BMC Software的插件集成；能够连接常见的管理平台如Nagios Nagios XI,Oracle Enterprise Manager, HP Operations Manager,IBM Tivoli Netcool/OMNIbus, IBM Tivoli Network Manager, CA Network and Systems Management;

14、远程管理: 配置远程管理卡，具有单独的管理网口，可不依赖主机操作系统进行远程操作。提供远程监控图形界面, 可实现与操作系统无关的远程对服务器的完全控制，包括远程的开关机、重启、更新Firmware, 虚拟KVM, 虚拟软驱, 虚拟光驱、虚拟介质重定向等操作；支持SNMP，IPMI和Redfish；支持IPv6; 允许用户独立于操作系统状态之外（免代理安装方式）远程访问、监控、维修、修复和升级服务器; 能够利用SD卡保存操作系统安装镜像，从而实现一站式地完成操作系统的部署，包括内建驱动程序安装、固件更新、硬件配置和问题诊断;

15、性能监控软件:提供与服务器同一品牌的性能分析软件一套，软件无代理程序，可远程运行，并收集磁盘IO，吞吐量，容量，CPU，内存使用率，IO延时，队列深度，读写比例，等指标，支持windows，Linux，vmware系统;

16、全生命周期管理: 从服务器出厂免光盘安装部署，到升级，监控，维护，直至报废涉及的方方面面提供全生命周期管理

台

1

113500

7

ROS自动驾驶小车实训平台

一.人工智能自动驾驶实验平台基础功能

实验平台由AI核心开发板、深度摄像头、激光雷达、驱动板、电机等设备组成，一体高度集成硬件驱动模块，简单明了的系统设计框架，配套丰富的教学辅助工具，让学生能够快速掌握自动驾驶的关键技术，进行ROS机器人操作系统学习及二次开发。

二.平台硬件**

1.整体描述：

(1) 操作系统：Ubuntu18.0

(2) 尺寸：322*220*251mm；

(3) 重量：4.8KG；

(4) 负载能力：(1kg)四轮差速，阿克曼模式(4kg)；

(5) 最大速度：1m/S

(6) 电机：18V轮毂电机

(7) 编码器：霍尔

(8)主控板：STM32。

(9)ROS 主控：NVIDIA Jetson Nano（4GB）；

(10) 控制方式：手机APP；

2．深度摄像头

（1）工作环境：室内/室外都可以适应；

（2）工作范围：0.3-3m；

（3）工作范围：0.28-10m；

（4）深度图像分辨率：不低于1280*720@30fps/848*480@90fps；

（5）深度视场：86°*57°(土3°)；

（6）RGB传感器视场：不低于69°*42°(土1°）；

（7）RGB传感器技术：不低于2MP/全局快门；

（8）精度误差：<2%(2m内)；

3．激光雷达

（1）测距范围：0.10~8米 0.1~16m(反射率80%)

