序号

产品名称

需求参数

数量

单位

单价

总价

1

人工智能基础实训箱

系统应支持融合人工智能技术+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。

4

套

68,800

275,200

一、硬件要求
1、实验箱结构：
实验箱应分为两层结构，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、8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；

2、嵌入式AI运算单元：
1)应采用多核心处理器，处理器型号为RK3399：四个Cortex-A53核心和两个Cortex-A72核心，ARM Mali-T860MP4 GPU 支持OpenGL ES1.1/2.0/3.0, OpenCL1.2, DirectX11.1；
2)应≥4GB DDR3内存；
3)应≥16GB eMMC；
4)应配备≥10英寸，分辨率≥1920*1200的显示终端，带多点电容触摸显示终端；

3、嵌入式AI运算单元主板：
1)应≥4路USB 2.0 HOST接口；
2)应具有USB 3.0 HOST接口；
3)应具有TF卡接口，Type-C接口，音频输入，HDMI接口；
4)应≥2路 CSI 摄像头接口；
5)应具有10/100/1000M以太网接口，EDP显示终端接口；
6)应≥2路MIPI DSI显示接口(最高点4K显示终端)；
7)应≥10路可扩展GPIO接口；
8)应≥2路TTL 串口；
9)应具有 PCIE 4G 接口， RTC备用电池接口， SPI 接口；
10)应具有2.4G/5G/WIFI+蓝牙4.0，2路功能按键，具有用户自定义LED ；
11)应具有2路3W喇叭输出接口；

4、嵌入式AI控制单元：
1)应采用Cortex-M3内核处理器，最高主频≥72MHz，RAM≥64KB，FLASH≥512KB；
2)应可用于工业机械臂、无线传感网控制等；

5、嵌入式AI控制单元主板：
1)主板设计方式：应采用整块PCB板设计方式，尺寸≥360mmx406mm；嵌入式AI运算单元主板、不小于10英寸显示终端、嵌入式AI控制单元、QWERTY全键盘、无线传感网节点模块、不低于13.56M RFID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)应支持一路USB-HUB从AI运算单元引出，拓展出三个USB接口；
3)应支持不少于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)应支持RFID模块接口，支持多种不同频段的RFID模块；
5)应支持不少于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)应支持板载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，包括：Arduino电机板，包含直流电机及驱动电路、步进电机及驱动电路、舵机及驱动电路；Arduino键盘板，包括数码管、矩阵键盘、LED灯；Arduino传感器板，包含酒精传感器、光强传感器、温度传感器、气体传感器、光电门、火焰传感器、继电器、蜂鸣器；
7)应具有AI控制单元仿真器接口；
8)应支持板载蜂鸣器、LED灯等常用资源；

6、高清摄像头参数不低于：1080P输出，Sensor不低于1/2.7inch CMOS，1080P模式下支持30帧/秒，USB免驱。

7、工业机械臂参数不低于：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；

8、QWERTY全键盘参数不低于：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。

9、无线传感网节点模块：
1)应搭配物联网无线传感网节点底板，带一键还原功能，插入配套的一键还原卡，不用PC和仿真器参与，通过板载按键即可还原。 节点带1.44英寸TFT低功耗显示终端，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)应配备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)应配备温湿度、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)应配备一键还原卡，可以自动识别传感器和通信模块（NB-IOT、LoRa 、ZigBee、蓝牙、IPv6、Wi-Fi），节点模块种无论插入哪种通信模块和传感模块都可以自动识别并还原。（需提供功能截图并加盖投标人公章佐证，截图应体现出一键还原卡、自动识别NB-IOT、LoRa 、ZigBee、蓝牙、IPv6、Wi-Fi模块和还原功能）

10、应标配13.56M RFID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，ARM Cortex-M0核，独立USB转串口， 1.44英寸TFT LCD 显示终端，2个按键，1路蜂鸣器，≥10路IO扩展，1路LED灯，SWD下载口，独立复位。模块对外提供USB、RS232、I2C等3种访问方式。支持IOS IEC14443A协议；

11、嵌入式操作系统：应搭载64位Ubuntu16.04，Qt 5.5，Python3.5，TensorFlow1.7；

二、实验资源等要求
1、应提供基于 Linux系统与Windows系统的开发环境搭建：提供Linux、Windows两种系统的Python、TensorFlow人工智能环境搭建实验，提供CPU、GPU两种环境的TensorFlow环境搭建实验；

2、应提供Python实验
1)Python基础：包括Python循环语句、Python文件操作、Python异常处理等方面的实验，实验数量≥15个；
2)Python高级：Python模块的发布安装和使用、第三方模块引入和使用、MQTT通信开发等方面的实验，实验数量≥14个；
3)Python项目：至少包含飞机大战Python综合项目，项目数量≥1个。

3、应提供如下人工智能开发实验，深度学习与神经网络-TensorFlow及AI应用：
1)人工智能基础实验，实验数量≥6个；
2)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，实验数量≥3个；
3)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，实验数量≥5个；
4)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；
5)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，且实验数量≥5个；
6)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，实验数量≥5个；
7)基于AI开放平台的人工智能图像识别实验，实验数量≥5个；
8)基于AI开放平台的人工智能语音识别实验；
9)基于AI开放平台的人工智能人脸识别实验：提供至少包括人脸检测、人脸识别、改进返回值实验，实验数量≥4个；
10)人工智能应用实验：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，实验数量≥5个。

4、应提供如下人工智能开发实验
1)基础概念实验，实验数量≥10个；
2)命令式编程使用教程实验：至少包括命令式编程模式、多卡训练等，实验数量≥5个；
3)使用技巧实验：至少包括训练过程中模型评估、增量训练等实验，实验数量≥5个；
4)简单案例：至少包括Softmax回归实现数字识别训练和预测、卷积神经网络实现数字识别训练和预测、词向量实现与应用等实验，实验数量≥10个；
5)计算机视觉：至少包括图像分类训练与应用、生成对抗网络训练和应用等实验，实验数量≥4个；
6)自然语言处理：至少包括情感分析训练与应用、语义角色标注训练与应用、机器翻译训练与应用等实验，实验数量≥5个；
7)推荐系统：至少包括个性化推荐系统训练与应用等实验，实验数量≥2个；
8)人工智能应用实验：至少包括OpenCV图像采集以及处理、手写数字识别、口罩识别、目标检测、人脸检测、人体姿态检测应用实验算法实验等，实验数量≥5个

5、应提供人工智能开发，基于PyTorch2：
1)Numpy数组实验：至少包括Ndarray数组，线性代数，实验数量≥4个；
2)PyTorch简介与基础知识实验：至少包括PyTorch基础--Tensor张量、PyTorch基础--自动微分机制、PyTorch基础--动态计算图、PyTorch基础--神经网络介绍，实验数量≥5个；
3)数据集定义与加载实验：至少包括PyTorch内置数据集的加载、PyTorch自定义数据集加载、GPU的使用，实验数量≥4个；
4)数据预处理一图像实验：至少包括PIL的基本使用、cv2的基本使用，实验数量≥2个；
5)神经网络的搭建实验：至少包括搭建LeNet神经网络模型，实验数量≥2个；
6)训练与保存实验：至少包括初始化和导入模型、定义损失函数和优化器；
7)启用梯度使用CUDA加速、训练、保存模型、训练过程可视化、完整代码，实验数量≥5个；
8)机器学习算法原理实验：至少包括KNN算法、数学的方法实现KNN算法、前向传播与损失函数、反向传播的学习率与梯度下降、自求导线性回归、基于框架的线性回归、数学的方法实现线性回归、曲线拟合、激活函数及其导数、逻辑回归、基于框架的逻辑回归、支持向量机、贝叶斯分类、贝叶斯多分类、K均值聚类、数据降维、隐马尔科夫模型、决策树与随机森林，实验数量≥15；
9)机器学习算法案例：至少包括基于线性回归预测销量、基于逻辑回归实现对鸢尾花多分类、朴素贝叶斯基于SVM完成手写数字识别、基于决策树与随机森林完成对汽车的评测、基于隐马尔科夫、基于PCA的数据降维，实验数量≥5；
10)深度学习算法原理：至少包括全连接与链式求导法则、优化器与优化方法、深度学习线性回归、深度学习曲线回归、深度学习分散簇分类、深度学习圆环分类、深度学习月牙分类、计算机眼中的图像、卷积为什么能识别图像、池化为什么能提取特征、多通道卷积与偏置过程，实验数量≥10；
11)经典神经网络：至少包括LeNet-5、AlexNet、VGGNet、GoogLeNet、ResNet、MobileNetV1、MobileNetV2、MobileNetV3，实验数量≥5；

6、应提供机器视觉实验
1)基础概念与知识部分：至少包括机器视觉概念与发展等实验，实验数量≥5个；
2)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，实验数量≥20个；
3)机器/深度学习部分：至少包括颜色识别、人脸识别等实验，实验数量≥5个；

7、应提供无线传感网实验
1)ZigBee部分：包括基于ZigBee的开发环境搭建、组网、灯光控制、串口传输、数据透传控制等实验、以及本实验箱的配套传感器模块实验（每种传感器提供一个独立实验）；
2)低功耗Wi-Fi部分：包括基于Wi-Fi的透传、AT实验、物联网云基础实验、传感节点采集组网、以及本实验箱的配套传感器模块实验（每种传感器提供一个独立实验）；

8、RFID模块部分：应至少包括13.56M读卡实验、13.56M写卡实验、13.56M读写秘钥实验、饭卡消费充值系统、13.56M调试助手，实验数量≥5个；

9、应提供STM32部分实验
1)STM32F103部分：至少包括LED灯、蜂鸣器、案件中断等实验，实验数量≥5个；
2)机械臂控制部分：至少包括舵机转动控制等实验，实验数量≥3个；
3)无线射频技术部分：至少包括13.56MHz高频读单个扇区、13.56MHz高频写单个扇区等实验，实验数量≥4个；

10、项目开发例程（PPT以及视频教程）部分：课程视频≥20个，并配套PPT；

11、综合项目应至少包括如下项目：
1)AI计算机视觉仓库货物分拣整理：基于AI计算机视觉+机械臂控制为一体的仓库货物分拣、整理项目，基于TensorFlow框架通过深度学习神经网络算法识别仓库货物，在终端进行显示及控制，可以通过机械臂将货物进行仓库间的搬运，也可以将仓库内的货物进行整理归位。
2)AI语音机械臂控制货物分拣：基于AI语音识别+机械臂控制为一体的机械臂控制、货物分拣，用户可以通过语音发布指令控制机械臂执行动作。
3)AR仓库货物分拣：通过AR增强现实技术实现图像识别，创建与现实中物体相关联的虚拟模型，结合鼠标或者手指的动作来操控虚拟物体，进而机械臂也跟随虚拟物体的移动进行相应的动作，也可以通过UI的操作来直接控制机械臂的运动。
4)基于AI开放平台的图像识别+抓取：基于AI开放平台的图像识别，包括：动物识别、水果识别、蔬菜识别、车标识别、汉字识别、英文识别，并且可以基于机械臂控制不同种类的物体进行分类搬运。
5)无线物联网模块拓扑图：基于物联网模块的拓扑图，可以显示物联网模块的传感器数据以及控制传感器状态。
6)RFID模块拓扑图：基于RFID模块的拓扑图，可以显示RFID卡中的数据。
7)基于YOLOV8的目标检测项目：基于YOLOV8算法实现目标检测，可同时进行动物识别、水果识别、蔬菜识别、车标识别、汉字识别、英文识别。
8)基于实例分割的分割界面案例：基于分割算法，实现对实验箱摄像头数据的实时实例分割与显示。
9)基于人体骨骼检测的界面案例：基于人体骨骼检测算法，实现对实验箱摄像头数据的实时人体骨骼检测与显示。

12、▲应提供人工智能实验系统软件，至少能够完成 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仓库货物分拣项目的综合管理及各个项目功能的单独展示，开放实现源码，设备制造商需具有自主知识产权；(投标时提供视频，视频应体现出AI计算机视觉仓库货物分拣整理功能）

13、投标文件中需提供前述第12条的“人工智能实验系统软件”的自主知识产权证明并加盖投标人公章佐证。

14、为辅助老师课程建设，制造商应有丰富的线上线下培训经验，能够提供在线课程账号至少2个，每个账号应不少于100学时；

15、制造商应提供与投标实验箱配套的人工智能教材，要求教材有配套视频（可通过扫描书中对应章节对的二维码观看）、PPT、源代码、习题。

2

智能语音开发实训设备

基于人工智能、可二次开发的带显示终端智能音箱，从物联网的基础开发到结合语音唤醒、语音识别、语音合成等技术完成实际案例，可支持******居等实际项目案例。

4

套

12,800

51,200

一、硬件要求
1.开源带显示终端智能音箱1个（带网关功能）
开源带显示终端智能音响形式上应采用一体化设计，应具有定制的音箱******居界面显示功能、语音唤醒/识别/合成功能，摄像头调用显示功能。
1)音箱外壳：长宽高不低于175mm*100mm*160mm。
2)人工智能边缘计算主板参数不低于：四核64位SoC、主频1.5GHz；内存：4GB；网络：无线+蓝牙5.0，千兆以太网；2*Micro-HDMI输出；2通道MIPI DSI显示端口。
3)音箱集成摄像头，不低于100°无畸变、≥500万像素。
4)应支持基于WM8960开发的低功耗立体声编解码器；两个麦克风采集声音，提供3个唤醒/工作提示灯，1个用户按钮和2个板载Grove接口，用于扩展应用程序。
5)应采用电容式显示终端，显示终端尺寸≥7英寸IPS面板、可视角度≥170°、HDMI接口、分辨率≥1024*600。
6)唤醒词应支持自定义修改，可以自己训练唤醒词，可以多人同时训练唤醒词。
7)应支持在线语音识别，可联动传感器，包括传感器控制与传感器数据获取，并语音合成进行播报。
******居进行监控。
9)应可实现其他语音互动，如获取模块IP地址、播放音乐等。
10)语音控制指令、语音合成语句、其他语音互动应支持修改并二次开发。

