项目名称	人工智能虚拟仿真平台	项目编号	ZXCG-JJ-230081
公告开始日期	2023-09-06 11:17:09	公告截止日期	2023-09-09 13:00:00
采购单位	光电与信息工程学院	付款方式	货到验收合格付清全款
联系人	中标后在我参与的项目中查看	联系电话	中标后在我参与的项目中查看
签约时间要求	成交后15日内	到货时间要求	成交后30个工作日内
预算总价	￥ 80000.00 + NaN + NaN
发票要求	增值税普通发票 增值税专用发票
含税要求
送货要求
安装要求
收货地址	福建师范大学福建省光电传感应用工程技术研究中心
供应商资质要求	符合《政府采购法》第二十二条规定的供应商基本条件
公告说明

采购清单1

采购商品	采购数量	计量单位	所属分类
人工智能虚拟仿真软件	5	套	应用软件 无 无

品牌 品牌1	华清远见
型号	FS_AISIM
品牌2
型号
品牌3
型号
预算单价	￥ 16000.00
技术参数及配置要求	总体概述：仿真系统是一套辅助教学系统，它是2D与3D的结合，所有实验通过拖拽图形组合代码逻辑学算法、自动生成代码学习编程，3D视觉场景学习视觉基础应用、3D语音场景学习语音基础应用、3D项目场景学习应用产业化部署。 在软件平台上能完成2D基础实验，包括机器视觉、机器学习、深度学习、经典神经网络的基础算法实验，并且软件自带人工智能环境配置，无需额外安装，降低学习难度，软件提供命令行环境接口以及丰富的实验组件，在进行实验过程中，可参考内置的实验手册、动态生成代码，并且对于实验可以智能验证及错误提示，在实验完成后，可以查看动态实验结果。支持基础视觉应用和基础视觉应用场景以及基础语音应用和基础语音应用场景项目学习方案，同时也可以通过图像识别和分类完成智能分拣系统、智能垃圾分类系统等3D综合项目，可支持人工智能基础理论教学、工程项目开发教学及实验成果展示。每个基础实验都具有相对应的组件、内置实验手册以及代码生成等功能。 1.虚拟仿真组件： 每个组件都是从算法中将逻辑抽象出来的具象化展现，在软件中可以进行图形化拖拽、连接、配置、删除等操作，要求每个组件都提供相应的算法匹配，从而完成组件->逻辑->代码->算法的全方面系统性算法学习策略。 1)机器视觉组件： 图片输入、图片输出、灰度化、二值化、自适应二值化、HSV空间转换、与运算、开运算、颜色替换、图片旋转、图片镜像旋转、图片切割、图片缩放、透视变换、模板输入、图像融合、Canny算法、滤波算法、形态操作、寻找轮廓、绘制轮廓、外接轮廓、绘制直方图、直方图均衡化、模板匹配、霍夫变换、梯度处理方式、查找凸包等组件。 2)机器学习组件： 机器学习输入、机器学习输出、近邻算法、KNN决策边界、KNN预测值、线性回归算法、Wb初始化设置、损失函数、优化函数、训练函数、激活函数、bayes、k均值聚类、knn均值聚类训练函数。 3)深度学习组件： 深度学习输入、深度学习输出、网络层、输出层、深度学习损失函数、深度学习优化函数、深度学习训练。 4)基础视觉应用组件： 数据输入、数据输出、开始、结束、BGR转HSV颜色空间、识别颜色HSV范围、中值滤波、开运算、寻找轮廓、开始逐一排查轮廓、轮廓允许的面积、绘制轮廓、结束排查轮廓、高斯滤波、灰度化、二值化、计算轮廓中心点、寻找近似轮廓、命名形状、绘制轮廓文字、加载模型、二维码识别、轮廓像素值转换为整数、形态操作、图像合并、canny算法、轮廓允许面积、寻找轮廓的外接矩形的坐标、矩形允许的长宽比、矫正矩形、识别车牌颜色并精确车牌范围、加载OpenCV的SVM模型、加载数据集制作数据与标签、二阶矩对图像偏斜校正、获取hog特征、开始训练、保存模型、开始逐一排查颜色块、车牌转换二值化、查找水平直方图波峰、查找垂直直方图波峰、通过竖直波峰分离汉字和字母并识别、矫正数字块、修复数字边缘、准备网络并加载模型、准备图像并识别、手势识别、连接mqtt、连接成功发送识别结果。 5)基础语音应用组件： 声音输入、声音输出、快速傅里叶变换、预加重、分窗、窗函数、短时傅里叶变换、能量谱计算、三角mel滤波器组。 