（2）扫描角度：0~360度

（3）扫描角度：0~60；

（4）绝对误差：不小于2cm(测距≤1m时)；

（5）相对误差：不小于3.5%（1m

（6）角度分辨率：0.6≤角度分辨率≤0.96°；

（7）单次测距时间：0.5ms；

（8）测距半径：0.12≤测距半径≤8m；

（9）测量频率：测距频率不小于3000Hz；

（10）扫描频率：5≤扫描频率≤8Hz；5~12HZ

4．四驱底盘

（1）不少于4个电机，四轮独立驱动；

（2）可实现多种底盘运动模式便捷切换，包括四轮差速、阿克曼模式、麦轮模式、履带模式；

（3）负载可以根据车体的不同模式调整，四轮差速负载不小于1KG；阿克曼负载不小于4KG；麦克纳姆轮载重不小于4kg；最小离地间距不小于24mm。

（4）1个电机驱动板：应搭载STM32控制板，板载4路大功率电机驱动，最大驱动电流不小于7A；最高支持24V电压输入；

（5）不少于1个USB接口扩展板：至少支持3路USB设备扩展；

（6）电池：至少配置12V5200mAh容量动力锂电池；

（7）配套电池剩余容量显示；

5．传感器支架

应配置深度摄像头和激光雷达一体化安装支架，支持USB深度摄像头和激光雷达安装固定。

6．触摸屏

（1）分辨率不低于1024*600；

（2）视频输出：HDMI；

（3）控制方式：电容式触摸控制；

（4）供电接口：MicroUSB电源插座；

（5）控制接口：MicroUSB触摸接口；

（6）亚克力外壳；

7．收纳箱

（1）尺寸：设计合理且可用于收纳该实训设备所有零部件；

（2）铝合金包边；

（3）防水防潮，耐腐蚀；

8．边缘计算终端：

（1）终端内置高性能CPU处理器，处理器配置不少于四核；

（2）GPU处理器核数不少于128核；

（3）终端须内置AI加速处理单元，主频不低于840MHz；

（4）终端搭载内存≥4GBDDR4,支持microSD卡；

（5）终端搭载Emmc5.1存储器，容量不低于64GB；

（6）视频编码：****；

（7）视频解码：支持4K@602x4K@308x1080p@3018x720p@30(H.264/H265；

（8）外设接口：

a)千兆以太网口，须支持POE受电。

b)不少于4个的USB3.0HOST的TYPE-A接口。

c)提供3.5mm音频输入输出接口。

d)提供至少支持1路MIPICSI-2DPHYlanes接口，至少支持8路视频接入。

e)提供HDMI2.0视频输出接口，输出最大支持4K@60fps。

f)提供串行接口：支持RS232和RS485接入方式,支持MicroUSB的U转调试串口。

g)提供40PIN板载扩展；

三.小车功能

1.基于雷达的自动巡线功能；

2.▲移动端远程控制智能小车；（提供操作演示视频截图）

3.视觉跟随:自动导航、动态避障、AMCL室内定位功能；

4.激光雷达构建SLAM地图功能；

5.基于深度摄像头的RGB图像和深度图像采集功能；

6.使用激光雷达进行路径巡检、自动倒车入库功能；

7.使用深度摄像头进行交通要素的识别和车辆智能控制；

8.★基于图像的交通元素识别（红绿灯、不少于3类标识牌和1类障碍物识别）功能；（提供操作演示视频截图）

9.离线语音识别和控制功能；

10.实训环境下的自动驾驶综合实践。

四．教学支撑系统

智能小车具备JupyterNotebook教学支撑能力，PC端通过浏览器打开JupyterNotebook与智能小车进行联动控制实验。

四.实验平台配套课程

教学**须配套《移动机器人技术应用》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

《移动机器人技术应用》：

（1）项目一：ROS与移动机器人控制基础：介绍ROS通信实验、移动机器人基本操作、底盘运动控制等内容。

（2）项目二：基于深度学习的图像分类和目标检测：图像处理基础、搭建神经网络进行图像分类、障碍物识别。

（3）项目三：机器人视觉感知模块：介绍捕获和显示RGB/深度图像，介绍字符识别、车道线识别(opencv)、交通标识识别、二维码识别。

（4）项目四：定位与导航模块：介绍显示物体距离、介绍二维SLAM地图构建、SLAM导航、雷达建图实现巡线驾驶、雷达建图实现倒车入库。

（5）项目五：机器人语音模块：介绍语音录制、语音识别、语音控制移动机器人等内容。

（6）项目六：自动驾驶综合实践：介绍自动驾驶综合实验案例，包含有雷达建图、雷达数据的获取、交通标识识别、语音控制、升降杠控制等综合实验案例。

套

6

37000

8

人工智能算法训练平台

一、集群/节点

1.支持统计集群中节点个数，主控节点、工作节点、计算节点、存储节点个数。

2.支持统计集群状态、集群中CPU核数、GPU卡数、持久化存储的总量和已使用量。

3.支持监控近期内各集群的CPU、内存、持久化存储的使用情况。

4.支持监控节点CPU使用、内存使用、存储读写速率、网络I/O情况，用户可选择时间段查看。

5.监控集群Volume总数、磁盘空间使用、实际存储数据，按节点监控磁盘IO。

6.支持监控单个GPU卡利用率、显存使用情况、以及在各应用上的实时分配情况。

7.支持GPU虚拟化，实现计算**隔离；

二、内置丰富的数据集

1.用于图像分类算法训练的数据集：

玻璃手镯缺陷检测分类数据体

汽车分类数据集

2.用于目标检测算法训练的数据集：

螺丝异常检测数据集

道路标志检测数据集

自行车头盔检测数据集

3.用于图像分割算法训练的数据集：

道路分割数据集

皮革缺陷检测与分类数据集

4.用于数据分析及可视化的数据集：

找出生产中的缺陷数据集

交通预测数据集

汽车二氧化碳排放量数据集

5.用于OCR识别算法训练的数据集：

车牌识别数据集

包装序列号识别数据集

三、业务占用**

1.支持按公开性分别统计平台所有AI资产的数量，包括：代码集、外部代码仓库、数据集、用户数据源、结果集、镜像。

2.支持统计数据集、结果集、代码集和镜像分别占用的存储空间。

3.支持统计平台中所有配额项的**总量和超分率，包括：CPU、内存、GPU(物理卡)、GPU（虚拟卡）、临时存储、持久化存储。

4.可查看各空间的配额使用情况，包括配额项：CPU、内存、GPU、虚拟GPU、临时存储、持久化存储。

四、节点管理

1.支持按“**与利用率”和“配额占用”分类查看节点列表，列表展示节点基本信息，支持按集群筛选显示且可进行排序。

2.支持查看节点详情

3.支持添加、删除节点，上线、下线节点。

4.支持切换节点属性，即切换为计算/非计算、存储/非存储节点。

5.支持为节点设置**组，保证空间任务能精准调度到指定节点，实现**强隔离。

五、GPU管理

1.支持列表方式查看GPU卡的基本信息，列表内容支持按GPU所属集群、状态、型号筛选展示，且可按多种方式排序。

2.支持查看GPU卡详情，包括GPU卡的：

3.支持从GPU卡详情页下钻到所属节点的详情页查看。

4.▲支持GPU属性切换的能力，包括：单块GPU卡在物理状态和虚拟化状态之间的一键切换。（提供功能截图证明）

5.支持对不同的业务，划分不同的GPU**使用限额，限制该业务的GPU**使用量。

六、缓存管理

1.支持列表方式查看平台所有缓存业务的基本信息，列表内容可按名称检索和按添加时间排序。基本信息包括：缓存数据名称、状态、缓存大小、关联应用、占用配额、添加时间等。

2.支持内存，本地磁盘缓存介质。

3.支持挂载节点本地目录。

七、存储管理

1.存储名称支持修改，包括内置存储和外接存储。

2.支持内置存储按所属集群查看详细信息

3.支持存储节点切换为非存储节点，非存储节点切换为存储节点。

4.支持存储服务销毁重建。

5.支持多副本修复。

6.支持垃圾清理。

7.支持列表形式查看所有外接存储，同时也可查看外接存储详情，包括：存储名称、所属可用区、存储类型、来源、连接属性、已用存储空间。

八、排队管理

1.支持按任务执行的阶段查看任务排队列表，阶段分别为等待配额、**排队、节点调度、任务启动。

2.任务排队列表中可查看任务的基本信息，包括名称、所属空间、创建者、应用类型、当前顺序、紧急**等，列表支持按所属空间、创建者、应用类型、紧急程度、任务名称对排队任务进行条件查询。

3.支持将正在排队的应用一键设为队列内的最高优先级，此操作不受用户紧急任务配额的限制。

4.支持查看所有应用排队情况、紧急情况

九、开发、训练环境管理

1.支持以列表形式查看平台所有开发环境信息基本，包括环境名称、环境状态、创建者、所属空间、创建时间、**配置（CPU、内存、GPU等）、端口信息。同时支持对开发环境列表进行条件搜索和排序。

2.支持查看开发环境详情信息，包括：ID、创建者、所属空间、创建时间、CPU、GPU、内存、显存的配置信息、运行记录、运行信息、监控信息和事件等。

3.支持停止、启动、删除开发、训练环境。

十、可视化任务管理

1.支持查看可视化列表，列表中可查看可视化基本信息，列表支持条件（按状态、所属空间、创建者、紧急程度、任务名称）查询、（按提交时间、CPU、内存）排序和按名称搜索。

