人工智能发展所必需的四个要素：应用场景、大数据、计算能力和人才。而在场景确定、大数据丰富和计算能力不断提升的今天，人工智能人才的培养就显得尤为重要。人工智能技术包括：图像分析理解、自然语言识别、语音识别、机器人行为学等。不管是哪种应用，人工智能的核心都是“机器学习”——先对已知数据“降维”，再对目标网络“训练”，进而生成所需要的“成熟分类网络”。

在这些应用场景中，基于图像的深度学习所采用的数据维度是最多的，应用范围也是最广的。9570官方金沙入口登录集合十几年的机器视觉产品研发经验和院校科研教学特点，创新性的推出了“MV-AI-VISION科研应用开发平台”专门解决“人工智能”技术在机器视觉领域的学习和落地应用训练。

任何需要深度学习技术解决的项目，都可以在“MV-AI2000”上做开发设计。

基于英特尔EIS平台的源码级深度学习实验课程

功能特点 FUNCTION

 1.精准（图像）大数据采集——提供同分辨率、同维度、同参数下细分行业“精准图像大数据集”的自动采集。这是“人工智能”技术在机器视觉领域落地应用的“数据”基础。

基于“MV-AI2000平台”的瓶盖缺陷数据（部分）

2.机器学习基础到应用——基于OpenVINO提供包括图像标记、神经网络搭建及神经网络训练等实验项目。

神经网络训练

3.源码级的“深度学习”实验项目——基于OpenVINO提供“成熟神经网络”的调用、调参等实验项目。

源码级的EII平台搭建实验

4.深度学习场景落地应用平台——基于英特尔EII平台的深度学习场景落地部署。

5.丰富的教学资源

• 平台配备“目标图像获取”、“图像预处理”、“深度学习”、“PLC编程”、“数据通讯”等多个实验教学项目，锻炼学生的个人能力、沟通交流能力、团队协作能力。

• 提供从基础操作到实际应用，详尽的实验指导手册、设备使用手册。设计由浅入深的学习实验，从基础操作到实际应用。实验指导书包含：实验背景、实验目的、实验原理、实验方案、实验步骤、实验结论、实验报告内容及要求等。
• 
• 应用场景 APPLICATION
  
• 
  

缺陷检测 基于英特尔EIS平台的PCB缺陷检出
模式识别 轻量级“物体识别神经网络”
目标跟踪 轻量级“人脸检出”模型
缺陷及分选 基于深度学习的瓶盖生产问题分类

典型案例 CASE

水果分选——基于“红通道”的苹果颜色分级	PCB板缺陷检测——自适应缺陷检测
智能抓取——智能特征识别定位	复杂环境的字符识别——智能多模板字符匹配