人工智能嵌入式系統開發實戰

本書基於國產飛騰高性能CPU的嵌入式開發板，從嵌入式開發、操作系統、硬件接口的應用實踐、綜合人工智能項目實踐進行了介紹與實例展示。首先介紹飛騰教育開發板的硬件平臺及基本使用方法，然後以D2000處理器為主體，詳細介紹基本硬件結構、工作原理、音視頻模塊和典型AI應用等實踐案例。 本書具有以下特點： 軟硬結合，強化實踐。為了便於理解，書中列舉了大量應用實例，所有實例均在開發板上調試通過，可以直接運行，且每個應用實例均給出程序參考程序。適合教師講授，易於學生閱讀。本書在編寫時力求做到通俗、易懂，書中圖文並茂，針對本科層次學生特點，內容講解在夠用的基礎上，突出實際應用。 本書可作為普通高等院校電子、電氣、電腦、通信、自動化、智能科學與技術等工科專業本科教材，也可供廣大從事單片機應用系統開發的工程技術人參考。

第1章 緒論 1
1.1　芯片簡介 1
1.2　芯片架構簡介 2
第2章 飛騰芯片型號及技術參數 3
2.1　飛騰公司簡介 3
2.2　飛騰芯片產品概述及技術理念 4
2.2.1　飛騰芯片產品概述 4
2.2.2　飛騰產品的技術理念 4
2.3　飛騰系列芯片產品簡介 5
2.3.1　高性能服務器CPU 5
2.3.2　高效能桌面CPU 8
2.3.3　高端嵌入式CPU 11
2.3.4　飛騰套片 14
第3章 開發板硬件結構及接口 15
3.1　飛騰教育開發板簡介 15
3.2　板載硬件接口及模塊 16
3.3　MXM顯卡及硬盤 19
3.3.1　MXM顯卡安裝方式 19
3.3.2　硬盤安裝 19
第4章 搭建開發環境 21
4.1　登錄開發板系統 21
4.1.1　通過串口登錄開發板系統 21
4.1.2　使用SSH登錄開發板系統 25
4.1.3　無線接入局域網 28
4.1.4　開發板關機 29
4.2　安裝相關軟件 29
4.3　更新固件 30
4.3.1　升級BIOS固件 30
4.3.2　刻錄啟動盤 30
4.4　操作系統 32
4.4.1　安裝銀河麒麟系統 32
4.4.2　安裝debian系統 35
4.4.3　安裝Ubuntu系統 43
4.5　TigerVNC局域網遠程桌面 44
4.6　更新Python至3.7版本 45
4.7　更新gcc至9.4.0版本 46
4.8　安裝OpenCV 49
4.8.1　安裝OpenCV環境（C++接口） 49
4.8.2　安裝OpenCV環境（Python接口） 50
第5章 程序設計及在線開發 53
5.1　ARM指令集簡介 53
5.2　程序設計流程 55
5.3　在線開發流程 56
第6章 基礎應用設計實例 58
6.1　接口測試 58
6.2　IIC通信 60
6.2.1　IIC總線簡介 60
6.2.2　IIC總線的工作特點 60
6.2.3　IIC總線訪問外圍設備 61
6.3　音頻採集及輸出實例 64
6.3.1　音頻接口測試 64
6.3.2　音頻採集實例 66
6.4　操作系統實例 67
6.4.1　文件I/O操作 67
6.4.2　進程管理、同步及通信 69
6.4.3　線程管理 72
6.4.4　線程同步及多路轉接 75
6.4.5　TCP、UDP連接測試實例 78
第7章 音/視頻的播放與處理 82
7.1　音/視頻的播放 82
7.1.1　瞭解gstreamer 82
7.1.2　安裝gstreamer 83
7.1.3　音/視頻播放步驟 83
7.2　視頻採集及縮放 85
7.2.1　視頻採集 85
7.2.2　視頻縮放 87
7.3　H.264的編碼及解碼 87
7.3.1　H.264簡介 87
7.3.2　H.264編碼 88
7.3.3　H.264解碼 90
7.4　TS封裝及播放 90
7.4.1　TS封裝 90
7.4.2　TS播放 92
第8章 圖像處理及相關的設計實例 95
8.1　圖像處理基礎知識 95
8.1.1　讀取、顯示、保存圖像 96
8.1.2　獲取圖像屬性 97
8.1.3　圖像的通道拆分與合並 98
8.1.4　圖像的加法與融合運算 98
8.1.5　圖像類型轉換 100
8.1.6　圖像的縮放、旋轉、翻轉和平移 102
8.2　圖像對比度的增強 106
8.2.1　圖像灰度化 107
8.2.2　灰度直方圖 108
8.2.3　灰度直方圖均衡化 109
8.2.4　灰度線性變換 111
8.2.5　伽馬變換 112
8.3　圖像加噪 114
8.3.1　添加椒鹽噪聲 114
8.3.2　添加高斯噪聲 115
8.4　圖像處理基礎算子 116
8.4.1　拉普拉斯算子 116
8.4.2　Sobel算子 119
8.4.3　Canny邊緣檢測算法 121
第9章 人工智能推理及項目設計 123
9.1　MNN 123
9.1.1　MNN的特點及框架 123
9.1.2　MNN的工作流程 125
9.1.3　MNN運行實例 126
9.2　OpenCV DNN 127
9.2.1　OpenCV DNN介紹 127
9.2.2　執行GoogLeNet分類實例 128
9.3　目標識別設計及實現 131
9.3.1　背景介紹 131
9.3.2　YOLOv1原理 133
9.3.3　目標識別實例 136
9.3.4　血細胞分類實例 140
第10章 火焰及煙霧檢測項目 145
10.1　項目目標 145
10.2　項目方案 147
10.2.1　項目所需設備 147
10.2.2　OpenCV與機器視覺 148
10.2.3　深度學習模型YOLOv3 148
10.2.4　模型訓練 150
10.2.5　遠程監控實現 152
10.3　實驗內容與具體步驟 154
10.3.1　Ubuntu系統下的OpenCV安裝 154
10.3.2　基於Xftp實現PC、虛擬機、開發板間的文件傳輸 154
10.3.3　深度學習模型程序與程序簡析 160
10.3.4　遠程監控實施 163
10.4　實驗結果及總結 164
第11章 垃圾分類項目 168
11.1　項目目標 168
11.2　項目方案 168
11.2.1　項目所需設備 168
11.2.2　數據集預處理 169
11.2.3　深度學習模型ResNet 171
11.2.4　模型訓練 174
11.3　項目內容與具體步驟 175
11.3.1　數據集預處理及圖像標註 175
11.3.2　深度學習模型的搭建、訓練及測試 179
11.3.3　分類結果顯示與分析 183
11.4　項目總結 185
附錄A 186