2.支持查看平台所有可视化任务的详细信息

3.支持停止、启动、删除可视化任务。

4.支持跳转到该可视化任务关联的数据集。

十一、代码管理

1.用户代码集

1)支持查看代码集在各类公开性下的数量信息统计、存储占用的统计信息。

2)支持查看用户代码集列表，列表中可查看各代码集的基本信息，列表支持关键字搜索。

3)支持查看代码集详情信息，包括代码集的创建者、创建时间、所属空间、公开性和各版本的代码。

4)支持删除代码集。

2.外部代码仓库（gitlab,github,gitee）

1)支持查看外部代码仓库在各类公开性下的数量信息统计信息。

2)支持查看外部代码仓库列表，列表中可查看外部代码仓库的基本信息（仓库名称、地分支、创建者、所属空间、创建时间和公开性），列表支持关键字搜索。

3)支持删除外部代码仓库。

十二、数据管理

1.数据集

1)支持查看数据集在各类公开性下的数量信息统计、存储占用的统计。

2)支持查看数据集列表，列表中包含数据集基本信息，且支持关键字搜索。

3)支持查看数据集详情信息，包括：数据集名称、创建者、创建时间、最后更新时间、公开性、所属空间、大小和数据内容。

4)支持删除、下载平台所有用户产生的数据集。

2.数据源

1)支持查看数据源在各类公开性下的数量信息统计信息。

2)支持查看数据源列表，列表中包含平台各数据源的基本信息，且列表支持关键字搜索。

3)支持查看平台各数据源的详情信息，包括：创建者、创建时间、最后更新时间、公开性、存储类型、来源、所属空间、连接状态和具体数据内容。

4)支持数据源连接测试、用户数据源移除。

3.结果集

1)支持查看结果集在各类公开性下的数量信息统计、存储占用的统计。

2)支持查看结果集列表，列表中包含结果集基本信息，且支持关键字搜索。

3)支持查看结果集详情信息，包括：结果集名称、创建者、关联的训练任务、创建时间、公开性、所属空间、大小和数据内容。

4)支持删除、下载平台所有用户产生的结果集。

十三、镜像管理

1.支持通过web界面创建、删除镜像仓库

2.支持本地镜像推送到镜像仓库

3.支持拉取镜像到本地

4.通过数据公开性设置，用户可以将镜像仓库设置为私有、共享和公开

5.私有镜像仓库为用户自己的仓库，其它用户无权查看

6.共享镜像仓库可以实现在空间内、多个空间中的镜像共享

7.公开镜像可以实现整个平台上的镜像共享

十四、用户管理

1.支持创建新用户。

2.支持查看活跃用户和禁用用户列表，列表中含用户的基本信息，且列表支持搜索。

3.支持查看用户详情信息，包括姓名、用户名、邮箱、手机号、角色、创建时间、上次登录、用户来源。

4.支持启用/停用用户、修改用户角色和基本信息、更改用户密码。

十五、权限管理

1.支持新增、删除、修改角色，支持给角色新增、删除用户，支持给角色新增、删除用户

2.在管理侧支持基于角色的权限控制

3.支持自定义角色权限、支持系统运维管理和数据管理分离

4.支持空间拥有者对于空间完整的数据查看能力和管理能力

十六、开发环境

1.支持用户自行创建开发环境，创建开发环境时:

1)可按需选择CPU、GPU物理卡、GPU虚拟卡三类**配置。

2)支持GPU虚拟卡，算力和显存任意配比。

3)支持GPU虚拟卡，算力按1%颗粒度申请。

4)支持GPU虚拟卡，显存按MB颗粒度申请

5)提供“系统**检测”的能力，检测用户**池中的剩余量能否满足开发环境创建所填写的**配置组合，不满足将提示用户修改。

6)支持用户在权限范围内选择平台管理的镜像，包括自己上传的、他人共享的**台公开的镜像。

7)支持tensorflow、pytorch等主流AI框架，支持用户选择平台内置框架镜像或用户自定义镜像进行环境创建。

8)支持配置注入jupyterlab、tensorboard工具，无须在镜像中打包。

9)支持配置开发环境对外开放端口，和动态端口添加，便于开发环境对接外部服务。

10)支持为开发环境配置SSH服务，以便远程连接开发环境。

2.开发环境列表支持按状态将开发环境分类展示，且向用户展示开发环境的基本信息。

3.支持查看开发环境详情信息。

4.支持镜像保存，用户下次可继续当前状态的镜像，避免重复修改镜像。

5.支持修改开发环境名称、**配置、挂载的数据集、开放的端口。

6.开发环境支持停止、启动、删除，等待中的开发环境可设为紧急。

十七、在线开发

1.默认网页终端调试，同时支持支持使用注入的工具JupyterLab、TensorBoard在线调试代码。

2.支持SHH远程连接开发环境，使用本地的IDE（PyCharm、VSCode）进行远程开发。

3.支持从开发环境中，一键快速提交训练任务。

4.支持实时监控开发环境**使用（CPU、内存、GPU）。

十八、训练任务

1.支持提交离线任务，离线任务完成即释放**，提交任务时，

1)可按需申请训练所需计算**，CPU、GPU物理卡、GPU虚拟卡三类**配置。

2)支持用户在权限范围内选择平台管理的镜像，包括自己上传的、他人共享的**台公开的镜像。

3)支持用户灵活选择模型训练所需代码、数据集等，包括选择外部代码仓库中的代码和外部数据源中的数据。

4)支持通过命令启动训练。

5)支持训练的时候开启缓存加速，提高数据读取效率。

2.支持通过历史任务快速提交训练，用户可根据实际需要修改少量信息或者不修改即可重新提交。

3.支持提交分布式任务。

4.支持列表方式查看训练任务，列表可按任务状态分别展示，且支持搜索。

5.支持查看训练任务详情。

6.支持训练任务生命周期管理，包括任务停止、删除等。

7.支持修改任务名和任务备注信息。

8.支持直接从训练任务创建可视化任务，或跳转查看其关联的可视化任务。

十九、自动任务

1.支持提交自动任务。

2.自动任务支持列表查看，列表中可查看到自动任务的基本信息。

3.自动任务支持查看详情，包括：基本信息（创建时间、创建者、重复条件）、提交模板（训练所需的**配置、数据集、代码集、镜像等）、已触发的任务执行情况。

4.支持跳转到关联的训练任务。

5.支持修改自动任务重复条件、删除自动任务。

二十、可视化任务

1.支持提交自定义可视化任务，平台中的任务结果集、数据集、外部数据源中的数据均可以作为可视化任务的数据来源。

2.支持列表方式查看可视化任务，列表按任务状态分页签展示可视化任务及其基本信息，列表支持搜索。

3.支持查看可视化任务详情，包括：创建信息、配置信息、可视化数据来源、运行记录和事件。

4.可视化任务支持修改任务名称、**配置、可视化数据来源。

5.支持停止、启动、删除可视化任务。

6.支持进入Tensorboard在线查看可视化结果集训练情况。

7.支持跳转到关联的结果/数据集。

套

1

125000

9

GPU算力服务器

1、标准2U 双路机架式服务器，配置安装导轨;

2、扩展性：内存:≥4TB（≥32个DIMM 插槽）; GPU运算卡:可选支持≥前端最多支持四个双宽300W加速器，或四个单宽150W加速器，在后端最多支持两个单宽75W加速器;

3、CPU: ≥英特尔 至强 Silver 4314 2.4GHz 16C/32T处理器*2颗;

4、内存: ≥128GB DDR4 REGECC 3200MHz(4*32G);

5、硬盘位扩展：最大支持 8个2.5寸热插拔硬盘位+ BOSS S2 模块(支持2个M.2固态)

6、系统盘: ≥480G SATA企业级固态硬盘*1块；

7、数据盘: ≥2.4TB SAS 2.5英 10K企业级热插拔硬盘*4块(做RAID5);

8、GPU运算卡: ≥NVIDIA A10 24G显存GPU运算卡*4块；

9、网卡: ≥四口电口+ ≥双口万兆光含多模模块;