2.2D模式组件逻辑接线 1)项目工程具有创建、保存、导入、导出功能； 2)支持画线、拖拽、删除、清空等编辑功能； 3)组件具有双输入组件、单输入组件等形式，以应对不同的逻辑策略； 4)支持接线验证功能，错误位置提示功能； 3.组件内置属性面板 1)支持修改相关组件参数以及算法的超参数； 2)机器视觉中，可以对输入的图像进行修改； 3)深度学习中，可以对输入的数据进行位置随机修改与噪声随机修改； 4)可实时且动态查看算法运算输出结果； 5)可实时且动态查看深度学习的损失与准确率曲线； 4.系统内置实验手册 1)针对每个实验提供详细的操作步骤； 2)针对每个实验内的逻辑做出相应的解释说明； 5.软件可生成实验对应Python的代码 1)代码直接复制运行； 2)代码可自行修改、二次开发，加深了解； 3)系统内置代码运行环境，可单步调试； 4)系统内置terminal终端； 6.系统内置AI运算服务：AI运算服务可使用CPU进行运算或者GPU进行加速运算； 7.3D视觉场景动态仿真教学 1)系统配置3D视觉场景，场景中角色可以第三人称与第一人称切换，角色可以在场景中自由移动、旋转角度、跳跃等； 2)视觉场景拥有视觉实验台，内置颜色块、形状块、二维码、车牌、手势、数字块等内容的自由放置功能，并且可以切换3D和2D的不同可视角度； 3)二维码可以自定义二维码； 4)车牌可以自定义任意车牌； 5)场景留有相应的开放性接口，支持用户编写逻辑代码以及算法代码接入到3D场景中，以实现相应的开发； 8.3D声音场景动态仿真教学 1)系统配置3D声音场景，场景中角色可以第三人称与第一人称切换，角色可以在场景中自由移动、旋转角度、跳跃等； 2)视觉场景拥有声音实验台，可将鸟叫声、人声等内容的数据传输； 3)鸟叫声包含：鹌鹑、白面水鸡、布谷鸟、大公鸡、黄鹏鸟、四声杜鹃、相思鸟、鹰鹃、中华鹧鸪、竹鸡，每个叫声都包含2-3种声音； 4)人声包含：拜托、对不起、好久不见、欢迎、可以、没关系、您好、请稍等、谢谢、再见，每个词都包含成年女性、成年男性、男儿童、女儿童的声音； 5)场景留有相应的开放性接口，支持用户编写逻辑代码以及算法代码接入到3D场景中，以实现相应的开发； 9.智能分拣系统3D场景： 实例化一个项目场景，该场景要实现货物的分拣。 1)在2D场景中了解分拣系统项目设备组成，包括的虚拟设备有图像识别模块，步进电机驱动器、步进电机、人工智能中控驱动、急停按钮、复位按钮、运行按钮、推杆、激光发射器、激光接收器等设备。 2)在3D场景中，具有多个3D模型，包含传送带、推杆、激光发射器、激光接收器、摄像头等，分拣系统分为采集模式、分拣模式。采集模式可以动态展示物体图像采集过程，自由切换采集的物体，保存采集的图像。分拣模式可以动态展示应用层通过采集图像，控制各个推杆推出来分拣不同类型的物体； 3)在3D场景中，布设生动形象的分拣系统场景。可以从不同换角度查看分拣系统设备，实时显示图像采集区域、分拣系统画面； 4)包含测评系统，具有完整的评测标准，可以提供课设或者成绩的评估。 10.智能垃圾分类3D场景： 实例化一个项目场景，该场景要实现垃圾的分类。 1)在2D场景中了解分拣系统项目设备组成，包括的虚拟设备有垃圾箱、显示大屏、垃圾识别区、可回收垃圾入口、厨余垃圾入口、有害垃圾入口、其它垃圾入口等设备。 2)在3D场景中，具有包含由可回收垃圾、厨余垃圾、有害垃圾、其他垃圾、大屏显示组成的智能垃圾箱3D模型，智能垃圾分类分为采集模式、垃圾分类模式。采集模式可以动态展示物体图像采集过程，自由切换采集的垃圾类型，保存采集的图像。垃圾分类模式可以动态展示应用层通过采集图像，识别图像的类型，传回数据到应用层，控制不同类型的垃圾投放到对应的垃圾桶当中； 3)在3D场景中，布设生动形象的分拣系统场景。可以从不同换角度查看分拣系统设备，实时显示垃圾识别和投递过程； 11.