2.电源适配器不低于：5V/4A。

3.无线传感网节点模块应支持：
1)传感器模块≥12个
2)接口兼容的电灯、继电器、风扇、蜂鸣器、温湿度传感器、光强传感器、人体红外、烟雾传感器、可燃气体传感器、超声波测距传感器、火焰传感器、光电开关传感器。
3)无线传感网节点底板≥4个
4)搭配物联网无线传感网节点底板，带一键还原功能，插入配套的一键还原卡，不用PC和仿真器参与，通过板载按键即可还原。节点带1.44英寸TFT低功耗显示终端，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；
5)ZigBee通信核心模块≥2个
6)ZigBee通信核心板2个：基于CC2530方案。
7)WiFi通信核心模块≥2个
8)WiFi通信核心板2个：基于M0+ESP8266方案。
9)一键还原卡≥1个
配置1个一键还原卡，可以方便教学管理，实现一键还原功能。不用PC和仿真器参与，通过无线传感网节点底板一键还原按键即可还原。即使模块原有程序完全损坏，也可以实现一键还原功能。根据每台实验箱编号不同，还原后的各个无线网络在不同实验箱之间互不干涉。

二、实验资源等要求
1.应提供基于 Linux系统与Windows系统的开发环境搭建：提供Linux、Windows两种系统的Python、TensorFlow人工智能环境搭建实验，提供CPU、GPU两种环境的TensorFlow环境搭建实验；

2.应提供Python实验
1)Python基础：包括Python循环语句、Python文件操作、Python异常处理等方面的实验，实验数量≥15个；
2)Python高级：Python模块的发布安装和使用、第三方模块引入和使用、MQTT通信开发等方面的实验，实验数量≥10个；
3)Python项目：至少包含飞机大战Python综合项目，项目数量≥1个。

3.应提供人工智能语音开发实验
可在设备上完成理论与上机实验：包括语音采集、端点检测、语音唤醒、离线语音合成、智能音箱对话、智能音箱播放音乐、智能音箱控制灯、智能音箱获取光照强度信息等实验，实验数量≥15个。

4.应提供无线传感网实验（ZigBee部分）
ZigBee部分：提供本实验箱的配套传感器模块实验（每种传感器提供一个独立实验），实验数量≥20个；

5.应提供无线传感网实验（WiFi部分）
WiFi部分：提供本实验箱的配套传感器模块实验（每种传感器提供一个独立实验），实验数量≥20个；

6.应提供人工智能实验系统软件，设备厂家具有自主知识产权；内容包含：
1)人工智能基础：数据集介绍、深度学习简介、TensorFlow简介、TensorFlow入门操作等，实验数量≥5个。
2)基本处理算法：用于处理分类问题的解决算法：K最近邻算法、逻辑回归算法；用于处理回归预测问题的解决算法：线性回归算法；解释原理、学习方法、使用方法、处理方法等。
3)神经网络算法：基于前馈人工神经网络模型的多层感知器（MLP）；基于闭合回路的递归神经网络的长短期记忆网络（LSTM）；基于闭合回路的递归神经网络的双向循环神经网络（Bi-RNN）；基于反向传播算法的进行空间表征的压缩重构的自编码器（Autoencoder）等，实验数量≥5个
4)TensorFlow的实用技术：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。
5)高级框架TFlearn：TFlearn常用API的介绍；基于TFlearn进行回归预测问题的解决算法实现；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。
6)TFlearn视觉网络：基于TFlearn实现前馈人工神经网络模型的多层感知器（MLP）；基于TFlearn实现前馈人工神经网络模型的卷积神经网络（CNN）并在多个数据集上进行解释等，实验数量≥5个
7)人工智能应用实验：OpenCV图像采集及预处理、手写数字识别、车牌识别等，实验数量≥5个。

7.综合项目应包含以下内容：
1)语音助手
基于离线的语音唤醒、在线的语音识别、语音合成等人工智能技术实现一个智能音箱后端，可实现智能问答（包括设备状态问答、时间问答、知识问答等）、查询天气、播放音乐、设定闹钟提醒、控制传感器等功能。
2)语音界面
支持基于界面显示语音识别结果、录音状态。
3)传感器控制
传感器控制可以监控配备的所有传感器，还可以高度集成化、灵活化、定制化，开发者可以选择在应用上显示什么传感器，开发者可高度定制自定义联动规则（传感器联动以及时间联动）。可显示传感器电量，电量不足可以及时充电。
4)设备支持部署B/S后端，可通过浏览器网页登录到设备后端，控制传感器节点，并且部署自动化联动规则。

3

机器视觉开发实训设备

基于人工智能、嵌入式、云台的机器视觉开发套件，从使用多种技术相结合实现图像识别、人脸识别、目标检测、目标跟踪等实际案例。满足我校人工智能基础理论教学、人工智能综合项目案例、嵌入式基础教学等。通过理论加实践的教学方式培养学生创新能力及用工具解决问题的能力。

4

套

24,800

99,200

一、硬件要求
1.应支持不低于5V/4A电源适配器

2.嵌入式AI运算单元主板参数应不低于：
四核ARM的Cortex-A57处理器，NVIDIA的CUDA核心≥128个，4GB 64位LPDDR4；
32GB eMMC，64GB TF卡存储；
1Xsdio/2xSPI/6XI2C/2xI2S/GPIO，千兆以太网，搭载基于B/S架构的本地AI开放平台，基于设备的B/S架构的AI开放训练平台FastDL，基于设备的B/S架构的提供AI Studio学习平台，平台开源可进行二次开发。

3.嵌入式AI控制单元主板参数应不低于：
Cortex-M3内核的STM32F103系列处理器，最高主频72MHz，LQFP64封装。
至少包含六种物联网无线传感网络接口：可兼容zigbee、蓝牙、WiFi、IPV6、LORA、NBIoT等网络类型。
云台控制接口：具有云台控制接口，可实现云台的实时操控；
0.96英寸OLED显示终端：用于运算器状态显示
3个板载USB HOST接口；
1个板载USB MINI接口，用于连接PC；
1个12PIN无线模块下载接口，可以用于给zigbee、蓝牙、WiFi、IPV6、LORA、NBIoT等无线网络通信核心板烧写程序；
板载4个云台控制按键，可以用于云台的上下左右控制；
可通过搭载在设备上的B/S架构的本地AI开放平台进行远程控制。

4.平板电脑参数应不低于：
安卓系统；10英寸以上；分辨率1080p；内置Wi-Fi、蓝牙；电池容量5000mAh以上；后置摄像头500W；前置摄像头200W；支持4G；电容触摸；1个麦克风；2个扬声器数量；可对接搭载在设备上的B/S架构本地AI开放平台。

5.摄像头云台参数应不低于：
尺寸：120mm*120mm*116mm
自由度：2自由度（旋转180°，俯仰180°）。

6.高清摄像头参数不低于：1080P输出，Sensor不低于1/2.7inch CMOS，1080P模式下支持30帧/秒，USB免驱。

7.键盘参数应不低于：
无线传输键盘，可连接平板电脑使用搭载在设备上的B/S架构AI Studio学习平台进行相关实验学习和开发。

二、软件平台要求
以下三个平台应由Python的Django实现并部署，并针对相关的平台做了HTML5、JSS以及JavaScript的相关开发，应支持使用浏览器访问前端界面进行学习和开发，所有的B/S项目代码都应开源。

1.应提供本地的搭载在设备上的B/S架构的AI开放平台，可实现通过浏览器，实现人工智能人脸识别、目标检测等功能，可使用平板电脑摄像头（前置和后置）和设备摄像头进行识别。

2.应提供本地的基于设备的B/S架构的AI开放训练平台FastDL,可在设备上一键式训练，无需部署环境和神经网络，零基础训练神经网络模型，训练完成的模型可发布为设备端SDK、私有服务器部署、软硬一体方案，灵活适配各种使用场景及运行环境。

3.应提供本地的基于设备的B/S架构的提供AI Studio学习平台，无需在计算机上搭建任何环境，平台在使用手册中插入可运行的碎片化代码进行运行处理。

三、实验资源等要求（所有实验均须提供完整的实验案例（包含源码）及实验指导说明文件，需提供实验指导书等相应辅证材料）
1.应提供基于 Linux系统与Windows系统的开发环境搭建：提供Linux、Windows两种系统的Python、TensorFlow人工智能环境搭建实验，提供CPU、GPU两种环境的TensorFlow环境搭建实验；

2.Python基础应包括：Python循环语句、Python文件操作、Python异常处理等方面的实验，实验数量≥15个；

3.Python高级应包括：Python模块的发布安装和使用、第三方模块引入和使用、MQTT通信开发等方面的实验，实验数量≥10个；

4.Python项目应包括：至少包含飞机大战Python综合项目，项目数量≥1个。

5.应提供人工智能机器视觉开发实验
可在设备上完成理论与上机实验：目标轮廓特征查找、霍夫变换等实验，实验数量≥20个。

6.应提供人工智能实验系统软件，设备厂家具有自主知识产权；内容包含：
1)人工智能基础：数据集介绍、深度学习简介、TensorFlow简介、TensorFlow入门操作等，实验数量≥5个。
2)基本处理算法：用于处理分类问题的解决算法：K最近邻算法、逻辑回归算法；用于处理回归预测问题的解决算法：线性回归算法；解释原理、学习方法、使用方法、处理方法等。
3)神经网络算法：基于前馈人工神经网络模型的多层感知器（MLP）；基于闭合回路的递归神经网络的长短期记忆网络（LSTM）；基于闭合回路的递归神经网络的双向循环神经网络（Bi-RNN）；基于反向传播算法的进行空间表征的压缩重构的自编码器（Autoencoder）等，实验数量≥5个
4)TensorFlow的实用技术：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。
5)高级框架TFLearn：TFLearn常用API的介绍；基于TFLearn进行回归预测问题的解决算法实现；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。
6)TFLearn视觉网络：基于TFLearn实现前馈人工神经网络模型的多层感知器（MLP）；基于TFLearn实现前馈人工神经网络模型的卷积神经网络（CNN）并在多个数据集上进行解释等，实验数量≥5个）
7)人工智能应用实验：OpenCV图像采集及预处理、手写数字识别、车牌识别等，实验数量≥5个。

7.应提供人工智能实验，内容至少包含：
1)基础概念实验，实验数量≥10个；
2)命令式编程使用教程实验：至少包括命令式编程模式、多卡训练等，实验数量≥5个；
3)使用技巧实验：至少包括训练过程中模型评估、增量训练等实验，实验数量≥5个；
4)简单案例：至少包括Softmax回归实现数字识别训练和预测、卷积神经网络实现数字识别训练和预测、词向量实现与应用等实验，实验数量≥10个；
5)计算机视觉：至少包括图像分类训练与应用、生成对抗网络训练和应用等实验，实验数量≥4个；
6)自然语言处理：至少包括情感分析训练与应用、语义角色标注训练与应用、机器翻译训练与应用等实验，实验数量≥5个；
7)推荐系统：至少包括个性化推荐系统训练与应用等实验，实验数量≥2个；
8)基于AI开放平台的人工智能图像识别实验，实验数量≥5个；
9)基于AI开放平台的人工智能语音实验，实验数量≥1个；
10)基于AI开放平台的人工智能人脸识别实验：提供至少包括人脸检测、人脸识别、改进返回值实验，实验数量≥4个；

8.应提供基于设备的B/S架构的AI开放训练平台，至少需包含如下项目内容，猫狗检测、火灾预警、云台控制、颜色跟踪、人脸检测、人脸识别、目标检测（基于平板摄像头）、目标检测（基于设备摄像头）。所有项目都可通过设备的基于B/S架构的本地AI开放平台进行演示和开发。（需提供功能截图并加盖投标人公章佐证）

4

智能机器人开发实训设备

系统整体要求人工智能机器人开发套件结合了机械、电子、传感器、计算机软硬件、机器人操作系统、人工智能等众多的先进技术。
金属结构件能够轻易完成机械结构搭建，配合高性能的微处理器，多种常用传感器，若干电机及舵机，方便验证机器人结构的运动特性、微处理器及机器人操作系统等方面的实验。
能够结合人工智能让机器人更加智能，基于深度学习框架开发完成训练模型、调试参数、打包模型一系列人工智能开发流程。