10、≥阵列卡: PERCH 755 8G控制器，适配器，全高RIAD卡*1块;

11、≥电源:2400W（1+1）铂金级冗余电源;

12、远程管理: 配置远程管理卡，具有单独的管理网口，可不依赖主机操作系统进行远程操作。提供远程监控图形界面, 可实现与操作系统无关的远程对服务器的完全控制，包括远程的开关机、重启、更新Firmware, 虚拟KVM, 虚拟软驱, 虚拟光驱、虚拟介质重定向等操作；支持SNMP，IPMI和Redfish；支持IPv6; 允许用户独立于操作系统状态之外（免代理安装方式）远程访问、监控、维修、修复和升级服务器; 能够利用SD卡保存操作系统安装镜像，从而实现一站式地完成操作系统的部署，包括内建驱动程序安装、固件更新、硬件配置和问题诊断;

13、快擦硬盘/SSD: 服务器生命周期结束或者挪作它用时一键删除硬盘/SSD所有信息，只需要几分钟就能保证信息不泄露。传统硬盘至少需要几个小时的写零时间或者物理销毁;

14、虚拟化软件介质: 支持主板支持集成双SD卡，支持Raid1，可用于部署虚拟化，支持2块M.2 SSD BOSS-S2 控制卡+硬件RAID，专门用于安装虚拟化层软件，镜像部署;。

GPU支持: 可选支持≥前端最多支持四个双宽300W加速器，或四个单宽150W加速器，在后端最多支持两个单宽75W加速器;

15、安全功能和特性: 加密签名固件，硬件根信任，安全启动，自动BIOS恢复，快速OS恢复，系统一键锁定，安全的缺省密码，配置和固件漂移检测，持久日志（包括用户形迹）;

16、前置管理液晶屏: 前面板上配备有液晶屏，可显示默认或定制信息，包括IP地址、服务器名称、支持服务编号等。如果系统发生故障，该液晶屏上将显示关于故障的具体信息;

17、能耗管理: 可监控、报告及控制处理器、内存及系统级的能耗，允许通过一体化管理控制台实现基于策略的功耗封顶。虚拟机功耗映射，可以根据功耗对于虚拟机进行负载平衡以及按虚拟机报告功能;

台

1

142000

10

智能搬运机器人行业实训平台

1.移动机器人平台

1.1移动机器人平台尺寸≤400*400*182mm，轴距≤245mm，最小离地间隙≥30mm；

1.2移动机器人平台采用2轮差速驱动，动力系统结构为2个动力轮+2个万向轮，采用前驱后摇摆臂悬挂，以增加设备通过能力，整体材质为钢结构车身，整体稳固可靠；

1.3移动过机器人平台动力电机为2*150W无刷电机，行进速度≥6KM/H，最小转弯半径≤330mm，爬坡角度≥8°，0速空载情况下越障能力为：台阶≥10mm，间隙≥20mm；

1.4移动机器人平台自重≤25Kg，载重≥80Kg；

1.5移动机器人平台配置24V15AH锂电池，充电时间≤4H，支持对外供电，对外供电能力≥24V5A，负载工作时间≥12H；

1.6移动机器人平台具备1024线光电编码器，并提供二次开发接口，该接口支持CAN或RS232协议，具备ROSSDK，ROS包支持C++或Python；

1.7移动机器人平台提供无线遥控器，遥控器具有最高控制权限，并可切换指令模式，常规遥控控制距离≥800m。

2JetsonNano

2.1GPU：128核NvidiaMaxwell@921MHz

2.2MPU：MPU6050

2.3内存：4GB64BitLPDDR425.6GB/s

2.4存储：MicroSD卡（默认）

2.5视频编码：4K@30|4X1080p@30|9X720p@30(H.264/H.265)

2.6摄像头接口：2XMIPICSI-2DPHYlanes

2.7显示接口：HDMIX1,DPX1

3EAI2XL

3.1扫描频率：5-8Hz

3.2测距半径：0.12-8m

3.3扫描角度：360°

3.4角度分辨率：0.6-0.96°

4RealSenseD435

4.1双目视觉传感器支持全局快门。

4.2双目视觉传感器具备主动红外立体声深度技术，其最大测量范围≥10m。

4.3双目视觉传感器支持Type-C接口。

4.4双目视觉传感器的RGB传感器视场≥69.4°x42.5°x77°（±3°），深度视场≥85.2°x58°x94°（±3°）。

4.5双目视觉传感器深度流输出分辨率≥1280X720，帧速率≥90Fps。

4.6双目视觉传感器最小深度距离≤0.11m。

5CH110

5.1惯性传感器支持宽压输入。

5.2惯性传感器具备三轴加速度计、三轴陀螺仪、三轴磁传感器。

5.3惯性传感器中三轴陀螺仪最大量程≥±2000°/s。

5.4惯性传感器中三轴加速度计最大量程≥±8G。

5.5惯性传感器中三轴磁传感器最大量程≥±8G（Gauss）。

5.6惯性传感器支持USB通讯输出接口。

5.7惯性传感器支持9轴/6轴航向角度输出，工作模式可选。

5.8惯性传感器支持外部工具软件进行参数设定及工作模式选择。

5.9惯性传感器最大支持400Hz数据输出能力。

5.10惯性传感器Roll/Yaw工作角度范围为-180°~180°，Pitch工作角度范围为-90°~90°，静态误差≤0.4度（RMS）、动态误差≤1度（RMS）。

5.11惯性传感器6轴航向角漂移（低速平稳运动）≤4°RMS/20min。

5.12惯性传感器9轴航向角漂移≤3°RMS。

6GLAR750S

6.1通讯设备配置≥CPU：QCA9563，@775MHzSoC。

6.2通讯设备WIFI速度≥300Mbps（2.4GHz）+433Mbps（5GHz）。

6.3通讯设备支持802.11b/g/n/ac协议。

6.4通讯设备具备≥3个WAN/LAN（10/100/1000M）接口、1个USB2.0接口、1个MicroUSB（电源）、1个Reset按键，具备TF卡槽（最大支持512GB）。

套

2

42000

11

复合抓取机器人实训平台

一、机械臂及详细参数

1.控制轴数：6轴；

2.最大工作半径:不小于886mm；

3.负载：不小于5Kg；自重：不小于25kg；

4.协同操作：具备“安全适用的受监控停止”、“拖动示教”以及“功率与力限制”等协作机器人功能；

5.定位精度：±0.02mm；

6.末端速度：≤2.8m/s；最大速度：3m/s

7.材料：铝合金；

8.防护等级：IP54；

9.供电电源：DC48V；

10.运动轴

11.机械臂I/O接口

1)电源输出:12V/24V；

2）电流输出:≥0.8A；

3)数字量I/O:≥4路（输入、输出）；

4)模拟量输入:≥2路；

5)夹持器:两指夹持器抓持力应满足45-160N，总行程95mm，位置重复精度±0.03mm，打开/闭合时间0.7s，采用丝杆螺母+连杆机构，重量1KG，运动噪音≤50dB，工作电压24V，具备ROSPkg。