实验资源-辅助教学实验 1)基础实验-机器视觉： 灰度实验；二值化实验；自适应二值化实验；图片颜色识别；图片颜色替换；ROI切割；图像旋转；图片镜像旋转；图像缩放；图像矫正；图像添加水印；图像噪点消除；图像边缘检测；形态学变换；绘制图像轮廓；图像轮廓特征查找；直方图均衡化；模板匹配；霍夫变换；图像梯度变换；凸包特征检测；图像亮度变换。 实验形式：通过在软件中拖拽组件实现算法的逻辑连接、属性配置、校验、运行等一系列操作完成实验，达到无需编程即可实现实验的目标。实验目标完成后，软件还可以生成对应实验的Python代码，以进行算法源码验证。不接受单独的Python或其他语言代码直接实现的形式。 2)基础实验-机器学习： KNN决策边界；数学的方法实现KNN算法；数学的方法实现线性回归；贝叶斯分类；贝叶斯多分类；K均值聚类；线性函数的前向传播；线性函数的反向传播与优化；自求导线性回归；线性回归；逻辑回归；支持向量机。 实验形式：通过在软件中拖拽组件实现算法的逻辑连接、属性配置、校验、运行等一系列操作完成实验，达到无需编程即可实现实验的目标。实验目标完成后，软件还可以生成对应实验的Python代码，以进行算法源码验证。不接受单独的Python或其他语言代码直接实现的形式。 3)基础实验-深度学习： 多层网络的前向传播；激活函数；多层网络的反向传播；深度学习权重的更新；优化器；卷积神经网络的前向传播；直线线性回归；曲线线性回归；散点簇分类；圆环分类；月牙分类。 实验形式：通过在软件中拖拽组件实现算法的逻辑连接、属性配置、校验、运行等一系列操作完成实验，达到无需编程即可实现实验的目标。实验目标完成后，软件还可以生成对应实验的Python代码，以进行算法源码验证。不接受单独的Python或其他语言代码直接实现的形式。 4)基础实验-经典神经网络： LeNet-5、AlexNet、VggNet、GoogLeNet、ResNet、MobileNetV1、MobileNetV2、MobileNetV3。 实验形式：通过在软件中拖拽组件实现算法的逻辑连接、属性配置、校验等一系列操作完成实验，达到无需编程即可实现构建并复现经典神经网络。 12.实验资源-原理性实验 1)Python开发 Python基础：Python基础，Python注释，Python语句格式，Python行和缩进，Python标识符，Python关键字，Python输入输出，Python数字类型，Python字符串，Python列表，Python元组，Python字典，Python数据类型转换，Python算术运算符，Python条件语句，Python循环语句 Python高级：Python函数，Python递归函数，Python匿名函数，Python变量，Python面向对象，Python继承，Python多态，Python异常处理，Python模块，Python包，Python模块的发布安装和使用，第三方模块的引入与使用 Python项目：基于Python的飞机大战项目 2)深度学习与神经网络-TensorFlow 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（输出、常量的处理：加减乘除、变量的处理：加减乘除、矩阵的处理：加乘）； 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。（包含算法介绍、数据集介绍、实验目的、实验环境、实验步骤、实验结果。下同）；用于处理回归预测问题的解决算法：线性回归算法。 神经网络算法：介绍在神经网络中常用到的函数以及多种神经网络；（包含算法介绍、数据集介绍、实验目的、实验环境、实验步骤、实验结果。下同）；基于前馈人工神经网络模型的多层感知器（MLP）；基于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了解释；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）； 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；（实验包含算法介绍、数据集介绍、实验目的、实验环境、实验步骤、实验结果）； 高级框架TFlearn：TFlearn常用API的介绍；（实验包含算法介绍、数据集介绍、实验目的、实验环境、实验步骤、实验结果。