4

套

70,800

283,200

一、硬件要求应至少包括以下组成部分：
1.铝合金板件1套：通过4块的钣金件能够组装车模。

2.直流减速电机4台；

3.格氏24V/8000mA动力锂电池1个；

4.25.2V/5A电源适配器1个；

5.全向车驱动模组1套；

6.Cortex-M4核心板参数应不低于：主控芯片：STM32F407VET6；端口电平转换单元；USB转串口；LED指示灯；电机控制、正交码盘、SPI扩展、定时器扩展、GPIO等扩展端口；

7.ST-LINK V2仿真器1个；

8.DEBUG仿真接口转接板1块；

9.人工智能运算单元主板参数不低于：四核64位SoC、主频1.5GHz；内存：4GB；网络：无线+蓝牙5.0，千兆以太网；2*Micro-HDMI输出；2通道MIPI DSI显示端口。

10.ROS运算单元主板参数应不低于：四核64 位 SoC，主频 1.8GHz；2GB内存；千兆以太网卡、无线网卡、蓝牙5.0；Micro SD 卡插槽；5V/5A DC (通过 USB-C 接口或 GPIO)。

11.高清摄像头参数不低于：1080P输出，Sensor不低于1/2.7inch CMOS，1080P模式下支持30帧/秒，USB免驱。

12.360度激光雷达1个，参数应不低于：测量范围≥12米半径；至少具有360度扫描测距；测量频率≥8000次/秒；至少具有2-10Hz可配置的扫描频率，具有光磁融合；即插即用，且必须配备串口和USB接口；

13.3英寸麦克纳姆轮4个，参数应不低于：碳钢一体成型轮毂；深沟轴承(国产)；钢板表面镀镍；

14.7寸HDMI显示器1套，参数应不低于：分辨率≥1024*600；至少一路USB触摸接口；至少一路HDMI显示接口；

15.ROS-AI控制转接板参数应不低于：可实现一键切换屏幕输入端、机械臂主控、摄像头连接端；包含以下部分：2路Type-C输入；HDMI：2路输入，1路输出；1个USBA屏幕供电触摸接口；1个4P机械臂通信接口；1个USBA摄像头接口；1个ROS控制单元预留USBA接口，1个AI控制单元预留USBA接口；1块1.44寸TFT LCD彩色屏幕；一组语音模块（扬声器1个、麦克风1个、通信接口/下载接口）；预留5V供电接口。

16.工业机械臂参数应不低于：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；（需提供功能截图并加盖投标人公章佐证）

17.PS2手柄参数应不低于：串行通信，至少可实现按键控制以及摇杆控制。

二、软件资源
1.应提供智能车控制系统软件，设备厂家具有自主知识产权，内容包含：
1)STM32主控部分应至少包括如下内容：
提供GIPO输入输出实验、LED灯控制实验、蜂鸣器控制实验、SysTick系统滴答实验、 UART串口实验、通用定时器实验、ADC模数转换实验、I2C总线实验、LCD显示实验、直接存储器访问实验（DMA）、Flash数据存储实验、ICM20948驱动实验、PWM电机驱动实验、编码器输入捕获实验、PID电机控制实验、实验数量≥15个；
2)ROS部分应至少包括如下内容：
提供基础原理：认识ROS、介绍ROS文件系统、运行ROS的经典程序—小乌龟、创建ROS工作空间功能包、编写简单的的订阅者和开发者、自定义消息和订阅、launch文件编写、动态参数调节和参数服务器、时钟与日志、TF坐标变换、ROStf—自己实现小乌龟跟踪、机器人建模与仿真—urdf/xacro，实验数量≥10，手册页数≥200页，视频时长≥3小时
进阶与实战：键盘控制小车；话题控制小车；添加雷达功能包；ROS地图构建与自主导航；添加摄像头功能包；ROS项目实战（激光雷达跟随、视觉巡线）、ROS机械臂；Moveit！工具使用；Rviz控制机械臂；action通信；程序控制机械臂；实验数量≥11；手册页数≥100页
ROS小车仿真：Gazebo场景构建；控制小车在Gazebo中移动；构建地图（Gmapping、Hector_mapping）；自主导航；实验数量≥5；手册页数≥50页；视频时长≥1.5小时
机械臂仿真：Moveit!介绍；Moveit! Setup Assistant配置机械臂；Moveit！使用；Moveit！编程；键盘控制仿真机械臂；pick and place实验；Gazebo仿真；Gazebo、Rviz联合仿真；实验数量≥13；手册页数≥95页；视频时长≥2.5小时

2.提供人工智能实验系统软件，设备厂家应具有自主知识产权，内容应包含：
1)人工智能基础实验，实验数量≥6个；
2）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，实验数量≥3个；
3）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，实验数量≥5个；
4）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；
5）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，且实验数量≥5个；
6）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，实验数量≥6个；
7）基于AI开放平台的人工智能图像识别实验，实验数量≥5个；
8）基于AI开放平台的人工智能语音识别实验，试验数量≥1个；
9）基于AI开放平台的人工智能人脸识别实验：提供至少包括人脸检测、人脸识别、改进返回值实验，实验数量≥4个；
10）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，实验数量≥7个。

三、综合项目

1、机器人地图构建:在硬件上采用激光雷达和带码盘的直流减速电机来分别提供深度信息和里程计信息，利用ros中开源项目gmapping功能包，通过仿真软件rviz，实现室内slam地图构建。

2、Navigation自动导航： 在已经构建完成的地图上，利用开源项目amcl定位功能包和move_base功能包，并采集雷达和里程计信息，使用仿真软件rviz，实现机器人的自动避障导航。

3、机器人手势识别应包含如下内容：通过图像处理识别不同的手势。

4、基于YOLOV8手部检测机械臂跟踪应包含如下内容：通过摄像头捕获现场情况，自动检测当前画面中的人手，点击开始跟踪后，机械臂通过上下左右调节使得画面中的人手始终在画面的中央位置，如果画面中有多个人手，机械臂会选择跟踪画面中面积最大的手；当画面中没有人手被检测到时，20秒后机械臂会自动退出跟踪。

5、智能语音机器人控制应包含如下内容：通过麦克风完成语音采集，将采集到的语音进行识别，并在识别完成后发送对应的控制指令，下发到ROS端进行小车的控制，或者发送到机械臂控制板，控制机械臂运动。

6、遥控化机器人应包含如下内容：通过PS2手柄完成对ROS机器人以及机械臂的控制，包括ROS机器人基于麦克纳姆轮在平面上的360度运动，以及机械臂的运动抓取控制等等。

7、实时跟踪全倾斜摄像机平台应包含如下内容：通过摄像头捕获拍摄场景，用户选择HSV颜色区间，可以对某物体进行颜色背景分割，运算器可对该物体进行位置标注并控制机械臂对其进行跟踪，使其一直保持处于摄像头捕获场景的正中心。

8、博物馆引导机器人应包含如下内容：可在博物馆或者会场进行引导导航，在博物馆中，可设置A、B、C三个展柜的坐标系，该坐标系的原点是固定的，为机器人出发点。在用户选择去哪个展柜进行参观后（三个展柜可同时选择或者只选择某些展柜，并且顺序可调换），有两种方式对用户进行引导：
1）、定距离方式，该方式相对比较简单，只作为学生学习坐标系变换和机器人传感器数据处理时使用，该方式可通过笛卡尔坐标系与极坐标系的转换，不通过地图构建与导航的方式直接与传感器数据进行交互，实现引导作用。
2）、定点方式：该方式需要对博物馆或者会场的地图进行构建，构建后选择要参观的展柜，机器人会根据构建好的地图与自身的坐标实现引导作用。
机器人在引导过程中会实现语音播报，提示用户到达某个点或者要前往什么地点。播报内容可修改以使用不同的场景，在引导完毕后，机器人会返回出发点等待下次引导。

9、▲餐厅送餐机器人应包含如下内容：
应可在餐厅中实现机器人送餐，该项目将AI+ROS+机械臂结合起来，应以厨房为第一视角，在完成食物制作后，将食物放到机器人上，机器人会根据食物上的餐桌二维码判断送达地点，并应可通过两种方式对食物进行配送：
1）应支持定距离的方式：该方式通过运算器与传感器的数据交互与处理，实现食物配送；
2）应支持定点方式：该方式可提前构建餐厅地图，在判断到达地点后完成自动导航的食物配送；
配送到达后，机械臂会从机器人上将食物取下，并进行语音提示，语音可修改以适配不同场景，在语音提示后，机器人会返回厨房等待下次配送。
(投标时提供视频证明，视频应包含送餐机器人第一视角，二维码判断，定距离配送，定点配送和语音提示功能）

5

******居开发实训设备

1.设备应采用实训台网孔板与底座可分离式设计，网孔板应可自由搭载组合传感器网关设备等，底座应带有12V/4A开关电源；PDU机柜4位应带开关强电插排；应带有弱电电源电压/电流显示模块，应可实时显示弱电的电流电压；应预留12V电源输出端，应采用鳄鱼插头设计，方便对硬件设备供电。

4

套

70,800

283,200

2.应包含开源带屏智能音箱1个（带网关功能）
产品要求：开源带屏智能音箱形式上采用一体化设计，具有正规的音箱外壳，不接受******居界面显示功能、语音唤醒/识别/合成功能，摄像头调用显示功能。
1)应包含音箱外壳，参数应不低于：长宽高175mm*100mm*160mm，具有≥2个USB拓展口、电源接口、USB串口、Zigbee模块开发接口；
2)应包含人工智能边缘计算主板，参数应不低于：四核Cortex-A72、64位SoC、主频1.5GHz；内存：≥1GB LPDDR4 SDRAM；网络：双频IEEE 802.11ac无线+蓝牙5.0，千兆以太网；2个USB 3.0端口；2个Micro-HDMI输出（4kp60或4kp30）；2通道MIPI DSI显示端口；2通道MIPI CSI摄像头端口；
3)应包含音箱集成摄像头，参数不低于，100°广角无畸变、≥500万像素；
4)应包含低功耗立体声编解码器，参数应不低于；两个麦克风采集声音，提供3个唤醒/工作提示灯，1个用户按钮和2个板载Grove接口，用于扩展应用程序；
5)应包含触摸屏，参数不低于，屏幕尺寸≥7寸、可视角度≥170°、HDMI接口、分辨率≥1024*600；
6)应采用离线唤醒，唤醒词自定义修改，可以自己训练唤醒词，可以多人训练同一唤醒词；
7)应包含在线语音识别，可联动传感器，包括传感器控制与传感器数据获取，并语音合成进行播报；
******居进行监控，APP可查看音箱摄像头实时画面及传感器历史数据，可动态实现传感器联动规则配置和联动开关；
******居进行监控，应支持扫描智能音箱屏幕上动态生成的二维码连接设备，微信小程序应可通过物联网核心套件 IoTCore远程设备监控，实现传感器的实时数据显示以及设备的控制；
******居信息、终端设备信息、音箱摄像头图像、传感器历史数据，应可在浏览器动态实现传感器联动规则配置和联动开关；
11)应可实现其他语音互动，如获取模块IP地址、播放音乐等；
12)语音控制指令、语音合成语句、其他语音互动应可修改并二次开发；
13)应内置ZigBee模块，应可实现Zigbee组网，数据通信。

3.应配套VR眼镜盒子，配合VR显示终端可呈现VR显示内容；眼镜盒子适用Android系统。

4.应配套VR显示终端，配合VR眼镜盒子可呈现VR显示内容。CPU要求≥Cortex-A53，RAM要求≥3GB；Flash≥32GB；屏幕≥5.5英寸、1080p、400PPI；具有Wi-Fi、蓝牙，支持4G，支持定位，有陀螺仪等传感器；。

5.应配套温湿度+光照度+可燃气体三合一传感器。输出信号为RS485 Modbus协议；温度量程-40℃～+120℃，湿度量程0～99.9％RH，光照度范围0～65535lux，可燃气检测范围300～10000ppm(甲烷、天然气)；输入电压DC12V，工作电流小于100mA。

6.应配套PM2.5传感器，用于检测环境空气颗粒物浓度。检测范围MIN：0.03um，TYP:2.5um；检测感度：0.2V/(0.1mg/m^3) ～ 0.5V/(0.1mg/m^3)；使用温度：-10℃～+65℃；输入电压：4.8V～5.2V。

7.应配套抽风风扇，要求转速3600RPM，风量25.43 CFM；风压1.00 IN H2 O；噪音52dB；工作电压范围4.0～13.8V，标识电流1.2A，工作电流0.8A，工作输入功率9.6W。

8.应配套声光报警器。要求警声压100分贝；供电电压DC12V，额定电流40mA，功率：4.8W。

******居环境中的门锁。要求工作电压DC12V；起动电流400mA；功率5W；常温长期工作温度39℃。

10.应配套LED工作灯。工作电压DC12V；常温长期工作温度39℃。

11.应配套全向红外模块，可通过红外线控制其他硬件。要求具有5个红外发射头，带学习功能；可控制红外插座；5V供电。

12.应配套125KHz RFID模块，板载低功耗MCU，ARM Cortex-M0核，独立USB转串口， 1.44寸TFT LCD 独立显示，2按键，1路蜂鸣器，≥10路IO扩展，1路LED灯，SWD下载口，独立复位。射频方案：EM4095。模块对外提供USB、RS232、I2C等3种访问方式。支持ISO 11784/11785 协议。