12.末端夹持器：抓持力（编程可调）45-160N，最大推荐负载3-5kg，手指开合行程（编程可调）0-95mm，最快手指开合速度190mm/s，手指重复定位精度0.03mm，通讯协议TCP/IP, USB2.0, RS485, I/O, CAN2.0A, EtherCAT，工作电压24V DC±10%，工作温度范围 0~50℃；

13.开发系统：支持ROS开发系统；

14.编程语言：脚本/图形化；

15.示教方法：APP；

16.安全功能：紧急停止功能、预留外部安全接口（可通过 I/O 接口控制）保护性停止接口，自动运行远端确认接口 。

17.软件功能：机械臂基于Moviet控制运动规划；基于smach状态机实现协作机器人任务调度系统；基于二维码定位识别物体位置，将位姿信息提供给机械臂进行抓取；

二、机器人视觉套件及详细参数

1.采用16线3D激光雷达，水平视场角360°，垂直视场角30°，激光波长905nm，符合Class1人眼安全；

2.激光雷达测量距离≥150m（80@10%NIST），精度典型值±2cm，盲区≤0.4m；

3.激光雷达具备单回波300000pts/s，双回波600000pts/s，UDP数据包具备三维空间坐标、反射强度、时间戳等；

4.激光雷达安装于移动机器人底盘前部，不得干涉机械臂运动路径且保有最佳视场角；

5.采用九轴姿态传感器，参考尺寸≤40*40*25mm（W*L*H），板载传感器具备三轴加速度计、三轴陀螺仪、三轴磁传感器；

6.九轴姿态传感器板载三轴陀螺仪最大量程±2000°/s，板载三轴加速度计最大量程±8G，板载三轴磁传感器最大量程±8G（Gauss）；

7.采用双目深度视觉传感器，具备全局快门，采用主动红外技术，最大范围10m，RGB传感器FOV69.4°*77°（±3°），深度FOV85.2°*58*94°（±3°），最小深度距离0.1m，深度流输出分辨率1280*720；深度流输出帧率90fps；

8.采用2个双目深度视觉传感器，分别安装于多线激光雷达正下方及机械臂夹持器上方，并具备ROSPkg；

套

1

210000

12

交换机（1)

48口，上行端口速率：万兆；下行端口速率：千兆，交换容量88Gbps；转发能力≥65.7Mpps

台

2

2000

13

交换机（2)

24口，上行端口速率：万兆；下行端口速率：千兆，交换容量≥88Gbps；转发能力≥65.7Mpps

台

1

1000

14

钢制机柜

尺寸1200*600*600mm，钢制。

台

1

1000

15

麦克风音响套装

一、音响：

1、系统类型 System type 两路三单元低频反射式音箱

2、频率响应 Frequency 65Hz-18kHz±3dB

3、灵敏度 ：Sensitivity 98dB/1W/1M@±2dB

4、额定功率：Power Rating 150W/8Ω

5、峰值功率 Peak Power 300W/8Ω

6、高音单元 Tweeter size 3”×2

7、低音单元 Woofer size 10”×1

8、声压级 SPL 115dB

9、连接器 Cannon Plug 2P HiFi线盒

二、功放：

1、崭新LED大屏幕显示，让控制清楚简单。

2、内置USB_MP3及4.0蓝牙播放器。

3、强劲高效大功率环形变压器。

4、高档铝合金拉丝面板工艺、**、专业。

5、直观主音量调节数值同频显示。

6、按标准KTV工程设计（音乐、话筒最大音量限制锁定调节）。

7、特设音源信号当前位置关机记忆。

8、完善整机保护系统（喇叭系统保护、过载、过热保护区。

9、独立的人声通道设计克服了双通道功放入声易被音乐覆盖，增大麦克风输出易产生啸叫的不足。

10、专业的多模数字混响，由单片机控制准确性和可靠性

11、专业20位数字回声电路，使歌声更加丰富和自然

12、内置自动卡拉抗干扰电路

13、话筒通道经过预置均衡、相位稳定技术，令歌声更加通透，演唱轻松自如

14、过热、过载、短路保护功能完善，可靠性高

15、独有的电流驱动功率输出级设计，令音质表现更为通透细腻

16、采用AB类功放设计，音色甜美透亮，主要应用于专业卡拉OK系统

17、话筒回声、话筒直达声和音乐通道的音量单独控制

18、内置话筒低音、高音音调和3路独立话筒音量调节；内置话筒效果调节

套

1

1000

16

专业工作站

1.CPU：≥CPU i7（CPU主频≥2.1GHz，最高睿频≥5.2GHz，

核心数量 ≥十六核心线程，数量≥二十四线程，三级缓存≥30MB）

2.主板：≥ H760芯片组（支持24条PCIe通道）

3.内存：≥64GB DDR4 3200

4.硬盘：≥1T M.2 SSD固态硬盘

5. 端口：≥前置6个USB 3.2端口， 1个RJ-45端口，1个HDMI 1.4端口

6.扩展槽≥1个PCI-E×1，≥1个PCI，≥1个PCI-E×16，2 个 M.2 插槽

7.集成千兆网卡:集成网卡

8.机箱：≥15L, 高效散热静音，安全锁孔，开关位于前面板，噪音指标≤20分贝；

9.电源：≥500w 内部电源适配器，效率高达 90%，主动式 PFC ，提供国家权威机构颁发的典型效率不低于90%的认证证书，同时电源通过恶劣供电检验认证，可适应90V至265V的工作电压。

11.鼠标键盘：USB键盘和鼠标，与主机同品牌

12.属于强制采购节能产品

13. 教学管理软件

13.1网络同传管理:全图形界面，支持鼠标操作；安装分区功能：BIOS集成，原厂预安装，支持多系统安装，支持Linux文件系统；多还原方式支持；支持FAT16/FAT32/NTFS文件系统的自动清除功能；保护功能：支持立即还原/增量克隆；备份复原；CMOS保护功能；网络功能：支持板载网卡、可由任意一台主机发起网络拷贝、增量拷贝和临时部署；对网络克隆，增量克隆和临时增量部署提供支持；立即还原型操作系统；临时增量部署功能；支持为多个系统分配不同的IP；6秒内的物理掉线(断路)可恢复；支持IPV6；辅助功能：支持分区拷贝、IO控制、本机硬盘复制、指定启动盘、隐藏启动选单、定制软件界面、操作系统中文显示和软件显示；

13.2教学管理：支持多系统下的设备锁定、程序运行、模式切换、远程登录、远程注销、远程关机、远程重启、远程唤醒、远程控制、远程查看、系统切换、消息发送、教室管理等多种课堂管理功能

