當前以及未來，科技正加速向智能化、網絡化方向發展，而物理信息融合化將是實現這一發展目標的助推器，也是目前世界工業強國所提出的未來發展戰略的核心基礎。物理世界與信息世界的深度融合以及系統的時間、空間規模與復雜性，傳統的傳感體系架構無法適應未來需求。在移動通訊網絡(5G)、大數據、腦科學、邊緣計算、物聯網以及經濟社會發展強烈需求的共同驅動下，感、知、聯、控一體化的智能感知是實現物理信息融合化的途徑，建立感、知、聯、控一體化的智能終端是人工智能邁向應用的基礎。本套方案通過傳感技術、電子技術、計算機技術、通信技術等，并與人工智能、大數據、云計算等多學科交叉綜合，培養掌握智能感知專業基礎知識，能夠在智能制造與裝備、智慧醫療、智能交通、智能家居等相關領域從事研發、制造、技術支持、維護和運行管理等方面工作的工程技術人才。

智能感知實驗室分兩期建設完成：第一期建設主要為基礎專業實驗室建設，滿足專業基礎課、專業核心課實驗部分教學需求，實驗設備主要由基礎傳感器實驗教學平臺、智能傳感器實驗平臺、人工智能綜合實驗平臺組成。第二期建設主要為綜合創新實驗室建設，滿足綜合實踐、科技創新創業活動需求，實驗設備主要由高端ARM/DSP/FPGA嵌入式開發套件、機器人/車、智能儀器、實訓沙盤等組成。

方案配置（一期建設推薦）
1、基礎傳感器實驗箱 998S
2、智能傳感器實驗箱 ISensor
3、人工智能教學實驗平臺 AIARM
4、通用儀器套件（電源、信號源、示波器、萬用表等）
5、其他開發工具

主要實驗項目
第一部分 基礎傳感器實驗項目
1）應變片單臂特性實驗
2）應變片半橋特性實驗
3）應變片全橋特性實驗
4）應變片單臂、半橋、全橋特性比較
5）應變片的溫度影響實驗
6）應變片溫度補償實驗
7）應變直流全橋的應用—電子秤實驗
8）移相器、相敏檢波器實驗
9）應變片交流全橋的應用(應變儀)—振動測量實驗
10）壓阻式壓力傳感器的壓力測量實驗
11）電容式傳感器的位移實驗
12）差動變壓器的性能實驗
13）激勵頻率對差動變壓器特性的影響
14）差動變壓器零點殘余電壓補償實驗
15）差動變壓器測位移實驗
16）差動變壓器的應用——電子秤之二
17）差動變壓器的應用—振動測量實驗
18）電渦流傳感器位移特性實驗
19）被測體材質對電渦流傳感器特性影響
20）電渦流傳感器測振動實驗
21）電渦流傳感器的應用——電子秤之三
22）壓電式傳感器測振動實驗
23）熱電偶的原理及現象實驗
24）NTC熱敏電阻溫度特性實驗
25）PN結溫度傳感器溫度特性實驗
26）線性霍爾式傳感器位移特性實驗
27）霍爾傳感器的應用——電子秤之四
28）霍爾傳感器的交流激勵靜態位移特性實驗
29）霍爾傳感器的應用—振幅測量
30）磁電式傳感器特性實驗
31）光電傳感器測轉速實驗
32）光纖位移傳感器測位移特性實驗
33）氣敏傳感器實驗
34）濕敏傳感器實驗