13.应配套电动窗帘机，用于控制窗帘。包括窗帘轨道1根（50cm）、45瓦KT320E电机1台、DC87红外控制器1台。

14.应配套ZigBee从节点控制器4个，使用CC2530作为解决方案，用于收发ZigBee网络信息，采集传感器数据，对设备进行控制。主控制器使用Cortex-M3芯片STM32F103；具有SWD下载接口、TTL串口、RS485 接口、 RS232接口、OLED屏幕、2路IO开漏输出电路驱动12V设备、多路LED指示灯。

15.应配套云台摄像头，100万像素（720P）；支持红外夜视功能，支持无线WI-FI或网线；云台可旋转，可在电脑、平板、手机端显示画面；可录像；可查看回放录像，支持异地远程回放；录像可存储于TF卡、手机、电脑；云台具有报警功能，能移动侦测报警、推送消息至手机报警；具有音频输入功能。

16.应配套红外遥控插座，应支持功率500W；控制距离应：3m～8m。

17.************居的布局，软件结构中至少包含，大厅、厨房、卧室、卫生间等空间，模拟真实的家庭环境；软件中至少包含空调、窗帘、电视、排风扇、报警灯、照明灯等部件；至少包括温湿度，燃气等信息反馈，且信息均为硬件设备采集的真实数据；软件中通过控制动作需要有虚拟效果，且会真实反馈到硬件产品上达到控制目的；需要达到视觉移动效果，可以到达不同的区域并可以进行控制。

******居系统软件，设备厂******居控制系统控制监测设备的状态。通过光照感应器实时调节室内灯光亮度，通过温度、环境、燃气等传感器实现智能场景联动，如调节室内空气流通、燃气报警等功能。************居控制系统监测展示，智能场景联动展示）。

19.应提供物联网实验系统软件，设备厂家应具有自主知识产权，内容应至少包含：
1)传感网络部分参数应不低于：基于ZigBee的灯光实验、基于ZigBee定时器实验、基于ZigBee的UART串口实验、基于ZigBee的定时器唤醒实验、ZigBee的数据透传实验，OSAL之点灯实验、OSAL之串口打印实验、OSAL 之串口收发实验、ZigBee广播实验、ZigBee单播实验、ZigBee信号质量RSSI实验、ZigBee组播实验等，实验数量≥15个。
2)VR开发部分参数应不低于：Unity 3D开发环境搭建、Sensor与Camera、UI系统、物理碰撞与运动、动画寻路与状态机、粒子、材料球与烘焙、打包实战、VR综合项目案例等，实验数量≥45个。
3)STM32外设实验：STM32F103的LED基础实验、STM32F103的定时器实验、STM32F103的呼吸灯实验、STM32F103的OLED显示屏实验、门锁控制实验、风扇控制实验、温湿度传感器实验等，实验数量≥15个。

20.应提供人工智能实验系统软件，内容应至少包含：
1)应包含人工智能基础：数据集介绍、深度学习简介、TensorFlow简介、TensorFlow入门操作等，实验数量≥5个；
2)应包含基本处理算法：用于处理分类问题的解决算法：K最近邻算法、逻辑回归算法；用于处理回归预测问题的解决算法：线性回归算法；解释原理、学习方法、使用方法、处理方法等；
3)应包含神经网络算法：基于前馈人工神经网络模型的多层感知器（MLP）、基于闭合回路的递归神经网络的长短期记忆网络（LSTM）、基于闭合回路的递归神经网络的双向循环神经网络（Bi-RNN）、基于反向传播算法的进行空间表征的压缩重构的自编码器（Autoencoder）等，实验数量≥5个；
4)应包含TensorFlow的实用技术：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；
5)应包含高级框架TFlearn：TFlearn常用API的介绍、基于TFlearn进行回归预测问题的解决算法实现、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；
6)应包含TFlearn视觉网络：基于TFlearn实现前馈人工神经网络模型的多层感知器（MLP）、基于TFlearn实现前馈人工神经网络模型的卷积神经网络（CNN）并在多个数据集上进行解释等，实验数量≥5个。
7)应包含人工智能应用实验：OpenCV图像采集及预处理、手写数字识别、车牌识别等，实验数量≥5个。

21.应提供设备对应的一套综合实训课程，视频时长应≥9小时，视频数量应≥38个，视频应配套PPT，PPT页数应≥140页。视频应包含项目原理讲解、项目介绍以及完整的实现过程，至少包含：串口协议介绍与原理、项目串口协议定义与内容、智慧客厅空间网关串口数据通信库、MQTT消息协议定义与原理、项目MQTT协议定义与使用、智慧客厅空间网关MQTT通信库、智慧客厅空间网关数据转换上传、智慧客厅空间网关数据转换下发、智慧客厅空间项目模板构建、智慧客厅空间界面布局、智慧客厅空间数据卡片显示与控制、智慧客厅空间数据心跳机制、智慧客厅空间数据库环境与操作、智慧客厅空间数据库存取、智慧客厅空间数据可视化、智慧客厅空间自动化场景、智慧客厅空间日志。

6

人工智能教学实训平台

1、整体功能指标
1.1、应提供≥30并发用户授权；
1.2、平台应采用B/S架构，应用HTML5技术，所有功能模块在浏览器中即可完成操作；
1.3、应支持在线查看平台软件授权书，包含软件版本、授权并发数、授权用户数等信息；支持记录和查询系统操作日志；
1.4、应支持多种用户角色，包含管理员、教师、学生；管理员能够一键切换至实训平台教学系统，无需二次登录。

1

套

338,000

338,000

2、用户管理功能
2.1、应支持对管理员、教师、学生用户账号进行添加、修改、删除、禁用等操作；用户能够自行修改登录密码；
2.2、应支持管理员根据系统模板批量创建学生账号；应支持批量删除学生账号；
2.3、应提供专业和班级管理功能，应支持针对班级限制实验机的使用时限。

3、课件管理功能
3.1、应支持添加视频资源、实验指导书、习题、课件、讲义、在线编程题等教学课件，应支持课件分类管理、在线预览；
3.2、应支持上传数据集，可以设置数据集分类、文件大小、文件格式、数据介绍、数据样例等信息；数据集支持下载到本地使用；
3.3、应支持新增实验，能够编辑实验指导书内容，并选择实验所使用的镜像环境；应支持添加实验自动检测条件，包含检查目录、文件名称、文件大小、文件内容、文件行数、程序执行、程序输出、MySQL执行结果等检测条件；应支持设置各检测项的排序值和权重，老师可以进入实验环境进行测试验证；
3.4、应支持新增Java、Python、C++语言在线编程，能够设置在线编程题目、题解、初始代码、函数体、参数类型；支持添加测试用例，并根据测试用例的输入数据自动生成正确的输出结果；应支持在线预览、调试；
3.5、应支持老师将课件文件和文件夹分享给其他用户，应支持设置有效期和提取码，获取分享链接的用户可以浏览、下载。

4、课程管理功能
4.1、应支持课程编排功能，老师可以自定义创建新课程，课程中各级内容支持拖拽排序；老师可以为课程添加标签；
4.2、应支持官方教学资源复制功能，老师能够通过拉取操作一键复制官方课程、题库、OJ、试卷等教学资源，课程副本内容支持重组、二次修改、无限复用；课程列表支持排序；应支持将课程导出为课程包，支持上传课程包；
4.3、应支持为课程中的实验任务设置实验报告模板，应支持限制实验任务的操作时长；
4.4、应支持为课程添加知识图谱，能够为课程中每个知识点绑定对应的课程任务；学生完成要求的课程任务并达标后能够点亮知识图谱；
4.5、应支持课程发布功能，能够将官方课程开放到前台，也能够将课程作为学习任务发布给学生；应支持自定义设置开放课程的排列顺序和有效期。

5、系统资源管理功能
5.1、应支持系统服务器集群管理功能，能够监控和查看集群各节点的资源占用情况进行监控；能够统计服务器集群各节点已创建的实验机总数、正在运行的实验机数量；应支持资源总体监控功能，能够通过图表呈现系统集群CPU、内存、磁盘、实验机等资源的实时使用情况;
5.2、应支持查看系统内置镜像详情；应支持进入镜像图形化桌面进行环境验证；
5.3、应支持自定义调整系统镜像的初始CPU、内存和磁盘配额；
5.4、应支持自定义镜像功能，能够基于系统已有基础镜像自定义配置、制作生成新的镜像环境，并一键下发到用户端。

6、用户实验机管理
6.1、应支持查看平台中用户创建的实验机详情；管理员可以直接进入正在运行的实验机图形桌面远程监控使用者的操作；应支持远程控制正在运行的实验机；应支持管理员批量关停或删除用户实验机，可以手动释放实验机占用的计算资源；
6.2、应支持动态调整用户实验机，能够在不影响用户使用的情况下动态调整其实验机容器的CPU、内存和磁盘配额；
6.3、应支持以可视化图表的形式展示平台每日在线实验机峰值最高并发实验机峰值、每日各时段实验机的实时实验机在线数和实验机并发数。

7. AI备课功能
7.1、应支持一键生成“专业/岗位/技能”的培养方案和用户自主编辑上传，培养方案内容需包括基础内容：方案名称、专业名称、专业代码、学科、学制；以及详细内容：专业介绍、培养目标、毕业要求、核心专业课，核心专业课包含：课程名称、课程代码、总学时、理论学时、实践学时和学分，以上所有详细内容均可根据用户输入的详细要求进行二次生成以及AI润色；
7.2、▲基于培养方案，应支持继续拓展生成专业核心课程列表。各核心专业课教学大纲需包括基础内容：课程名称、课程代码、理论学时、实践学时、学识总数；以及详细内容：建议教材与参考书、课程介绍、先修要求、课程目标、课程思政、课程结构与学时分配、考核方式及其他说明，课程结构与学时分配包含理论部分和实践部分，内容需包括教学内容、教学要求、学时、课程目标。以上所有详细内容均可根据用户输入的详细要求进行二次生成以及AI润色；（需提供本功能小样视频演示予以佐证，小样视频中需完整体现在平台中进行内容生成的功能）
7.3、应支持一键生成各章节讲座列表；支持各小节基于专业课程及知识点，自主选择AI生成、知识库检索、手动创建课件。课件类型应包括：教学讲义、实验任务、习题考核、视频任务；教学讲义内应可一键生成或手动添加互动式回答问题：应包括问题内容、测题题型、测题内容；
7.4、应支持教师通过AI创题功能，自主选择课程、章节、习题类型、难度系数、语言科目、主知识点、从知识点生成题目，生成内容包含多种题型，如单选题、多选题、判断题、简答、在线编程题（OJ）等。（需提供功能截图并加盖投标人公章佐证，截图中需完整体现在平台中进行AI创题的功能，完整体现自主选择课程、章节、习题类型、难度系数、语言科目、主知识点、从知识点生成题目的选项）

8、课程教学功能
8.1、应支持老师查看官方推荐的专业人才培养教学计划表，应包括各学年推荐教学课程及课时和学分安排，各课程与官方课程相匹配，可直接跳转查看课程内容详情；
8.2、应支持教师创建教学空间和项目空间；老师可以通过链接或二维码形式邀请学生加入空间，也能够按专业或班级将学生批量加入空间；应支持将其他教师设置为当前空间指定班级的助教；
8.3、应支持智能问答对话，可根据讲义内容生成一系列导学问题，用户回答后AI进行判断给出回复，用户可选择继续与AI讨论或进行习题检测，AI判断用户做题情况，回答正确进入下一问题，回答错误用户可选择继续与AI探讨问题或继续做题；
8.4、应支持AI助手功能，提供个性化学习支持，能够进行智能问答对话。能够帮助用户在学习过程中更好的理解课程学习内容，提高学习效率。支持查看、返回历史会话；应支持创建新会话；
8.5、同一空间应支持开通多门任务课程，并分别设置每门课程的有效时间和达标分值；课程应可设置为必修或选修学习模式，选修模式一次性开放所有学习任务，必修模式下学生应以闯关形式完成课程任务；
8.6、学生应能够进入课程学习页面在线浏览课件或观看教学视频；视频播放时能够自动记录和定位到上一次学习进度，应支持打开配套实验机边看边练；课程章节之间支持自由跳转；应支持用户在线编辑、保存学习笔记；
8.7、应支持打开在线编程环境进行编程练习，应支持自定义设置代码字号、行距和环境主题配色，支持Python、Java、C++等多种编程语言，能够在线提交、编译运行、保存编写的代码，支持键盘输入数据进行交互式编程并能够即时反馈代码执行结果；应支持查看编程题解和代码提交记录。

9、AI评测功能
9.1、应支持生成课程整体学习评估，需包括整体进度数据看板：已完成任务数；学习效率：用户个人各任务花费时间与平均耗时对比曲线图；整体评价：学习完成度、学习效果、学习时间、擅长的任务类型、需要加强的任务类型、需要加强的知识范围、总结与学习建议。