下同）；基于TFlearn进行回归预测问题的解决算法实现；基于TFlearn进行分类算法的实现；基于TFlearn模型的保存和恢复；基于Fine-tuning实现对原模型的微调；基于HDF5大型数据集的处理方案； 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）；（实验包含算法介绍、数据集介绍、实验目的、实验环境、实验步骤、实验结果。下同）；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MNIST数据集上进行了解释；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CIFAR-110数据集上进行了解释；基于TFlearn实现更为深度的（8个学习层）CNN网络AlexNet；基于TFlearn实现改进了传统的CNN网络新型网络Network In Network（NIN）；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）； 人工智能应用实验：OpenCV图像采集以及处理、手写数字识别、车牌识别、目标检测（入门）、人脸识别、目标检测（自训练）、语音识别； 3)基于百度AI开放平台的人工智能图像识别实验： 通用物体识别、菜品识别、车辆识别、动物识别、植物识别； 基于百度AI开放平台的人工智能语音识别实验； 基于百度AI开放平台的人工智能人脸识别实验： 人脸检测、添加人脸库、人脸识别、改进人脸返回值； 13.基础视觉应用： 颜色识别、数字定位、形状检测、数字识别、二维码识别、手势识别关键点检训、车牌定位、AI手势PPT翻页、车牌训练、车牌识别； 可以与3D视觉场景联动，实现场景的交互与控制。 实验形式：通过在软件中拖拽组件实现算法的逻辑连接、属性配置、校验、运行等一系列操作完成实验，达到无需编程即可实现实验的目标。实验目标完成后，软件还可以生成对应实验的Python代码，以进行算法源码验证。不接受单独的Python或其他语言代码直接实现的形式。 14.3D声音场景项目： 认识模拟声音与数字声音、声音时域与频域转换、声音的mel特征； 可以与3D声音场景联动，实现场景的交互与控制。 实验形式：通过在软件中拖拽组件实现算法的逻辑连接、属性配置、校验、运行等一系列操作完成实验，达到无需编程即可实现实验的目标。实验目标完成后，软件还可以生成对应实验的Python代码，以进行算法源码验证。不接受单独的Python或其他语言代码直接实现的形式。 15.智能分拣系统综合项目： 通过逻辑控制以及识别算法的结合，并与场景进行交互，实现完整的、成体系的项目开发。 1)逻辑实验：Mosquitto数据发送、Mosquitto数据接收、通信实现设备控制、实现设备数据（图像）回传、实现设备数据（对管）回传； 2)算法实验：原始数据采集实验、数据增强实验、模型训练、使用模型进行预测； 3)项目实践：识别服务端代码部署、识别客户端代码部署、分拣项目的实现。 16.智能垃圾分类系统综合项目，要求如下： 通过逻辑控制以及识别算法的结合，并与场景进行交互，实现完整的、成体系的项目开发。 项目实践：原始数据采集实验、模型训练、智慧垃圾桶综合项目的实现。
参考链接
售后服务	服务年限:质保期三年;1、本软件系统终身质保，三年免费升级，三年后提供有偿上面维护服务。2、质保期内如系统加密狗损坏，提供免费更换服务。由于人为因素破坏或不可抗拒的自然力引起的软件加密狗损坏、烧毁等不在保修范围之内。加密狗丢失.超出保修期或不在保修范围的加密狗损坏，收取加密狗成本费用予以更换。“3、提供网站、论坛、QQ、邮件、电话等方式为用户提供技术支持。;

2023-09-06 11:17:09