第二部分 智能傳感器實驗項目
1、自動測速傳感裝置部分
1)光電測速基本原理
2)PWM電機調速
3)輸入捕獲
4)LCD顯示實驗
5)PID基本原理
6)PID調速實驗
2、智能光照測量裝置部分
1)硅光電池工作原理
2)LED調光實驗
3)串口通信實驗
4)ADC模數轉換實驗
5)LCD顯示實驗
6)硅光電池綜合實驗
3、智能測溫傳感裝置部分
1)鉑電阻橋式測溫原理
2)PWM調溫實驗
3)串口通信實驗
4)ADC模數轉換實驗
5)LCD顯示實驗
6)鉑電阻橋式測溫綜合實驗
4、智能傳感器應用擴展板部分
1)直流風扇、繼電器、蜂鳴器控制實驗
2)溫濕度、光強測量實驗
3)觸摸、光電感應實驗
4)火焰和可燃氣報警實驗
5)人體紅外實驗
6)超聲波測距實驗
5、Cortex-M4部分
1)RealView MDK 簡介
2)安裝及使用
3)STM32CUBEMX簡介
4)安裝及使用
5)跑馬燈實驗
6)聲光報警器實驗
7)按鍵中斷實驗
8)UART 串口1 數據收發實驗
9)SysTick 系統滴答實驗
10)按鍵掃描數碼管顯示實驗
11)ADC 模數轉換實驗
12)DAC 數模轉換實驗
13)CAN 環回模式實驗
14)RTC實時時鐘實驗
15)讀寫NOR FLASH實驗
16)NAND Flash訪問實驗
17)SD 卡FATFS 文件系統訪問實驗
18)TCPIP 網絡組件Lwip 之Ping 實驗
19)LCD屏顯示實驗
20)LCD屏觸摸實驗
21)UCOSII 操作系統創建任務實驗
22)UCOS-III 操作系統創建多任務實驗
23)UCOS-III 操作系統-信號量
24)UCOS-III 操作系統移植
25)UCOSIII 操作系統創建1 個任務實驗
26)UCOS-III 操作系統創建多任務實驗
27)UCOS-III 操作系統-信號量
28)自動測速傳感裝置的應用
29)智能光照測量裝置的應用
30)智能測溫裝置的應用
31)傳感器擴展板的應用
6、STC51單片機部分（選配）
1)跑馬燈實驗
2)聲光報警器器實驗
3)UART 串口1 數據收發實驗
4)定時器中斷實驗
5)按鍵掃描數碼管顯示實驗
6)ADC 模數轉換實驗
7)自動測速傳感裝置的應用
8)智能光照測量裝置的應用
9)智能測溫裝置的應用
10)傳感器擴展板的應用
7、MSP430部分（選配）
1)跑馬燈實驗
2)聲光報警器實驗
3)UART串口1數據收發實驗
4)時鐘模塊實驗
5)按鍵掃描數碼管顯示實驗
6)ADC模數轉換實驗
7)自動測速傳感裝置的應用
8)智能光照測量裝置的應用
9)傳感器擴展板的應用

