《人工智能边缘设备应用教学大纲》

《人工智能边缘设备应用》教学大纲一、课程基本信息课程名称：人工智能边缘设备应用课程代码：学分：4学分总学时：64学时（其中理论学时32学时，实践学时32学时）适用专业：人工智能、物联网工程、计算机科学与技术、电子信息工程等相关专业课程性质：专业核心课开课学期：第4或5学期二、课程简介本课程紧跟人工智能发展浪潮，响应国家《新一代人工智能发展规划》等相关要求，聚焦边缘智能终端应用开发。以培养高端应用型人才为目标，融合百度等头部企业的人工智能技术与产业案例，采用“教、学、做”一体化的任务驱动式教学。课程涵盖人工智能端侧设备的基础概念、技术栈、操作系统、硬件基础、计算框架、算法基础及各类应用实战等内容，通过理论与实践的紧密结合，助力学生掌握边缘智能终端应用开发的关键技能，为投身人工智能应用领域奠定坚实基础。三、课程目标（一）知识目标理解人工智能端侧设备的概念、特点、应用领域及发展趋势，掌握人工智能与边缘计算的基本概念。熟悉人工智能端侧设备技术栈，包括数据处理平台、操作系统、硬件设备、计算框架、智能算法和智能编程库。掌握人工智能端侧设备操作系统的概念、功能及常见系统的操作方法。了解智能端侧设备的硬件组成、工作流程及常见传感器的应用。熟悉智能边缘计算框架的概念及常用框架的特点与使用。掌握人工智能算法的基本概念、要素、特征及常见算法的原理与应用。了解常用的人工智能模型库及迁移学习算法的概念与应用。掌握产品智能分拣、质量检测等系统的搭建原理与方法。（二）能力目标能够完成人工智能端侧设备开发环境的配置与调试。具备对图像、文本等数据进行处理的能力。能够熟练操作人工智能端侧设备的操作系统，进行磁盘检测与维护等操作。能够应用智能端侧设备的传感器进行数据采集与处理。具备安装和使用智能边缘计算框架的能力。能够运用常见的人工智能算法实现简单的智能应用。能够利用迁移学习算法进行模型训练与测试。具备搭建产品智能分拣、质量检测、安全监控等系统的能力。（三）素质目标培养学生的科技创新精神，树立科技强国、民族自信的理念，增强对国产开源技术的认同感。提升学生的工程实践能力和团队协作能力，养成严谨的工作态度和规范的开发习惯。强化学生的职业素养和道德规范，使其认识到人工智能领域的安全风险及责任担当。促进学生将社会主义核心价值观融入专业学习，实现知识学习与理想信念教育的有机统一。四、先修课程要求必备基础：程序设计基础（Python或C++）、数据结构、计算机网络基础。相关基础：人工智能导论、嵌入式系统基础、操作系统原理（Linux）。五、教学内容与学时分配（一）基础篇（20学时）人工智能端侧设备基础概念（3学时）主要内容：人工智能的概念、边缘计算的概念；人工智能端侧设备的特点、应用领域及典型应用设备；人工智能端侧设备的挑战与发展。实践任务：完成人工智能端侧设备开发环境配置，包括本地控制设备、网络配置、远程连接设备。人工智能端侧设备应用技术栈（4学时）主要内容：人工智能端侧设备技术栈的构成，包括数据处理平台、操作系统、硬件设备、计算框架、智能算法、智能编程库；图像数据处理和文本数据处理的方法。实践任务：进行数据处理应用实践，完成读取图像数据、图像数据概览、图像数据预处理等任务。人工智能端侧设备操作系统（5学时）主要内容：操作系统的概念及基本功能；常见的端侧智能操作系统（Linux、DuerOS、AliOS-Things等）；Linux系统的操作指令，包括系统状态检测命令、工作目录切换命令、文件目录管理命令。实践任务：开展Linux系统磁盘检测与维护实践，使用jtop工具查看设备情况、手动查看具体磁盘存储空间、自动删除磁盘存储日志文件。智能端侧设备硬件基础（4学时）主要内容：人工智能端侧设备的工作流程，包括数据采集、数据传输、智能边缘计算；人工智能端侧设备硬件类型，如传感器、可编程逻辑控制器；常见的传感器，如摄像头、麦克风。实践任务：进行智能端侧设备传感器应用实践，查看摄像头挂载情况、调用摄像头拍照与保存、调用语音模块录音与回放。智能端侧设备计算框架（4学时）主要内容：智能边缘计算框架的概念；常用的智能边缘计算框架（PaddleInference框架、MNN框架、Dabnn框架、OpenVINO框架、TensorFlowLite框架）。实践任务：完成PaddleInference框架安装，查看人工智能端侧设备硬件环境、验证编译环境、安装PaddlePaddle框架、验证安装情况。