14.售后：主机原厂（含键盘，鼠标）五年免费上门、原厂五年免费人工保修。要求提供供应商针对本项目提供售后服务承诺函原件，所投电脑原厂原封，服务及技术参数可在电脑生产厂商官网或400/800电话查询确认;

15.显示器：23.8寸液晶显示器，与主机同品牌同LOGO。

台

35

6800

17

教学用一体机

一、互联黑板主屏配置：

1、显示尺寸≥86英寸；屏幕分辨率≥3840*2160；可视角度≥178°。整机采用全金属外壳设计。

2、整机支持windows系统20点触控，支持对书写笔笔头、笔尾书写自定义不同批注颜色；支持触控冗余防遮挡，在单点或多点遮挡（或触控单元故障）后仍能正常书写。

3、整机系统版本不低于Android 11，内存≥2GB，存储空间≥8GB

4、内置插拔式电脑，CPU处理器不低于Intel Core i5；内存≥8G DDR4；≥256G SSD固态硬盘；

5、整机接口至少2路HDMI、1路RS232、1路USB；1路音频输出、1路触控输出；前置接口包含1路Type-C、2路USB。

6、整机具备至少6个前置按键，可实现开关机、调出中控菜单、音量+/-、护眼、录屏，录屏按键支持一键启动录屏功能，可将屏幕中显示的课件、音频内容与人声同时录制。整机支持智能手势识别，支持自定义手势功能。

7、设备支持自定义前置“设置"按键，可通过自定义设置实现前置面板功能按键一键启用任一全局小工具。

8、整屏色彩空间包含标准模式和sRGB模式。

9、整机内置2.2声道扬声器（非2.1声道及以下）

10、整机支持蓝牙Bluetooth 5.2标准，可自动发现并连接教室内蓝牙音箱并进行播放音频。

11、整机Wi-Fi及AP热点支持频段2.4GHz/5GHz，Wi-Fi制式支持IEEE 802.11 a/b/g/n/ac/ax；并支持Wi-Fi 6版本）。

12、支持高**程巡课，整机内置摄像头。

13、为方便快速获取**，设备快捷桌面中的文件管理模块需支持同时显示本地磁盘、移动类存储设备、本地网络**库、个人云空间的文件**。

14、整机软件支持微课胶囊录制。

15、系统后台支持教研管理，能够记录微课的观看次数和观看人数，并且该数据还可导出成文档，便于掌握学习数据。

二、双侧互联屏配置：

1.整机材质采用铝合金边框、柔性LCD液晶书写膜，采用蜂窝基板。

2.整机尺寸：1271mmx1180mm。

3.安装方式：挂墙，安装支架可前后调节黑板表面与墙面距离，可调范围为：105~140mm；下边框设计可选配滑动笔槽，滑动笔槽可调高度范围：13~64mm；可支持移动支架安装.

4.书写方式：压力传感书写，无需任何耗材，凡是硬度适中的物体均可书写。

5.无粉尘、无耗材：书写不会产生任何墨迹和粉尘，干净健康。采用纯自然光反射呈字技术，非自发光呈像或投影呈像形式，长时间观看不刺激眼睛，保护视力。

6.擦除方式：一键擦除，按压式结构设计，轻按一键擦除按键，瞬间清除黑板上的字迹。局部擦除，可使用板擦和手擦拭一端笔迹，实现笔迹的局部擦除。

7.表面硬度3H，耐久使用无划痕。

8.有效可视距离40m。防眩光膜面处理，可视角度可达140.

9.耐腐蚀性：使用含有日常家用洗涤剂或消毒剂的温水(40℃)，擦拭书写板的书写面后，书写面应不变色，无表皮脱落。

10.黑底黄绿色字迹，笔迹粗细≥4mm，液晶膜表面无气泡。

11.分辨率：32768*32768。触摸精度：≤2.5mm，一次校准后无需重复校准，无漂移。最小触摸尺寸：≥Ф5mm，无书写盲区。数据通讯方式：USB，通信距离≥3m。书写响应时间≤7ms。支持系统：Win7以上。触摸次数：同一位置6000 万次以上。抗强光干扰。照度在98K勒克司能正常工作。

12.单点可书写次数≥100000次。

13.待机功耗≤1W，擦除功耗≤2W。书写及显示过程无需耗电，仅擦除时消耗微弱电量。

14.内置大容量锂电池，在断电情况下仍可进行一定时间的局部擦除加一键清功能。

15.符合电击和能量危险的防护三类设备要求，且无能量危险，确保设备安全使用。

16.触控液晶黑板配有10个快捷键。

17.双侧液晶压感板面提供上下居中的快捷键，可以进行书写内容预览，板书上下翻页，红、白、黄三色笔，扫描分享，投票，一键清屏等快捷按钮。

18.要求互联液晶压感黑板书写任意内容时，交互式液晶一体机可以同时进行交互式操作，在书写完毕后通过一键预览可以实现显示端显示。

19.软件可以设置2种互联黑板的书写记录模式，支持单板书写记录内容为一个单页面，也可以支持双板同时书写时记录在一个页面上，同时需要保持书写记录内容转电子档时书写比例不变形。

20.互联黑板为保证互联黑板在使用过程中不会与显示端设备产生干扰 ，互联黑板需采用后台记录，在未点击预览时所有操作与显示端无互动，但是显示端需提供标识信息，查看互联黑板是在什么状态。在点击预览后书写的内容才会在显示端进行显示，此时可实现显示端交互设备与互联黑板进行互动操作。

21.通过点击快捷键红、白、黄可以选择记录的书写颜色。

22.互联黑板支持随时通过主屏预览查看书写内容，板书内容可以通过软件直接查看，无需安装第三方软件。互联黑板板书内容用户可以进行本地保存，也可以采用移动设备通过扫描二维码直接带走。

23.互联黑板支持快速投票功能，在互联黑板端可以对某个题目或问题进快速投票，投票支持单项投票、多项投票或表决等三种模式，用户可以在显示端通过扫描二维码进行快速投票，在投票的过程中参入投票者的无需下载安装专用软件，对于投票的结果系统自动统计数据并展示。

24.为了最大程度的保持字迹的真实性，互联黑板软件可按不同比例尺寸的液晶压感黑板(如 4：3；16：9 等模式)进行调节，也可任意设置各种比例，使大屏与黑板在比例上保持高度一致，从而更完美的将压感黑板的字体投屏到一体机 上。

25.为保证黑板上板书字体同步到一体机屏幕时，具有艺术感，通过对互联软件的笔锋算法进行深入优化，使得一体机 可以很完美的呈现黑板字体的笔锋效果.