第三部分 人工智能綜合實驗項目
1.人工智能基礎實驗部分：
1.1環境搭建：
Linux系統：
基于Python-3.5.2，TensorFlow-1.7.0，Qt-5.5的人工智能+顯示平臺的環境搭建。
Windows系統：
基于Python-3.5.3，TensorFlow-1.7.0的人工智能環境搭建（CPU運算）；
基于Python-3.5.3，CUDA9.0，CUDNN7.0，TensorFlow-1.7.0的人工智能環境搭建（GPU運算），Unity3D環境搭建。
1.2 Python基礎教程
1)Python基礎：
Python基礎，Python注釋，Python語句格式，Python行和縮進，Python標識符，Python關鍵字，Python輸入輸出，Python數字類型，Python字符串，Python列表，Python元組，Python字典，Python數據類型轉換，Python算術運算符，Python條件語句，Python循環語句
2)Python高級：
Python函數，Python遞歸函數，Python匿名函數，Python變量，Python面向對象，Python繼承，Python多態，Python異常處理，Python模塊，Python包，Python模塊的發布安裝和使用，第三方模塊的引入與使用
3)Python項目：
基于Python的飛機大戰項目
1.3人工智能開發
1)人工智能基礎：
數據集介紹、深度學習簡介、TensorFlow簡介、TensorFlow入門操作（輸出、常量的處理：加減乘除、變量的處理：加減乘除、矩陣的處理：加乘）。
2)基本處理算法：
用于處理分類問題的解決算法：K最近鄰算法、邏輯回歸算法；
用于處理回歸預測問題的解決算法：線性回歸算法；
3)神經網絡算法：
介紹了在神經網絡中常用到的函數以及多種神經網絡：
基于前饋人工神經網絡模型的多層感知器（MLP）；
基于前饋人工神經網絡模型的卷積神經網絡（CNN）并在多個數據集上進行了解釋；
基于閉合回路的遞歸神經網絡的長短期記憶網絡（LSTM）；
基于閉合回路的遞歸神經網絡的雙向循環神經網絡（Bi-RNN）；
基于反向傳播算法的進行空間表征的壓縮重構的自編碼器（Autoencoder）。
4)TensorFlow的實用技術：
對訓練出來的模型進行保存和恢復以進行新的預測，TensorFlow中Graph的可視化以及訓練過程中loss的可視化。
5)高級框架TFlearn：
TFlearn常用API的介紹；
基于TFlearn進行回歸預測問題的解決算法實現；
基于TFlearn進行分類算法的實現；
基于TFlearn模型的保存和恢復；
基于Fine-tuning實現對原模型的微調；
基于HDF5大型數據集的處理方案；
6)TFlearn視覺網絡：
介紹了在計算機視覺中常用到的神經網絡：
基于TFlearn實現前饋人工神經網絡模型的多層感知器（MLP）；
基于TFlearn實現前饋人工神經網絡模型的卷積神經網絡（CNN）并在CIFAR-110數據集上進行了解釋；
基于TFlearn實現前饋人工神經網絡模型的卷積神經網絡（CNN）并在MNIST數據集上進行了解釋；
基于TFlearn實現更為深度的（8個學習層）CNN網絡AlexNet；
基于TFlearn實現改進了傳統的CNN網絡新型網絡Network In Network（NIN）；
基于反向傳播算法的進行空間表征的壓縮重構的自編碼器（Autoencoder）。
7)基于百度AI開放平臺的人工智能圖像識別實驗：
通用物體識別、菜品識別、車輛識別、動物識別、植物識別；
8)基于百度AI開放平臺的人工智能語音識別實驗；
9)基于百度AI開放平臺的人工智能人臉識別實驗：
人臉檢測、添加人臉庫、人臉識別、改進人臉返回值；
10)人工智能應用實驗：
OpenCV圖像采集以及處理、手寫數字識別、車牌識別、目標檢測（入門）、人臉識別、目標檢測（自訓練）、語音識別；
1.4 無線傳感網部分實驗
1)ZigBee部分：
開發環境搭建、ZigBee傳感節點組網實驗,基于ZigBee的燈光控制實驗、基于ZigBee的串口傳輸實驗、基于ZigBee的數據透傳控制實驗、ZigBee溫度采集實驗、ZigBee直流風扇實驗、ZigBee光強實驗、ZigBee光電傳感實驗、ZigBee火焰實驗、ZigBee可燃氣實驗、ZigBee電位器實驗、ZigBee蜂鳴器實驗、ZigBee繼電器實驗、ZigBee觸摸實驗實驗、ZigBee人體紅外實驗、ZigBee超聲波測距實驗、TinyOS安裝開發環境搭建、TinyOS Hello World實驗、TinyOS點對點數據傳輸實驗；
2)低功耗Wi-Fi部分：
Wi-Fi透傳實驗、Wi-Fi模塊透傳基礎試驗。Wi-Fi傳感節點采集組網實驗。Wi-Fi溫度采集實驗、Wi-Fi直流風扇實驗、Wi-Fi光強實驗、Wi-Fi光電傳感實驗、Wi-Fi火焰實驗、Wi-Fi可燃氣實驗、Wi-Fi電位器實驗、Wi-Fi蜂鳴器實驗、Wi-Fi繼電器實驗、Wi-Fi觸摸實驗實驗、Wi-Fi人體紅外實驗、Wi-Fi超聲波測距實驗。Wi-Fi透傳實驗、Wi-Fi模塊透傳基礎試驗、Wi-Fi模塊AT實驗、Wi-Fi模塊物聯網云基礎實驗。
1.5 RFID模塊部分：
蜂鳴器實驗、按鍵檢測實驗、串口收發實驗、13.56M讀卡實驗、13.56M寫卡實驗、13.56M讀寫秘鑰實驗、飯卡消費充值系統、13.56M調試助手；
2.人工智能綜合項目部分：
1）AI計算機視覺倉庫貨物分揀、整理：
基于AI計算機視覺+機械臂控制為一體的倉庫貨物分揀、整理項目，基于TensorFlow框架通過深度學習神經網絡算法識別倉庫貨物，在終端進行顯示及控制，可以通過機械臂將貨物進行倉庫間的搬運，也可以將倉庫內的貨物進行整理歸位；
2）AI語音機械臂控制、貨物分揀：
基于AI語音識別+機械臂控制為一體的機械臂控制、貨物分揀，用戶可以通過語音發布指令控制機械臂執行動作；
3）AR倉庫貨物分揀：
通過AR增強現實技術實現圖像識別，創建與現實中物體相關聯的虛擬模型，結合鼠標或者手指的動作來操控虛擬物體，進而機械臂也跟隨虛擬物體的移動進行相應的動作，也可以通過UI的操作來直接控制機械臂的運動；
4）基于AI開放平臺的圖像識別+抓取：
基于AI開放平臺的圖像識別，包括：動物識別、水果識別、蔬菜識別、車標識別、漢字識別、英文識別，并且可以基于機械臂控制不同種類的物體進行分類搬運；
5）無線物聯網模塊拓撲圖：
基于物聯網模塊的拓撲圖，可以顯示物聯網模塊的傳感器數據以及控制傳感器狀態；
6）RFID模塊拓撲圖：
基于RFID模塊的拓撲圖，可以顯示RFID卡中的數據