（二）进阶篇（25学时）智能端侧设备算法基础（5学时）主要内容：人工智能算法的概述，包括基本概念、基本要素、基本特征；常见的人工智能算法，如图像分类算法、目标检测算法、图像分割算法、人体关键点检测算法、语音识别算法、文字识别算法。实践任务：进行人工智能算法应用与基础实现实践，完成实训环境准备、体验各类算法、实现人脸检测算法等任务。人工智能端侧设备基础应用（6学时）主要内容：库的类别，包括函数库、模型库；常用的人工智能模型库，如PaddleClas、PaddleDetection等；迁移学习算法的概念、应用及特点。实践任务：开展基于迁移学习的电子产品分类实践，完成模型训练环境准备、分类目标数据采集、迁移学习模型训练、测试模型训练结果等任务。产品智能分拣系统搭建基础（4学时）主要内容：产品智能分拣系统的概述，包括背景、意义；智能分拣系统常用方法，如条形码识别技术、RFID射频识别技术、图像识别技术；人工智能边缘设备应用案例分析。实践任务：初步体验基于目标检测的商品识别功能，为后续系统搭建做准备。产品质量检测系统搭建基础（5学时）主要内容：产品质量检测系统的概述，包括背景、意义；产品质量检测系统常用方法；端侧设备应用案例分析；产品质量检测系统的实现流程。实践任务：进行PCB板质量检测相关的基础实践操作。生产安全监控系统搭建基础（5学时）主要内容：生产安全监控系统的概念、背景及意义；生产安全监控系统的构成及应用；端侧设备应用案例分析；行为识别的实现流程。实践任务：开展安全帽佩戴识别相关的基础实践。（三）实战篇（19学时）产品智能分拣系统搭建（4学时）主要内容：深入分析产品智能分拣系统，包括目标检测的实现原理；详细讲解基于目标检测的商品识别功能实现的全流程。实践任务：完成基于目标检测的商品识别功能实现，包括模型训练环境准备、检测目标数据采集、迁移学习模型训练、测试模型训练结果。产品质量检测系统搭建（4学时）主要内容：详细介绍基于物体检测的PCB板质量检测系统搭建的各个环节，包括模型部署格式导出、部署环境编译等。实践任务：搭建基于物体检测的PCB板质量检测系统，完成相关任务操作。生产安全监控系统搭建（5学时）主要内容：深入讲解基于目标检测的安全帽佩戴识别系统功能实现的过程，包括模型性能预测、转换部署、服务应用等。实践任务：实现基于目标检测的安全帽佩戴识别系统功能。产品票务管理系统搭建（6学时）主要内容：介绍智慧财会的背景与意义；端侧设备在票据识别中的应用；端侧设备应用案例分析；文字识别的实现原理。实践任务：完成基于文字识别的票据识别功能实现，包括加载文字识别模型、单张及多张票据文件识别。智能客户服务系统搭建（6学时）主要内容：讲解智能客服的背景与意义；端侧设备在智能客服中的应用；端侧设备应用案例分析。实践任务：搭建基于语音识别的智能客户服务系统，完成创建语音识别应用、编写相关函数、进行语音识别测试应用等任务。六、教学方法与手段任务驱动式教学：以真实生产项目、典型工作任务、AI案例为载体组织教学单元，将理论知识融入项目和任务中，实现“做中学，做中教”。理实一体化：理论教学与实践教学交互进行，课堂讲解与实验室操作相结合，让学生在实践中理解和掌握理论知识。融媒体教学：运用新形态融媒体教材，结合纸质教材与数字资源，采用在线学习、视频演示、互动练习等多种形式，丰富教学手段。案例教学：引入大量产业应用案例，包括百度等头部企业的实际案例，引导学生进行案例复现，提高学生对知识的应用能力。校企合作：邀请企业工程师参与教学，分享行业动态和实战经验，提供实践项目指导，深化产教融合。课程思政融入：结合时事热点和政策，提炼人工智能应用场景中的文化基因和价值范式，将社会主义核心价值观融入教学全过程。七、考核方式考核环节占比考核内容平时成绩30%考勤（10%）、课堂互动（5%）、实践作业（15%，包括各模块实践任务的完成质量和报告）阶段测试25%基础篇、进阶篇各1次测试（客观题+实践操作题），考查学生对基础知识和进阶知识的掌握程度综合实战项目45%项目方案设计（10%）、项目功能实现（15%）、项目报告（10%）、项目答辩（10%）八、教材与参考资料主教材：《人工智能边缘设备应用》（相关教材，依据提供的前言和目录内容）参考资料：百度人工智能工具平台技术文档《新一代人工智能发展规划》艾