10、实验实战功能
10.1、应支持学生进入教学空间或项目空间查看课程大纲和知识图谱；学生根据老师开通的任务或项目课程学习路径进行实操训练，应支持进入实验环境进行实验练习；
10.2、每个实验任务应包含实验指导手册和配套图形化桌面实验机，指导书内容应包括实验目的、实验原理、实验环境、实验内容、详细的图文实验步骤、参考代码、正确实验结果；实验机应支持文档模式、操作模式和兼容模式自由切换，兼容模式能够同屏显示实验指导书和图形化实验环境；
10.3、实验机应支持与本地进行文件互传；应支持文字粘贴板功能；应支持实验机调用摄像头，应支持摄像头图像采集、摄像头视频录制、屏幕录制三种模式；实验机应支持重启和初始化，能够一键还原到实验机的初始状态；应支持远程协助，应包括协同操作和桌面广播两种协助模式；
10.4、应支持实验机快照功能，用户可以创建快照单独保存当前实验机状态；应支持进入已保存的快照环境；应支持删除自己创建的实验机快照；管理员能够查看所有快照的镜像源、所属集群、运行状态等信息，能够批量停止或删除快照容器、批量删除快照；
10.5、应支持实验操作时长控制，老师可以设置要求学生完成实验的时间，若学生在规定时间内没有完成，实验机支持续时延长可操作时间；
10.6、应支持对学生的实验结果自动检测，可以通过预先设置好的检测条件判断学生的实验过程是否操作正确，并根据检测项权重计算实验得分；
10.7、应支持学生在线编写实验报告，支持实验机截图功能，能够将当前实验机桌面生成截图并插入到实验报告中；截图能够显示当前用户名称和截图时间；支持老师批量审核学生实验报告并打分；应支持对学生提交的实验报告进行审核通过、驳回、评分、编写评语；应支持批量导出学生实验成绩和实验报告；
10.8、平台应支持自动对学生实验操作过程进行监控，老师能够回放学生实验机桌面以及键盘输入数据和实验操作画面。

11、考试与作业功能
11.1、应支持导入系统题库；支持新增、修改、删除、检索习题；支持单选、多选、判断、在线编程、实验操作、简答题等多种题型；支持批量导入习题；支持创建试卷，试卷支持多次复用；应支持老师为学生下发作业或考试，平台能够按老师预设的抽题规则从题库中抽题；
11.2、应支持学生在线考试答题；应支持考试防作弊功能，学生考试答题页面禁用鼠标右键、禁止选中、禁用快捷键；学生提交后平台能够自动判卷；应支持老师查看学生答题详情、错误率、修改题目得分、驳回重答；
11.3、应支持对学生答题情况进行统计，应包括提交率、及格率、优秀率、答题用时、答题排名等信息，能够查看学生试卷作答详情并将学生答题成绩导出为文件；应支持对试卷中每道题目的作答情况进行统计分析，能够统计每道题目的答题人数和正确率、各选项的提交数，以及每位学生提交的答案详情。

12、网站个性化配置功能
12.1、应提供主题功能，能够根据系统配色方案改变系统主题风格；应支持一键更换深色或浅色系统主题风格方案；应支持切换中文、英文系统语言；
12.2、应支持自定义设置平台的名称和Logo；应支持自定义设置前台首页展示样式模板，能够修改平台宣传语和首页二级模块的文案，或上传首页图片。

13、平台应提供AI+智能制造行业应用云平台资源模块，应支持以下内容：
1)数字孪生：内置不少于10种行业物模板，提供属性、服务、事件、订阅的建模能力，可快速建模，应支持事件驱动数字孪生模型进而驱动物理实体运行；物模板应支持多重属性继承，进行信息扩展；物模板和物实例支持导入导出；（需提供功能截图并加盖投标人公章佐证）
2)分布式时序存储：分布式时序数据存储架构，数据库支持单机部署，也支持线性扩展与扩容；
3)在线查询要求：应提供时序数据查询工具，能够基于指标或数据点快速检索、查询数据，提供多指标组合查询，并输出趋势图形与明细结果；
4)数据点管理要求：应提供层级化、标签化数据点位管理，应支持从边缘端导入点位数据，记录点位来源、当前位置，并提供Restful API以供第三方访问；（需提供功能截图并加盖投标人公章佐证）
5)数据缓存要求：所有点位最新数据应提供内存驻留，增强数据访问的时效性，减少磁盘访问；
6)可视化设计要求：应支持实时数据处理过程，提供类工作流的可视化设计与运行管理工具，拖拽式配置；
7)数据计算：应提供不少于100个数据库接入、系统数据集成、数据处理、大数据计算、动态脚本相关的技术调用与计算处理组件。可视化数据处理功能组件对数据进行高效并行处理，经过处理的数据可以生成为新的数据集供分析计算使用，数据处理工具应包括：列分拆，数据去重，列合并，行列转换，数据过滤，数据替换，列数据计算，类型转换等；（需提供功能截图并加盖投标人公章佐证）
8)数据校验要求：应自动校验数据处理过程合法性，对数据处理过程中不合法的设置自动校验并提示；
9)实时计算监控：应提供对数据处理过程数据流的可视化监控，应包括数据处理量、异常信息、资源占用等，并提供分布式及高可用运行机制保障；
10)组态设计要求：应提供可视化呈现页面设计，提供400种以上的设备、统计图、仪表元件，拖拽式完成监控页面设计；（需提供功能截图并加盖投标人公章佐证）

11)矢量展示要求：组态监控页面需支持矢量呈现技术，应支持大屏、PC、移动端多端呈现；
12)图元预置要求：应提供机械臂、电动机、阀门、罐体、泵、管道、暖通、空调、控制器、传感器等预置图元，支持通过直线、矩形、三角形、圆形等基本图形组成新的图元，支持柱形图、趋势图、饼图、速度计等图行的显示。支持自定义扩展图元；
13)数据绑定要求：应支持与点位数据、数字孪生模型的数据，进行数据绑定，动态显示或变化；
14)动态呈现要求：应支持图元根据数据动态变化与显示，如液位升降，液体流动，位置移动，物品旋转等；（需提供功能截图并加盖投标人公章佐证）
15)发布应用要求：应支持设计内容的在线预览与发布，支持通过以URL方式，与第三方系统集成；
16)用户管理要求：应提供用户账户、密码管理，分为管理员与普通用户；
17)项目管理要求：应提供基于项目的资源管理、用户管理，满足项目间资源隔离的运维要求；
18)日志管理要求：应提供系统运行、设备运行、用户操作相关日志及在线检索、分析方式。支持提供日志信息综合审计能力；
19)运维监控要求：应支持图形化资源监控，需包括工作负载、CPU、内存资源、性能、存储容量等情况。应提供相关故障的告警机制，故障发生时需实时告警；
20)▲AI分析组件：实时数据计算中应可调用AI分析组件，实现AI模型导入、AI模型调用，实现智能数据分析等功能。（需提供本功能小样视频演示予以佐证，小样视频中需完整体现在实时数据组件中导入和调用AI模型的任务开发过程）

7

人工智能基础课程教学资源包

人工智能基础课程教学单元应涵盖理论课程与实践任务，涉及计算机视觉、自然语言处理、机器学习、深度学习等多个领域。课程内容应超过30门视频课程，以及配套的实验任务。应包含如下课程内容，详细要求如下：

1

套

108,640

108,640

1.Linux操作系统
本课程应包含如下主要内容：针对使用Linux操作系统进行各种任务，如软件开发、项目部署等方面安排的学习内容，应包括Linux操作系统的基本命令、文件与目录、用户与用户组、软件包管理、Shell编程等。
课程应至少包含：4个课件、45节视频、25个实验、45道习题。

2.MySQL关系型数据库
本课程应包含如下主要内容：针对MySQL数据库进行数据存储、查询、处理和管理等方面安排的学习任务。应包括创建数据库、表的创建与管理、数据查询、索引与视图、触发器、存储过程与函数、MySQL编程基础以及数据备份与恢复等方面的内容。
课程应至少包含：5个课件、50节视频、5个实验。

3.MongoDB数据库
本课程应包含如下主要内容：针对使用MongoDB数据库进行数据存储、查询和管理等方面安排的学习任务。应包括MongoDB的安装、MongoDB Shell的使用、文档的创建和管理、查询操作的详解、分页排序及查询、MongoDB索引的使用等方面的内容。
课程应至少包含：2个课件、10节视频、5个实验、5道习题。

4.Java编程语言
本课程应包含如下主要内容：针对使用Java语法进行桌面应用程序、Web应用程序、企业级应用程序、移动应用程序、游戏开发、科等领域安排的学习任务。需包括Java程序设计基础、Java类和对象、接口和抽象类、常用类、异常处理、文件操作、IO流、集合、线程等方面的内容。
课程应至少包含：10个课件、25节视频、35个实验、180道习题。

5.Java数据采集技术
本课程应包含如下主要内容：针对网络数据抓取安排的学习任务。需包括 ?HTML、CSS、JavaScript、正则表达式、XPath解析、Java爬虫、Jsoup、网络请求、JDBC连接数据库、MapReduce和WebMagic等相关的概念和技术。
课程应至少包含：5个课件、2节视频、10个实验、5道习题。

6.Java Web技术与应用
本课程应包含如下主要内容：针对Java Web应用程序开发方面安排的学习任务。应包括Tomcat配置、JSP和Servlet的使用、JDBC连接数据库、EL表达式、Echarts可视化图表、异步加载等方面的内容。
课程应至少包含：2个课件、10节视频、20个实验。

7.Python编程语言
本课程应提供Python程序设计基础知识的学习和常见应用的开发，并通过Python在嵌入式系统的应用案例实践，以及科学计算和数据可视化的学习，为后续人工智能其他专业课程的学习和实践打下坚实的基础。
课程应至少包含：15个课件、25节视频、40个实验、1050道习题。

8.Python数据分析
本课程应包含如下主要内容：针对使用Python语言实现数据分析安排的学习任务。应包括Numpy、Pandas、Matplotlib等方面的内容。
课程应至少包含：3个课件、15节视频、30个实验。

9.Python数据采集
本课程应包含如下主要内容：针对使用Python完成数据采集和爬虫任务安排的学习内容。应包括Scrapy框架的安装与简介、Scrapy爬虫案例等。
课程应至少包含：1个课件、4节视频、25个实验。

10.Python Web技术与应用
本课程应包含如下主要内容：针对Python Web应用程序开发方面安排的学习任务。应包括HTML、CSS、JavaScript等，以及Web应用程序开发的基本框架--Django框架的使用和实战案例的开发。
课程应至少包含：3个课件、5节视频、20个实验。

11.C程序设计语言
本课程应通过系统学习C语言的基础知识、编程技巧及高级特性，使学生掌握C语言的基本语法、数据结构、算法实现、文件操作及指针等核心内容，能够独立完成基本的C语言程序设计与开发，为后续学习更高级编程语言及系统编程打下坚实基础。
课程应至少包含：35个课件、35节视频、15个实验、25道习题。

12.数值最优化方法
本课程内容应包括无约束最优化方法的基本结构、负梯度方法与Newton 型方法、共轭梯度方法、约束最优化问题的最优性理论、二次规划等。
课程应至少包含：30个课件、30节视频。

13.数据结构与算法
本课程应包含如下主要内容：针对实际应用中计算机科学领域的各种场景，课程应包括时间复杂度、表操作、基本数据结构、递归、查找、排序、树操作和图操作等方面的内容。
课程应至少包含：40个课件、40节视频、20个实验、830道习题。

14.数字图像处理
本课程应包括图像基本运算、阈值化处理、特效处理、形态学处理、图像变换、图像平滑、图像增强、图像分割、图像复原、图像频率域滤波、图像锐化与边缘检测、直方图处理、伪彩色图像处理以及高通滤波与低通滤波等内容。
课程应至少包含：15个实验、35道习题。

15.计算机视觉库OpenCV
本实践课程内容应涵盖图像处理的基础知识，如卷积、色彩空间转换、图像绘制等，逐步过渡到图像分析与特征提取，需包括傅里叶变换、图像特征提取、轮廓与边缘检测等高级技术。
课程应至少包含：15个实验、35道习题。

16.深度学习框架PyTorch
本实践课程应包括张量计算、Tensor基本操作和自动求导等，为学生奠定坚实的理论基础。课程还应涉及数据集操作，教授学生如何高效地加载和处理数据。在应用案例部分，课程通过迁移学习、空间变换网络、图像风格转换和对抗性示例等前沿技术，展示PyTorch在实际问题中的应用能力。
课程应至少包含：10个实验、60道习题。

17.深度学习框架PyTorch案例
本课程应通过具体项目的实验来教授学生如何使用PyTorch进行各种深度学习任务。通过该课程，学生可学习并应用PyTorch的各种功能和技巧。应包括文本情感分析、手写汉字识别、循环神经网络（RNN）的搭建、残差神经网络（ResNet）的搭建、卷积神经网络（CNN）的搭建等。学生将学会如何使用PyTorch构建模型、训练模型，并解决实际问题。此外，课程还应包括预测共享单车数量、LSTM网络写诗、图像风格迁移、Seq2Seq网络和注意力机器翻译、RNN对姓名进行分类等实验项目。
课程应至少包含：10个实验。

