一、总体介绍

1. 平台采用Jetson Nano开发套件

2. 提供现代AI的强大功能。完整的软件可编程性。Jetson Nano采用四核64位ARM CPU和128核集成NVIDIA GPU，可提供472 GFLOPS的计算性能。它还包括4GB LPDDR4存储器，采用高效，低功耗封装，具有5W / 10W功率模式和5V DC输入。

3. 完全兼容这些框架和NVIDIA领先的AI平台，可以比以往更轻松地将基于AI的推理工作负载部署到Jetson。Jetson Nano为各种复杂的深度神经网络（DNN）模型提供实时计算机视觉和推理。这些功能支持多传感器自主机器人，具有智能边缘分析的物联网设备和先进的AI系统。甚至转移学习也可以使用ML框架在Jetson Nano上本地重新训练网络。

4. Jetson Nano开发套件的占地面积仅为80x100mm，具有四个高速USB 3.0端口，MIPI CSI-2摄像头连接器，HDMI 2.0和DisplayPort 1.3，千兆以太网，M.2 Key-E模块，MicroSD卡插槽，和40引脚GPIO接头。端口和GPIO接头开箱即用，具有各种流行的外围设备，传感器和即用型项目。

5、Jetson Nano可以运行各种各样的高级网络，包括流行的ML框架的完整原生版本，如TensorFlow，PyTorch，Caffe / Caffe2，Keras，MXNet等。通过实现图像识别，对象检测和定位，姿势估计，语义分割，视频增强和智能分析等强大功能，这些网络可用于构建自动机器和复杂AI系统。

1. 硬件资源及技术参数

主要实验项目

平台提供OpenCV、机器学习、深度学习和端侧AI模型部署等教学资源，并提供从神经网络模型训练、模型转换到模型部署的完整文档教程。配套丰富的实训案例以及开发手册等。

1、控制基础例程

控制RGB灯

控制蜂鸣器

操作控制舵机

读取舵机位置

控制所有舵机

控制机械臂做一些动作

操作机械臂记忆动作

机械臂夹方块

2、OpenCV基础例程

图像读取与显示；

图像绘制；

图像ROI提取；

图像几何变换；

图像形态学操作；

图像轮廓提取

3、机器学习基础例程

(1)回归算法；

(2)聚类算法；

(3)分类算法；

(4)决策树；

(5)支持向量机；

4、深度学习基础例程

神经网络线性回归；

神经网络非线性回归；

全连接神经网络识别手写数字；

卷积神经网络人脸识别

神经网络模型的保存与使用；

5、深度学习综合例程

(1)手势识别实验

(2)颜色识别实验

(3)颜色识别并抓取积木实验

(4)视觉定位实验

(5)垃圾分类实验

(6)目标追踪实验

(7)人脸表情识别应用案例

(8)车牌识别应用案例

(9)口罩检测应用案例