套

1

36500

18

复合移动机器人

一、底盘

1.整体尺寸：930x699x349；

2.轴距：498mm；

3.轮胎尺寸：13寸

4.最小离地间隙：135mm；

5.重量67KG；

6.额定运动载荷能力50KG；

7.底盘具备良好越障能力，可跨越30°坡度（满载）；

8.最小转弯半径：0m；

9.最高速度1.5m/s，

10.最小制动距离：0.2m；

11.驱动方式：四轮独立驱动、差速转向运动模式；

12.电池：锂电池24V 30Ah；

13.防水等级IP22；

14.电机：4个400W无刷伺服电机；

15.编码器：磁编2500线

16.通讯接口：底盘具备通讯CAN通讯接口；

二、开源导航系统

1.工控机：CPU i7 9700T；GPU GTX 1660；运行存储16G；内存：256G ；接口：2*LAN、4*USB 3.1、2*USB 2.0、4*RS232（COM1/2支持460800bps）；输入：9~36v；操作系统：Ubuntu 18.04。

2.激光雷达：16线，激光波长905nm，水平视场角360°，水平方向角度分辨率0.2°/0.4°，垂直视场角30°（±15°），垂直方向角度分辨率2°，传感器测距能力：0.2～150m（90m@10% NIST）；传感器精度（典型值）：±2cm；转速：600/1200rpm (10/20Hz)；点数：288,000pts/s(单回波模式) ~576,000pts/s(双回波模式)；帧率10Hz/20 Hz；产品功率：11w；防护等级IP67

3.深度双目相机（Intel RealSense D435）：测量距离10m；最小深度距离 0.105m；深度分辨率 1280x720；接口USB-C3.1；帧率30fps；尺寸90mm x 25mm x 25mm。

4.路由器要求：支持国内主流4G移动网络信号接入，双频（2.4GHz、5.8GHz），最高传速速率150Mbps；

5.配备13.3寸IPS显示屏：尺寸≥14英寸，分辨率≥1920*1080；

6.配置模块化支架，传感器快速拆卸；

7.操作工具无线键鼠：尺寸：354.3*139.9*23.5mm；适配系统：windows7/8/10、android5.0、USB端口；

9.功能要求：建图功能支持Gmapping算法，导航支持move_base、amcl、Dwa_planner算法；基于CAN通讯协议，并提供基于 C++包，可以通过ros驱动包实现车辆的控制、车辆状态信息获取、速度状态反馈以及电池信息的获取；可以通过连接机器人平台上WIFI实现设备的远程访问，内置基于NoMachine远程桌面访问功能；具备传感器数据可视化功能，具体包括激光雷达点云可视化、深度相机数据可视化。

三、通讯：

1.USB转CAN模块采用CAN2.0B标准，通讯波特率为500K，报文格式采用MOTOROLA格式；

2.采用4G无线路由器，具备2.4GHz/5GHz双频，最高传输速率150Mbps，支持机器人远程调试；

3.采用键鼠一体操作工具；

4.采用13英寸1080PIPS液晶显示屏；

四、支架及电源、接口：

1.具备额外12V电源7个USB接口；

2.具备定制支架，可容纳传感器设备安装、机械臂安装并且不干涉各部件正常工作需求；

3.具备电气连接，机器人各模块均自移动机器人底盘取电，并且具备电源稳压模块，确保机械臂、传感器、工控机各部分均能稳定运行。

五、软件：

1.具备基于多线激光雷达的SLAM开源导航DEMO，可以实现机器人的定位、地图构建、路径规划、导航、避障等能力；

2.具备基于6自由度机械臂的开源DEMO，可以实现机械臂ROSMoveit运动控制（含点控制及路径控制）、规划、障碍物规避（车身静态障碍物）等能力；

3.具备基于ROS的机械臂两指夹持器控制DEMO；

4.具备基于双目深度传感器的二维码定位DEMO；

5.具备基于开源导航+机械臂系统的自主导航、识别、抓取物品DEMO（AB点导航抓取及放置物品）；

6.具备Gazebo仿真并提供仿真文件。

台

1

200000

19

双人桌椅

1.1尺寸：120*60*75cm；

1.2主体材质：钢架+多层实木；带钢架结构置物架，配全实木凳。

套

10

600

20

****工作站

一、机器人执行机构*6套

整体描述：包括目标识别、OCR识别、瑕疵检测和目标测量。应用于工业生产中的各个工序，包括制造、质检等环节，其中质检是应用最为广泛的场景，涉及产品外观缺陷检测、缺失性检测，如金属表面的划痕、斑点、孔洞，纸张表面的色差、压痕，玻璃等非金属表面的夹杂、破损、污点，PCB板电阻电容等元件瑕疵检测等。需采用工业版六轴机器人，机器人需符合常用六轴工业机器人型态，末端轴需具备空间全向移动的特点。

(1)轴数：≥6；

(2)最大负载：≥450g；

(3)工作范围：≥350mm；

(4)净重：≤1.5kg；

(5)底座尺寸：直径≤160mm；

(6)重复定位精度：≤0.2mm；

二、工业相机*6个

(1)600万像素1/1.8”CMOS千兆以太网工业面阵相机；

(2)分辨率：3072×2048；

(3)帧率：17fps；

(4)动态范围：71.3dB；

(5)增益：0dB～20dB；

(6)曝光时间：27μs～2.5sec；

(7)黑白/彩色：彩色；

(8)接口：GiGE。

三、工业镜头*6个

(1)焦距：不小于12mm;

(2)像素：六百万像素

(3)像面最大尺寸：1/1.8＂(φ9mm);

(4)光圈范围：F2.8~F16;

(5)控制：光圈：手动；焦点：手动;

(6)视角：D：1/1.8＂41.2°；H：1/1.8＂34.4°；V：1/1.8＂23.4°;

(7)工作温度：-10℃~+50℃;

(8)光学畸变：-0.38%;

(9)法兰后焦：17.526mm;

(10)最近摄距：0.1m;

(11)滤镜螺纹：M27*0.5。

四、中控处理器*6个

(1)CPU：64位四核;

(2)运行内存：不小于4G；

(3)板载存储：不小于128G；

(4)接口：USB3.0×4、MicroUSB×1、HDMI×1、RJ45×1、DC5.5×2.1电源接口；

(5)▲控制终端中需部署AI算**，至少包括物体分类识别、目标检测、人脸识别、车牌识别，满足基础应用与开发教学。（投标时需逐项提供部分代码的截图证明，代码中需包含相应的注释进行说明。）