18.自然语言处理技术
本课程应包括概率论基础和信息论基础，为后续的算法和模型打下坚实的数学基础。课程应涉及到自然语言处理中常用的工具和库，如NLTK库和Jieba库，以及基于transformer 的翻译系统。应包括基于贝叶斯分类器、熵和词典等方法，并介绍基于规则和监督学习的词义消歧方法。需包括统计机器翻译和其他相关方法。
课程应至少包含：10个课件、40节视频、15个实验、60道习题。

19.深度学习框架TensorFlow
本课程的主要知识点应包括但不限于：TensorFlow的基本概念和核心组件构建和训练深度学习模型的方法和技巧图像、文本和声音等数据类型的处理和分析卷积神经网络（CNN）、递归神经网络（RNN）等常用深度学习模型的原理和应用使用TensorBoard进行可视化分析和监控模型训练过程优化器、交叉熵、Dropout等深度学习常用技术。
课程应至少包含：40节视频、25个实验、60道习题。

20.深度学习框架TensorFlow2.13
本课程应包含应用TensorFlow框架来解决深度学习任务中的各种问题。
课程应至少包含：30个实验。

21.机器学习
课程应包含主要内容：机器学习基本术语：介绍机器学习的基本概念和术语，帮助学生建立起必要的理论基础。数据集划分：讲解如何正确划分数据集，应包括训练集、验证集和测试集，确保模型的泛化能力。模型性能评估：介绍常用的模型性能评估指标，如ROC曲线和P-R曲线，用于衡量分类模型的效果。常用机器学习算法：介绍多种常用的机器学习算法，如决策树、逻辑回归、支持向量机、朴素贝叶斯等。集成学习算法：教授集成学习算法，如随机森林和Xgboost，用于提升模型的预测准确性。数据降维：介绍主成分分析（PCA）算法，用于降低数据维度和提取关键特征。聚类算法：讲解K-means算法和层次聚类等常用聚类算法，用于将数据集划分为不同的群组。实战项目：通过一系列实验和项目，学生将应用所学知识解决实际问题，如电影推荐、客户行为分析等。
课程应至少包含：25个实验、155道习题。

22.Python语音基础操作
本课程应包含主要内容：如何使用Python实现语音端点检测、梅尔频率倒谱系数提取、短时能量计算、时域分析（需包括音高追踪、音高、音色、过零率和音量等）、声音的读取与可视化、声音的录制与播放，以及歌曲识别和歌曲特征提取等任务。
课程应至少包含：10个实验。

23.Python运筹优化
本课程应包含如何使用Python进行运筹优化问题求解的课程。该课程应涵盖多个实验项目，应包括线性规划、整数规划、0-1规划、选址问题、指派问题等方面的内容。
课程应至少包含：35个实验。

24.卷积神经网络框架Caffe
本课程应包含如何使用Caffe框架构建和训练卷积神经网络（CNN）的课程。通过这门课程，学生可学习如何使用Caffe框架实现自定义模型参数、进行图像风格预测、手写数字识别、SGD逻辑回归训练、绘制Siamese Network嵌入图以及对不同类别的动物和衣服进行识别。
课程应至少包含：5个实验。

25.模式识别
本课程应通过计算机用数学技术方法来研究模式的自动处理和判读，把环境与客体统称为“模式”。
课程应至少包含：45个课件、45节视频、5个实验。

26.大模型应用与实践
本课程应专注于大型语言模型（LLMs）的应用和实践的课程。为学生提供一个全面的框架，以理解和应用这些强大的工具。从模型的拉取和调用，到模型的量化、部署，再到高级功能开发和模型编排。
课程应至少包含：25个实验。

27.人工智能导论课程
人工智能导论课程应包括计算机视觉、语音识别、自然语言处理等。
课程应至少包含：15节视频。

28.应提供一套应至少包含超过3000道习题的题库，覆盖Java、Python、MySQL数据库、人工智能及物联网行业导论、机器学习、深度学习、自然语言处理、数字图像处理、计算机视觉等，题型包含单选题、多选题、判断题、在线编程题、实验任务题，能够支撑教学环节中的测验和考核。
1)C语言:应至少包含25道题，其中应包括单选题5道，多选题10道，判断题10道；
2)Python编程基础:应至少包含1050道题，其中应包括单选题295道，多选题65道，判断题685道；
3)Java编程基础:应至少包含180道题，其中应包括单选题85道，多选题80道，判断题10道；
4)数据结构与算法:应至少包含830道题，其中应包括单选题480道，多选题85道，判断题265道；
5)Linux操作系统:应至少包含45道题，其中应包括单选题35道，多选题5道，判断题2道；
6)MongoDB数据库:应至少包含5道题，其中应包括单选题4道，判断题1道；
7)Java数据采集技术:应至少包含5道题，其中应包括单选题2道，多选题2道，判断题1道；
8)MySQL数据库:应至少包含45道题，其中应包括单选题35道，多选题5道，判断题1道；
9)Python可视化:应至少包含100道题，其中应包括道，多选题25道，判断题25道；
10)大数据应用开发语言(Python):应至少包含180道题，其中需包括单选题65道，多选题15道，判断题100道；
11)Python编程语言:应至少包含80道题，其中应包括单选题40道，多选题20道，判断题20道；
12)深度学习实践：共有55道题，其中应包括30道单选题、15道多选题和5道判断题；
13)机器学习：共有155道题，其中应包括60道单选题、45道多选题和55道判断题；
14)深度学习框架PyTorch：共有60道题，其中应包括15道单选题、10道多选题和30道判断题；
15)深度学习框架TensorFlow学习与应用：其中应包括60道题，其中需包括25道单选题、15道多选题和15道判断题；
16)自然语言处理：共有60道题，其中应包括30道单选题、15道多选题和10道判断题；
17)数字图像处理：共有35道题，其中应包括15道单选题、10道多选题和5道判断题；
18)物联网行业导论：共有10道题，其中应包括3道单选题、3道多选题和4道判断题；
19)人工智能导论：共有120道题，其中应包括80道单选题、20道多选题和20道判断题；
20)计算机视觉：共有35道题，其中应包括20道单选题、10道多选题和5道判断题；
21)机器学习：共有155道题，其中应包括60道单选题、40道多选题和55道判断题。

8

AI基础技术实训资源包

1.ChatTTS语音生成技术
本案例应包含聊天文本转语音（ChatTTS）技术的环境搭建、模型使用、音色控制、停顿设置以及文本优化。
案例应至少包含：5个实验。

1

套

94,000

94,000

2.文本转语音应用
本案例应包含文本转语音（TTS）技术的应用课程。引导学生从基础的TTS工具使用，到音色固定和进阶技巧的掌握。
案例应至少包含：5个实验。

3.手写数字的笔迹识别
本案例应包含通过机器学习技术，使用手写数字图像数据集进行训练和预测，实现对手写数字的自动识别。
案例应至少包含：1个实验。

4.支持向量机人脸识别
本案例应包含利用SVM算法对fetch_lfw_people数据进行人脸识别，并将预测结果可视化。
案例应至少包含：1个实验。

5.笔迹识别
本案例应包含运用图像处理技术以及Scikit learn库中的KNN算法对笔迹进行图像识别。
案例应至少包含：1个实验。

6.基于SVM分类器的乳腺癌检测
本案例应包含根据美国威斯康星州的乳腺癌诊断数据集，生成一个乳腺癌诊断的SVM分类器，并计算这个分类器的准确率。
案例应至少包含：1个实验。

7.利用ID3决策树预测患糖尿病的可能性
本案例应包含使用决策树算法根据病人的相关特征来完成患糖尿病可能性的预测。
案例应至少包含：1个实验。

8.视频流人物瞳孔检测
本案例应包含通过提供的眼睛检测的模型，对提供的视频中的人物进行瞳孔检测与定位并统计眨眼次数。
案例应至少包含：1个实验。

9.基于人脸图像的年龄估计
本案例应包含通过提供的人脸识别及年龄预测的模型，对提供的照片及视频中的人脸进行年龄估计。
案例应至少包含：1个实验。

10.人物步态轨迹检测
本案例应包含练习使用OpenCV+Python实现对动态视频中的行人步态进行检测提取关键特征。

案例应至少包含：1个实验。

11.轴承破损识别案例
本案例应包含通过智能制造平台和深度学习算法来进行轴承破损的识别。课程应包括多个实验项目，涵盖了数据标注、模型训练、数据集处理、特征提取、网络结构设计、模型训练与预测等方面。学生可学习使用智能制造平台进行轴承破损数据的标注和处理，使用KNN（k最近邻）算法进行模型训练和预测，以及使用ResNet-50和Yolo v3等深度学习网络结构进行轴承破损识别模型的训练和预测。
案例需至少包含：20个实验。

12.协同过滤-酒店推荐
本案例应包含使用基于用户和基于物品的协同过滤算法向用户推荐他们感兴趣的酒店。
案例应至少包含：2个实验。

13.影评与观影者情感判定
本案例应包含使用SVM算法对电影的影评内容进行情感分析.国外有一个类似豆瓣电影一样的IMDB网站，当用户看完电影时可以对其进行打分。应有至少10万条该网站电影的评分数据，本案例使用SVM算法根据影评内容来进行情感分析（尤其是褒贬判定）。
案例需至少包含：1个实验。

14.图片像素点聚类
本案例应包含利用K-means数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则的实验。
案例需至少包含：1个实验。

15.对新闻文本、网页分类
本案例应包含利用朴素贝叶斯分类对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。应对至少5000篇左右的文档，将其进行分类。
案例需至少包含：1个实验。

16.热门新闻报道挖掘
本案例应包含频繁项集挖掘算法用于挖掘经常一起出现的item集合（称为频繁项集），通过挖掘出这些频繁项集，当在一个事务中出现频繁项集的其中一个item，则可以把该频繁项集的其他item作为推荐。应使用FP-Growth算法从新闻站点点击流中挖掘其中的频繁项集，查看哪些新闻ID被用户大量观看到。
案例应至少包含：1个实验。

17.语料库文本分类
本案例应包含利用神经网络对语料库进行文本分类。
案例应至少包含：1个实验。

18.彩图转换素描图
本案例应包含使用绘图库PIL和科学计算包Numpy将彩色图片转换为素描图片。解决最常见的的图像色彩转化问题。
案例应至少包含：1个实验。

19.Turtle绘图实践
本案例应包含使用Turtle模块中的各种函数绘制复杂图形。教授Turtle模块的基础使用方法，并通过实战案例进行进一步介绍。
案例需至少包含：2个实验。

20.图片转换像素画
本案例应包含如何使用Python的openpyxl库模块将PNG格式的图像文件转换为Excel像素画。案例应至少包含：1个实验。

21.视频流目标检测
本案例应包含通过提供的目标检测Caffe模型，对提供的样例视频进行视频流目标检测。实现对视频流中的物体进行框选，最终以视频流方式进行输出。可以对代码进行调整，以实现对摄像头等图像采集设备进行目标识别。
案例需至少包含：1个实验。

22.GEI步态能量图生成
本案例应包含根据给定的步态数据库图片，制作对应的步态能量图。学生将学习如何读取步态数据库中的图像，并使用图像处理算法和特征提取方法，将每一帧图像转换为步态能量图。
案例应至少包含：1个实验。

23.鸢尾花卉分类
本案例应包含通过对鸢尾花卉的 至少4个属性sepal length(花萼长度)，sepal width (花萼宽度)，petal length (花瓣长度)，petal width (花瓣宽度)，预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
案例应至少包含：1个实验。

24.IRIS数据分类
本案例应包含使用ensemble learn算法对IRIS数据进行分类。
案例需至少包含：1个实验。

25.IRIS数据聚类
本案例应包含如何使用K-means算法对IRIS数据进行聚类，并将其分为3个簇。
案例应至少包含：1个实验。

26.Scikit-learn分类算法综合训练
本案例应包含如何使用Scikit-learn库进行分类算法的综合实验练习。
案例应至少包含：1个实验。

27.python读取CT医学图像
本案例应包含如何使用Python编程语言读取和处理CT（计算机断层扫描）医学图像。
案例应至少包含：1个实验。

28.提取肝脏区域图片
本案例应包含从复杂的CT或MRI扫描中提取肝脏区域的图像。案例应至少包含：1个实验。

29.基于U2Netp模型的肝癌医学图像预测
本案例应包含如何使用U2Netp模型进行肝癌医学图像的预测。
案例应至少包含：1个实验。

30.基于SimpleITK与DataSet
本案例应包含结合SimpleITK库和数据集的概念，教授学生进行高级医学图像处理和分析。
案例应至少包含：1个实验。

31.对心脏病数据集进行探索性分析与分类测试
本案例应包含引导学生对心脏病数据集进行深入的探索性分析和分类测试。
案例应至少包含：1个实验。

32.肺炎CT影像识别
本案例应包含肺炎CT影像的自动识别与分析。
案例应至少包含：1个实验。

33.基于神经网络算法的用电量预测
本案例应包含用电量预测的神经网络算法。
案例应至少包含：1个实验。

34.火力发电场的用电量预测
本案例应包含探究火力发电场用电量预测模型。
案例应至少包含：1个实验。

35.光伏发电功率预测
本案例应包含探索光伏发电功率预测的模型。
案例应至少包含：1个实验。

36.电力消耗相关性分析
本案例应包含探究电力消耗的相关性。
案例应至少包含：1个实验。

37.可再生电力数据分析
本案例应包含探索可再生电力数据的模型。
案例应至少包含：1个实验。

38.基于深度学习（LSTM）的风能发电分析和预测
本案例应包含探索风能发电的 模型 。
案例应至少包含：1个实验。

39.家庭个体电量消耗分析
本案例应包含探究家庭个体电量消耗的模型。
案例应至少包含：1个实验。

40.pandapower对电力系统进行时间序列模拟
本案例应包含通过实际操作，培养学生使用pandapower进行电力系统时间序列模拟的能力。
案例应至少包含：1个实验。

41.电力系统负荷预测分析
本案例应包含探索电力系统负荷预测的模型。
案例应至少包含：1个实验。

42.电力窃漏电用户自动识别(LM神经网络和决策树)
本案例应包含通过实际案例，引领学生掌握电力数据自动识别的关键技术。
案例应至少包含：1个实验。

43.模型准确度衡量指标-交叉熵
本案例应包含如何使用TensorFlow框架，通过交叉熵指标测量模型的准确度。
案例应至少包含：1节视频、1个实验。

44.反向传播算法详解
本案例应包含如何使用TensorFlow框架，来实现深度神经网络的基础数学原理——反向传播。
案例应至少包含：1节视频、1个实验。

45.对抗生成网络GAN生成手写数字图像
本案例应包含如何使用TensorFlow框架，来构构建对抗生成网络实现手写数字图像的生成。
案例应至少包含：1节视频、1个实验。

46.胶囊网络实现
本案例应包含如何使用TensorFlow框架，来构构建Capsule Networks 胶囊网络。
案例应至少包含：1节视频、1个实验。

47.CNN判断股票涨跌
本案例应包含如何使用TensorFlow框架，来实现一个简单的二分类卷积神经网络，用于判断股票的涨跌。
案例应至少包含：1节视频、1个实验。

48.多种常见卷积网络专项训练
本案例应包含如何使用TensorFlow框架，来实现多个经典卷积神经网络的构建：AlexNet卷积神经网络、VggNet卷积神经网络、ResNet残差网络的构建。
案例应至少包含：1节视频、1个实验。

49.卷积网络手写识别
本案例应包含如何使用TensorFlow框架，来实现一个经典的多分类器，基于minist数据集的手写数字识别。
案例应至少包含：1节视频、1个实验。

50.手绘卡通表情识别
本案例应包含如何使用TensorFlow框架，来实现一个简单的多分类器，用于手绘卡通表情识别。
案例应至少包含：1节视频、1个实验。

51.全连接网络实现
本案例应包含如何使用TensorFlow框架，来实现深度神经网络的常见网络类型——全连接前馈神经网络。
案例应至少包含：1节视频、1个实验。

52.工业AI+大数据采集实验（该实验需提供本地虚拟机）
1)▲边缘管理要求：为所有接入的网关、设备、协议、接口提供图形化管理界面；用户通过配置设备或协议的连接参数、点位信息，即可完成设备点位数据采集；（需提供本功能小样视频演示予以佐证，小样视频中需体现用户如何通过图形化管理界面进行网关、设备、协议及采集点位配置的完整过程）
2)工业设备支持：应支持主流工业设备或控制系统的数据接入协议，包含但不限于OPCUA、OPCDA、ModbusRTU、ModbusTCP、Ethernet/IP、BACnet/IP、PROFINET、SECS/GEM、Fins、Mewtocol、MC、IEC101-104系列、IEC61850、DLT645、Focas1/2、DNCRemoTools等；支持主流PLC、DCS、DDC、CNC、DTU、RTU、HMI及传感器、仪表等设备或系统的接入；
3)边缘计算：应支持多类边缘计算，需包括但不限于幅度滤波、数值变化、开关量取反、进制转换、线性计算、平方根计算、一阶滞后滤波、四则运算等；支持通过SDK定制新的边缘计算插件；
4)应支持数据转发至企业级工业大数据采集与控制平台、第三方物联网平台、ERP/MES/WMS等业务系统；支持标准MQTT通讯协议及Restful API方式集成；多个边缘端可以集中到一个边缘服务端进行数据转发和管理。提供数据缓存及断点续传；
5)通讯协议支持：应支持主流的数据对接通讯协议，需支持包含但不限于HTTP、WebSocket、MQTT等；
6)边缘环境要求：边缘软件应支持在工业网关、工业计算机、工业服务器等环境运行；
7)数据采集要求：数据采集程序应独立运行，免安装，低功耗，不需要安装或依赖.net架构、Java虚拟机或任何第三方运行环境；
8)边缘可扩展性：应提供插件式的可扩展架构与二次开发能力，支持平台快速扩展接入协议、数据处理、模型算法等，提供基于SDK的扩展开发包及示例程序；
9)采集速率要求：至少支持100ms的数据采集频率；
10)设备安全认证：平台应支持SSL协议，提供对接入设备的安装认证及证书、密钥管理，应支持信息传输通道数据加密；
11)该实验应提供一套与笔记本电脑数字孪生生产线模型。可实现笔记本电脑配件的仓储、检测、装配等全流程生产制造场景；
12)数字孪生产线模型应包含智能在线存储单元1套、智能检测单元1套、智能物流调度1套、移动智能工作站1套、智能装配1套；（需提供功能截图并加盖投标人公章佐证）
13)应可与实现笔记本电脑仓储、检测、装配的全流程数字化生产制造场景。在数字孪生生产线上进行全流程仿真生产；
14)数字孪生生产线应可与工业大数据采集软件可通过OPCUAPROFINET等多种方式进行点位数据采集；（需提供功能截图并加盖投标人公章佐证）
15)应可将数据转发至智能制造大数据云平台，并对生产过程进行监控及数据分析，生产任务执行及监控场景开发与应用。

9

行业数据集实训资源包

应提供至少110个不同的行业数据，涉及金融、互联网、媒体、房地产、旅游业、医疗、农业、人口、交通、数字图像等类数据，数据均经过脱敏和格式化处理，数据量能够满足日常教学和课后训练使用。

1

套

48,000

48,000

1)气象旅游类，应至少包含如下数据集：中国气象局热带气旋资料、北京市旅游信息数据、国内宾馆酒店地址数据、全国各城市气象状况数据。

2)生物医疗类，应至少包含如下数据集：HZ11全基因组测序、比马印第安人糖尿病数据集、人类染色体基因组数据、骨科患者的生物力学特征数据集、肝脏疾病检测指标数据、甲状腺疾病数据、2009年H1N1流感数据、艾滋病HIV数据、不同国家的霍乱病例数据、有来医生科普视频数据、世界新冠疫苗不良反应数据、丙型肝炎患者统计数据、脑膜炎球菌性脑膜炎数据、心力衰竭患者体征数据、微博新冠肺炎评论数据、中文医学问答数据、早期糖尿病患者体征数据、丁香园人才网站医生招聘数据、心血管疾病患者体征数据、乳腺癌诊断数据、全球新冠肺炎数据、全球新冠疫苗接种数据、脑中风患者体征数据、慢性疾病症状、治疗和诱因数据、全国医药与采购数据、蛋白质二级结构数据集、Adult 成人体重预测数据、Abalone 鲍鱼年龄预测数据、急性炎症诊断分类数据。

3)体育娱乐类，应至少包含如下数据集：GroupLens_MovieLens数据集、电影评论识别、各大联赛/欧冠/世界杯数据集、某知名影评网站评价数据。

4)人力资源类，应至少包含如下数据集：国内知名同城招聘信息、国内知名招聘网站招聘岗位信息。

5)电子商务类，应至少包含如下数据集：电子商务大数据分析实战、某电商平台双11、双12数据、外卖餐饮用户评价数据、Otto Group 商品识别数据、国内知名电商平台2015年自营销售数据、国内知名电商平台全网商品信息及评论数据、O2O优惠券使用预测数据。

6)社会经济类，应至少包含如下数据集：北京统计年鉴2009、北京统计年鉴2008、信用卡欺诈识别数据、北京市国民经济和社会发展统计2007、北京统计年鉴2006、Annealing 炼钢数据汇总、UCI 日常生活数据集、北京统计年鉴2010~2013、中国人口和就业统计年鉴2010、98年-09年经济普查数据。

7)图像数据类，应至少包含如下数据集：30m全球数字高程 中国部分数据、聊城遥感图像、验证码图片数据、人脸识别数据、手写数字数据、零样本图像目标识别数据、人脸检测数据。

8)金融股票类，应至少包含如下数据集：股票数据集、08年经济普查数据集、北京新发地农产品行情数据、国内知名电商平台全网爽肤水信息及评论、股票数据。

9)企业社交类，应至少包含如下数据集：Google+的社会网络数据、Criteo 展示广告点击预测、各企业公司邮箱信息数据、各企业公司认证信息数据、各企业公司成立信息数据、tailwind 数据、某百科网站数据集--词条+url、Google--WDI统计数据、某个人微博数据集、某知名微博平台情感数据、某知名社交平台数据集、某社区网站访问日志数据。

10)交通出行类，应至少包含如下数据集：共享单车数据集、汽车投保风险、泰坦尼克号数据集、摩拜共享单车数据集、交通卡口车辆信息精准识别数据、某地级市交通刷卡交易数据、燃气汽车加气站信息、新能源汽车数据、民用汽车拥有量数据、汽车租赁企业信息、汽车保险数据集。

11)人口普查类，应至少包含如下数据集******街道人口普查数据、2000年全国人口普查数据。

12)物流服务类，应至少包含如下数据集：国内某物流公司数据、英国邮政编码数据、物流车辆智能调度。

13)人工智能类，应至少包含如下数据集：垃圾短信分类、句子情感分类。

14)其他数据类，应至少包含如下数据集：某知名社交平台数据集、移动/联通/电信基站数据集、用户-广告特征文件数据、NetflixPrize数据、新闻数据集、小麦种子数据集、声呐数据集、电离层数据集、钞票数据集、波士顿房价数据集、某知名博客平台消息交互数据集、社交资源站点用户行为数据集。

10

实训管理节点服务器

1、处理器：≥2颗 Silver 4310/12C；

1

台

30,000

30,000

2、内存：≥256GB；

3、硬盘：≥3×2.4TB SAS+2×960GB SSD；

4、RAID：独立RAID 1GB PCIe，支持RAID 0，1，5，10；

5、≥4个千兆网卡、1个管理网口，支持iKVM远程管理；

6、电源：≥550W冗余电源；

7、标准2U机架式服务器，含服务器标准安装导轨；

8、部署虚拟化平台：
（1）支持上传 ISO 安装系统、支持虚拟机迁移、快照、恢复、克隆；
（2）支持网络虚拟化和分布式存储功能；
（3）支持标准化的虚拟机配置和管理方式；
（4）支持动态分配资源；
（5）支持对多台服务器虚拟机进行集中管理；
（6）支持通过 iSCSI、FC、NFS 等方式连接存储；
（7）支持集群管理、支持可视化操作、使用 B/S 架构；
（8）支持虚拟化嵌套；

9、集成教学管理平台：
（1）服务器内置B/S架构教学管理平台，提供在线学习环境、课程资源（视频/案例/练习/作业）管理、在线学习（支持PPT/手册等）；
（2）考试中心（含高频错题统计）、考题筛选（按课程/题型/题干/难度）及题库管理（支持单选/多选/判断自定义与模板导入）。
（3）为保证软硬件的适配性，服务器中包含的教学管理平台，应为服务器制造商或其子公司自主研发产品，拥有自主知识产权，需提供服务器制造商或其子公司的计算机软件著作权登记证书扫描件并加盖投标人公章予以佐证，如以上提供的材料为生产制造厂商子公司，需提供子公司与生产制造厂商隶属关系证明材料；

10、免费安装部署，3年内免费运维

11、保修要求：中标人提供的货物应按照国家三包标准执行，质保期为 12 个月，自合同货物最终验收合格之日算起， 保修方式为上门服务，质量保证期内发生的一切费用由中标人承担。质量保证期期满后，中标人继续为采购人提供专业维修服务，由此发生 的相关服务和备品备件费用由采购人承担。

11

实训云节点服务器

1、处理器：≥2颗 Silver 4310/12C；

2

台

30,000

60,000

2、内存：≥256GB；

3、硬盘：≥3×2.4TB SAS+2×960GB SSD；

4、RAID：独立RAID 1GB PCIe，支持RAID 0，1，5，10；

5、≥4个千兆网卡、1个管理网口，支持iKVM远程管理；

6、电源：≥550W冗余电源；

7、标准2U机架式服务器，含服务器标准安装导轨；

8、部署虚拟化平台：
（1）支持上传 ISO 安装系统、支持虚拟机迁移、快照、恢复、克隆；
（2）支持网络虚拟化和分布式存储功能；
（3）支持标准化的虚拟机配置和管理方式；
（4）支持动态分配资源；
（5）支持对多台服务器虚拟机进行集中管理；
（6）支持通过 iSCSI、FC、NFS 等方式连接存储；
（7）支持集群管理、支持可视化操作、使用 B/S 架构；
（8）支持虚拟化嵌套；