五、环形LED光源*6个

(1)颜色：白色；

(2)色温：6600K；

(3)功率：14.4W；

(4)输入电压：DC24Vmax.；

(5)外壳材质：铝合金（表面氧化发黑处理）；

(6)使用温度和湿度：温度：0～40C，湿度：20～85%RH(非凝结)，配套光源控制器。

六、输送模块*6套

(1)运行负载：≥500g；

(2)最大运行速度：≥100mm/s；

(3)包含一条输送装置，可实现物料传送，支撑结构为铝型材，PVC皮带传动，

(4)采用步进电机驱动，额定电压DC24V，电流0.6A。

七、控制终端*6个

(1)触摸屏尺寸：≥4.3寸；

(2)亮度：350cd/㎡；

(3)背光灯：LED背光灯；

(4)工作温度：-10～65℃；

(5)工作环境湿度：10～90%RH；

(6)供电电源：直流10V~38V；

(7)功耗：5W。

八、基础台架*6套

(1)铝合金型材结构，台面具有T型槽方便安装；

(2)尺寸不大于600×470×700mm；

(3)工作台可自由移动；

(4)上方安装输送线、机器人、视觉系统，整体可直接放置于课桌，方便教师开展教学。

九、软件环境*6套

(1)集成Python、OpenCV等运行环境，支持数字图像处理、计算机视觉、机器人运动控制等算法、硬件、应用的开发和学习；

(2)提供实验所涉及的OpenCV图像处理函数的所有接口和使用说明，既可通过配置参数实现对图像的特定处理，也可**不同的视觉项目，进行二次开发；

(3)内置的视觉软件和功能库包括物体分类识别、目标检测、OCR字符识别、缺陷检测，满足基础应用与开发教学；

(4)支持对生产线上的目标尺寸测量、缺陷检测、产品分类等应用进行开发，开展企业级实战训练。

十、实验**

（1）提供基础实验项目：需围绕Python基础编程、深度学习、数字图像处理、计算机视觉、机器人控制等课程或知识点，

（2）提供不少于30个基础实验项目，满足日常教学实践；

（3）▲提供六轴机器人控制实践项目：六轴机器人主要由六路电机和外部结构组成，机器人安装于底座上方，可在底座电机的驱动下进行180°的旋转，机器人自身可在空间中执行任意点的运动，同时，机器人自带有吸盘，可完成对指定物体的抓取。（提供功能操作演示截图）

（4）提供AI+视觉自动仓储实践项目：采用AI技术和计算机视觉技术，控制机器人进行仓库货物的自动分拣、整理。中控处理器中搭载深度学习算法，视觉系统对货物进行识别和分类，机器人对货物进行多个仓位间的搬运，或者对货物进行整理归位；

（5）开放全部软件框架和算法级源代码，支持二次开发，设备交付时提供完善的实验指导书和技术文档。

批

1

295000

21

智能制造生产线数字孪生系统

一、数字孪生功能：

（1）动力学仿真：支持多种高性能的物理引擎，例如ODE、Bullet、SimBody、DART等。

（2）三维可视化环境：支持显示逼真的三维环境，包括光线、纹理、影子。

（3）传感器仿真：支持传感器数据的仿真，同时可以仿真传感器噪声。

（4）可扩展插件：支持用户可以定制化开发插件，扩展系统功能，满足个性化的需求。

（5）多种机器人模型：支持R2、Pioneer2DX、TurtleBot等模型，也可以使用自己创建的机器人模型。

（6）终端工具：支持用户可以使用命令行工具在终端实现仿真控制

（7）▲智能小车具备虚拟仿真实验功能，配套至少2钟虚拟仿真实验案例。（提供产品功能截图）

（8）系统支持开展ROS相关实验，如定位与地图构建、路径规划与导航、机器人运动规划与控制等。

二、实训**：

（1）ROS与移动机器人控制基础：介绍ROS通信实验、移动机器人基本控制等内容。

（2）机器人视觉感知模块：介绍捕获和显示RGB图像/深度图像，介绍字符识别、车道线识别(opencv)、交通标识识别、二维码识别等机器人视觉应用技术实现。

（3）定位与导航模块：介绍二维SLAM地图构建、SLAM导航、巡线自动驾驶、倒车入库功能实现。

（4）自动驾驶综合实践：介绍自动驾驶综合实验案例，实现包括自动驾驶、交通标识识别等功能的综合实验案例。

（5）物品分拣：机械臂实现其摄像头识别箱子内物品，以及物品的定位抓取并分拣至对应物品标识的智能搬运机器人。

（6）物品运输：智能搬运机器人实现固定路线自动行驶 ，自动避障，直至行驶至指定目标区域后回分拣点排队。

（7）物品上架：复合移动机器人实现识别智能搬运机器人上箱子物品及抓取，导航移动至货架寻找，放置到对应位置，最后返回起点重新识别。

套

1

250000

22

教师桌椅

教师桌尺寸：180*70*75cm；主体材质：钢架+多层实木；带主机放置架，一侧带吊柜（具备储物功能），带锁

教师椅：面料材质：网布；电镀钢制结构；防滑降噪胶垫；

人工工学椅背：PP亲肤加固扶手

套

1

1500

23

系统集成及装修

一、6****实验室按网络布线点1配2完成布线）

1、外被护套：采用CM等级PVC料，护套上印有电缆品牌LOGO和型号，内有线缆撕裂绳；

2、线规：24AWG，铜芯线径标称直径为0.50mm，材料为无氧铜，线缆4对线的对绞方向和成缆的总绞方向相反，消除线缆对绞时带来的绞合应力,使线缆产品具有传输性能大大提高，施工方便，使用寿命长的特点；

3、绝缘层：HD-PE料；

4、标准：符合ANSI/TIA-568-C.2CAT5E；传输带宽：1000MHz；

5、线缆阻抗：100±15Ω；

6、护套颜色：灰色

二、电源线， 电脑布线分组控制，使用6平方电源线；

三、弱电布线施工及安装调试费，数量：172点；弱电采用6类双绞线布线。 （每个工位： 2个6孔插线面板（隐藏在桌面下），一个桌面网线面板口，一个桌面5孔插线面板）

四、强电布线施工及安装调试费，数量：510点 强电主线采用6个平方的电线，教师机强电布线为双点布线法。（强弱电布线施工，按现场实际情况进行调整）

五、槽板及辅材；PVC管、槽板、钢质槽板、电源面板、水晶头、电源开关、接线盒、接地多股铜线及接地其他材料；（工艺要求：不走明线，所有走线都走暗线）

六、装修及文化建设

1、文化建设：宣传夹画看板-PVC板-平面UV+亚克力板*4幅，整体造型及内容与甲方沟通后施工；

2、墙面改造：墙面割槽及粉刷，使用白色环保漆、顶面，基层处理、刮腻子、三遍乳胶漆；

3、灯光改造：一间实验室约100平米空间的LED灯光布置；

4、地面改造：铺设多层实木地板；工艺要求：先用轻砖砌地垒将教室底层分成若干个1mx1m的格子；底层用陶粒填充厚度要求：8公分以上；用钢丝网铺设成田格；最后用水泥沙浇筑4公分以上并找平，再铺设地板。

5、整体项目开始前，将原有房间内物品移至业主单位指定位置，结束后进行完工保洁，装修产生垃圾自行清理出校外；

6、包含工程所有辅料、脚手、人工，施工面积约100平方。

项

1

86000