9、集成教学管理平台：
（1）服务器内置B/S架构教学管理平台，提供在线学习环境、课程资源（视频/案例/练习/作业）管理、在线学习（支持PPT/手册等）；
（2）考试中心（含高频错题统计）、考题筛选（按课程/题型/题干/难度）及题库管理（支持单选/多选/判断自定义与模板导入）。
（3）为保证软硬件的适配性，服务器中包含的教学管理平台，应为服务器制造商或其子公司自主研发产品，拥有自主知识产权，需提供服务器制造商或其子公司的计算机软件著作权登记证书扫描件并加盖投标人公章予以佐证，如以上提供的材料为生产制造厂商子公司，需提供子公司与生产制造厂商隶属关系证明材料；

10、免费安装部署，3年内免费运维

11、保修要求：中标人提供的货物应按照国家三包标准执行，质保期为 12 个月，自合同货物最终验收合格之日算起， 保修方式为上门服务，质量保证期内发生的一切费用由中标人承担。质量保证期期满后，中标人继续为采购人提供专业维修服务，由此发生 的相关服务和备品备件费用由采购人承担。

12

路由器

1、带机量：不低于300台PC；

1

台

5,200

5,200

2、转发性能：不低于8Mpps；

3、固定端口：不低于WAN（2×GE+1×Combo）+LAN 8×GE；

4、SIC插槽：不低于2个；

5、应支持机架式安装，支持VRP命令集。

13

核心交换机

1、 端口配置：
以太网电接口：不低于24个10/100/1000BASE - T 以太网电接口，符合 IEEE802.3、IEEE802.3u、IEEE802.3ab 标准。
以太网光接口：不低于4个万兆以太网光接口，应支持SFP、SFP+等光模块，配4*万兆单模SFP光模块。
其他接口：不低于1 个 Console 接口，用于连接控制台进行现场配置，符合 RS - 232 标准。

1

台

6,900

6,900

2、交换能力：不低于交换容量≥1Tbps/12.8Tbps，包转发率≥ 100/115Mpps。

3、MAC地址表：应遵循 IEEE 802.1d 标准，应支持 MAC 地址自动学习和老化，应支持静态、动态、黑洞 MAC 表项，应支持源MAC 地址过滤，应支持接口 MAC 地址学习个数限制。

4、可靠性：应支持 RRPP 环型拓扑和 RRPP 多实例，应支持 SmartLink 树型拓朴和 SmartLink 多实例，提供主备链路的毫秒级保护，应支持智能以太保护 SEP 协议，应应支持 STP(IEEE 802.1d)，RSTP(IEEE 802.1w)和MSTP(EEE 802.1s)协议、应支持 ERPS 以太环保护协议(G.8032)，应支持 BPDU 保护、根保护和环回保护。

5、VLAN特性：应支持 4K VLAN，应支持 Guest VLAN、Voice VLAN，应支持 GVRP 协议，应支持 MUX VLAN 功能，应支持基于 MAC/ 协议 /IP 子网/策略/端口的 VLAN，应支持 1:1 和 N:1 VLAN Mapping 功能。

6、IP路由：应支持静态路由、RIPV1/2、RIPng、OSPF、OSPFv3.ECMP、ISIS、ISISv6、BGP、BGP4+、VRRP、VRRP。

7、应支持VRP命令集，应支持GVRP，应支持MUX VLAN功能，应支持Easy Depoly功能，

8、应支持智能堆叠，应支持双电源插槽，应支持机架式安装。

14

42U机柜

1、尺寸：不低于600mm×1000mm×2000mm。

1

套

5,800

5,800

2、前门弧形单开网孔、后门平板双开网孔、黑色细沙纹；

3、通孔率不低于70％。

15

KVM

1、接口：不低于8口KVM切换器，配备USB接口；

1

台

3,200

3,200

2、屏幕：不低于17寸LCD屏幕；

3、机架式，配备配套延长线。

16

PDU

1、电压：220V-250V；

1

个

920

920

2、电缆线插头：不低于32A工业插头；

3、电缆线规格：不低于3米6平方线；

4、输出单元：不低于16位10A多用孔；

5、配备工业连接器。

17

无线套装

1、AC:
带机60台及以上；
应可管理无线AP 20台及以上；
千兆端口6个及以上；
应支持POE供电。

1

套

3,500

3,500

2、AP*2:
WAN接入口：千兆网口；
应支持2.4G、5G双频；
无线速率2000Mbps及以上；
应支持无线协议：WiFi 6；
应支持POE供电。

?

?

?

?

18

机柜强电配件

1、不低于国标3芯×6平方，50米。

1

卷

1,800

1,800

19

机柜弱电配件

1、理线架×2，规格如下：不低于25档50口 工程级加厚型机柜网络理线架19寸。

1

套

1,500

1,500

2、配线架×1，规格如下：不低于六类配线架48口。

3、3米跳线×50根，规格如下：不低于CAT6类千兆极速8芯双绞 黑色3米。

4、5米条线×20根，规格如下：不低于CAT6类千兆极速8芯双绞 黑色5米。

5、LC-LC跳线×12根，规格如下：不低于电信级光纤万兆跳线 LC-LC多模双芯3米。

6、六类网线×1箱，规格如下：不低于0.57无氧铜线芯 CAT6类千兆非屏蔽线。

7、六类水晶头×1盒，规格如下：不低于RJ45 水晶头（100只装）。

8、捆扎带×1包，规格如下：不低于自锁式尼龙扎带 3.6×250mm 理线带 （100只装黑色）。

20

实训室环境改造

1、IDC机房墙体处理改造及玻璃门安装，数据机房部分28平防静电地板铺设；

1

套

100,000

100,000

2、LED节能筒灯及安装，节能筒灯、安装辅材等，主灯10个，射灯20个；

3、全屋墙顶地处理，应包含顶面/墙面处理，全屋吊顶105平；

4、企业VI窗帘制作，应包含窗帘卷轴、PVC材质窗帘、安装辅材及人工费等；

5、亚克力海报制作，应包含亚克力有机板、磨边打孔运输费、安装辅材人工费等；

6、教室宣传海报及画面制作，应包含室内海报画面制作、材料及人工费等；

7、强弱电改造及其他，采用6平方3芯铜芯线缆50米，超六类线一箱(305米)。

21

GPU

1. 显示核心：不低于V100 ；

2

套

20,600

41,200

2. 显存大小：不低于32GB GDDR6X；

3. 核心频率：不低于1230 MHz；

4. Turbo频率：不低于1380 MHz；

5. 流处理单元：不低于5120 个；

6. 生产工艺：不高于12 nm ；

7. TDP功耗 ：不高于250W；

8. 内存频率：不低于1752 Mbps ；

9. 内存类型：不低于HBM2 ；

10. 内存位宽：不低于4096 bit ；

11. 最大显存：不低于32 GB。

22

GPU

1.型号：不低于RTX 4070 Ti SUPER；

1

套

6,500

6,500

2.图形芯片：不低于AD103；

3.总线标准：不低于PCI Express 4.0；

4.显存大小：不低于16GB GDDR6X；

5.核心频率：Base≥2340Mhz; Boost≥2610Mhz；

6.CUDA 核心：≥8448；

7.显存速度：≥21Gbps；

8.显存位宽：≥256位；

9.接口：应支持 x 2（原生 HDMI2.1）、应支持 x 3（原生 DisplatPort 1.4a）、DCP 支持 (2.3)；

10.多屏支持：2个及以上。

23

笔记本

1、处理器≥Urtal7 255H 16核16线程，最高睿频频率：≥5.1GHz；

1

套

6,000

6,000

2、显卡≥集成英特尔? 锐炬? Xe 显卡；

3、内存容量≥32GB（32GB*1）及以上，内存类型：DDR5 5600MHz， ?2条独立内存插槽，应支持双通道；

4、硬盘容量≥1T PCIe? NVMe? M.2 SED SSD TLC8及以上，可扩展第二块硬盘

5、屏幕≥16英寸 16:10，3.2K IPS LED背光显示屏（3200 X 2000），165Hz刷新率，500尼特，HDR400；

6、摄像头≥FHD 1080p/红外摄像头（支持物理防窥）；

7、扬声器≥内置双扬声器；

8、麦克风≥内置双麦克风，应支持AI降噪技术 Dolby Atmos；

9、无线网卡≥无线网卡 Wi-Fi7；

10、蓝牙≥蓝牙5.2；

11、数据接口：不少于2个USB3.2Gen2接口，1个USB3.2Gen1接口，1个HDMI2.1 48Gbps接口，1个Thunderbolt接口，1个TGX显卡扩展坞接口，1个1个SD卡槽，1个耳机、麦克风二合一接口；

12、指取设备：触摸板，指纹识别；

13、键盘：背光键盘（支持多级亮度调节）；

14、裸机重量：≤1.8kg（实测典型值）；

16、机身品质：全金属机身，180°开合；

17、电池容量：85Whr电池；

18、软件：自带正版Windows 11操作系统以上；

19、质保：全国联保，享受三包服务，原厂全球联保、一年免费部件和人工、上门、1年原厂电池保修，原厂原封并且交货时可凭机器序列号在厂家800电话或官网可查服务及配置。

24

显卡扩展坞

1. 接口：USB4或雷电至少1个，支持雷电热插拔；

1

套

1,100

1,100

2. 主控：JHL6430及以上；

3. 机箱：1个,32*17*20.5cm及以上；

4. 传输：PCIE3.0*4，速率2750MB/s及以上；

5. 电源：400W及以上电源。

25

LEVA可视化创新平台

应提供AI可视化创新平台1套，平台至少由5大模块组成；可视化AI创新平台是一个专为教育领域设计的企业级AI平台，它利用AI大脑的技术，提供了一系列拖拽式学习和AI编程实践的工具，以帮助师生轻松高效地实现AI创新应用。平台应支持快速的人工智能认知到应用创新的学习路径，并允许教师便捷地开展教学和科研创新。主要功能包括：账户管理模块，用于构建教学班级和组织结构；AI能力模块，应提供私有化部署的AI能力服务，应支持视觉技术、语音技术、自然语言处理技术等；人工智能项目成果案例，应提供多种技术的行业智能应用实训项目；学控中心模块，作为管理和学习中心，应提供控制台和文档，用于管理AI应用和服务，以及数据管理；可视化和定制化AI模型，应允许用户创建和配置AI应用。

1

套

77,540

77,540

平台至少包含的5大模块为：
1.账户管理模块
为平台提供统一的账户管理功能，方便校方管理员按照院校教学组织结构构建教学班级，以便更好地服务于实训教学。
（******学院、专业、班级的组织结构管理；
（2）应支持一个班级配置多名教师进行多角色教学；
（3）应支持对管理员，教师，学生三种角色的管理；
（4）应支持对学生基本信息的批量导入；
（5）应支持查看、编辑、删除教师及学生信息，并提供重置密码功能。

2.AI能力模块
（1）应提供私有化部署的成熟AI能力的平台服务；
（2）应支持5大AI主流技术领域核心AI能力，包括：视觉技术、语音技术、自然语言处理技术、情景感知以及数据分析等；（需提供功能截图并加盖投标人公章佐证）
（3）应支持AI能力在线体验认知和在线调试功能，让学生由浅入深全面认知AI能力；
（4）应提供能力的技术文档，可以查看能力介绍与接口说明；
（5）平台应提供应用创建功能，可以申请创建应用，填写应用基本信息，选择应用需要添加的能力，配置属性信息。

3.▲AI组合应用模块
基于AI能力模块，应提供在线编辑系统，通过不同功能节点与 AI 模型的自由组合，实现复杂场景下的人工智能实现。系统内置：视觉技术和语音技术、视频文件分析、失踪儿童图像比对、疲劳驾驶检测、语音文件识别、语音合成、婴儿啼哭检测、用户评论挖掘、文本纠错。（需提供本功能小样视频演示予以佐证，小样视频中需体现AI能力模块，在线编辑系统，功能节点与AI模型的自由组合，系统内置视觉技术和语音技术、视频文件分析、失踪儿童图像比对、疲劳驾驶检测、语音文件识别、语音合成、婴儿啼哭检测、用户评论挖掘、文本纠错技术）

4.人工智能项目成果案例
应提供不少于以下4种人工智能主流技术的行业智能应用实训项目转化项目案例，使学生快速掌握使用平台进行AI创新应用的方法。
（1）计算机视觉应用实训项目；
（2）语音技术应用实训项目；
（3）自然语言处理技术应用实训项目；
（4）情境感知类技术应用实训项目。

5.学控中心模块
作为平台的管理及学习中心，应提供：控制台，文档等功能。
（1）控制台：对基于平台的AI应用、AI服务使用情况及数据进行管理。
a.应用管理：负责对平台应用进行创建和管理；
b.服务管理：对平台内置的AI服务进行管理，查看各项能力的服务属性，关联应用数量，文档，在线体验，调试及授权信息查询；（需提供功能截图并加盖投标人公章佐证）
c.数据管理：对平台的人脸数据进行管理，建立和维护人脸库，人脸组和人员图像信息。
（2）文档：应提供AI能力的技术文档，可以查看能力介绍与接口说明；

总计

******