一、理论教学

理论教学部分依托人工智能虚拟仿真教学子系统，将机器视觉、机器学习、深度学习基础、CV - 卷积神经网络、经典神经网络、NLP - 循环神经网络、CV-NLP-Transformer 及智能交通综合项目场景（如交通图像识别、交通流算法逻辑）等抽象 AI 与智能交通知识，通过具象化解析、可视化教学、交互式参数设置等方式具象呈现。学生可直观掌握机器视觉在车牌识别中的应用原理、卷积神经网络对交通场景的特征提取逻辑，实现从抽象概念到具象认知的高效学习。

二、实验教学

支持智能交通专属实验，学生可自主操作、实时排错，无需依赖实体交通设备：

· 机器视觉与车牌识别实验：上传车牌图像或在 3D 视觉场景中自定义车牌（如 “京 A・05432”“沪 B・6643U”），调用 AI 模型完成车牌定位、字符识别，加载 OpenCV 的 SVM 模型进行训练与验证，理解智能交通车牌识别的技术流程；

· 交通数据通信实验：开展 MQTT 数据发送、MQTT 数据接收实验，学习 JSON 数据格式与 MQTT 协议，模拟交通传感器（如测速传感器、流量传感器）与中控系统的数据传输，实现设备控制指令下发与运行数据回传；

· 交通参数检测实验：模拟龙门架传感器场景，开展测速监测实验（模拟车辆超速检测）、车道流量监控实验（统计各车道车辆数量），通过参数设置调整检测阈值，查看异常数据报警反馈；

· AI 交通灯控制实验：基于大模型 Agent 框架，开展 Agent 交通灯实验，模拟对人行道与车辆的实时监控，通过调整算法参数实现交通灯智能变灯，理解 AI 在交通调度中的应用逻辑。

三、实训教学

覆盖 3 类智能交通典型场景，实现 “虚拟设计 - 虚实验证 - 综合开发” 的进阶培养：

· 基础场景实训：2D 模式下完成交通监测系统搭建 —— 配置虚拟摄像头、测速传感器、交通灯控制器等设备，设定 “车牌识别→测速→流量统计” 联动逻辑；切换至 3D 智慧城市场景（含双向四车道、红绿灯、人行道、隧道等模型），查看车辆行驶、交通灯变化、数据采集效果，抓取数据帧解析设备间协议交互逻辑；

· 虚实融合实训：可搭配 “人工智能教学实验平台”，该实验平台可与虚拟仿真系统实现虚实融合的协同联动，构建数字孪生系统；将虚拟智能交通系统的控制指令（如 “交通灯时长调整指令”“车辆超速报警信号”）下发至真实平台的控制模块，或读取真实平台传感器采集的模拟交通数据（如模拟车辆通行的红外检测数据），用于虚拟场景验证，兼顾安全性与实战性；

· 行业综合项目：开展 “智能交通综合监测系统” 全流程实训（含测评系统，具备完整评测标准，可用于课程设计或成绩评估）：

1.需求分析：根据城市道路场景设定车牌识别准确率（目标≥95%）、测速误差（≤±2km/h）、交通灯调度响应时间等指标；

2.系统设计：选型虚拟摄像头（用于车牌识别）、测速传感器、AI 中控模块，设计 “数据采集→算法处理→设备控制” 技术架构；

3.开发调试：完成识别服务端 / 客户端代码部署，编写程序集成车牌识别、超速检测、流量统计算法，实现 “车辆识别→超速报警→交通灯动态调整” 联动；

4.成果验证：在 3D 虚拟交通场景中模拟车辆行驶（支持切换人物视角 / 汽车视角，按 W/A/S/D 键移动视角），查看系统对违章闯灯、超速、车道流量的监测效果，生成设备运行报表与交通数据统计报告，符合行业项目交付标准。

1、支持实验项目管理

在实验项目管理界面，可以查看基础实验、综合项目实验，按顺序路线图由浅到深再到项目学习人工智能，让教学更简单。

2.软件自带人工智能教学环境，无需额外配置环境

软件自带的人工智能环境属于单独存在，不会影响和占用计算机已有的环境，同时也不会修改计算机的环境变量。

3.丰富的人工智能实验组件

实验中通过操作界面左侧的组件列表，将抽象化的虚拟仿真组件模块拖拽到画布上并进行连线。

4.组件高度自定义算法参数修改

组件的参数可自定义，调节不同的算法参数，体会不同的参数带来的区别。

5.智能验证及错误提示

组件连接后，系统会校验逻辑错误，提示出错原因，帮助用户快速定位并修改。

6.内置配套实验文档

软件内置实验文档，可实时查看，用户可随时点击打开当前实验文档，对照操作步骤进行实验。

7.动态代码生成

点击画布上的生成Python代码，查看实验代码与算法，解决教学中理论与代码割裂问题。

8.动态结果展示

优化迭代过程实时显示，让用户直观了解学习过程。

9.支持人工智能3D视觉场景项目实施

支持3D视觉场景的项目，具有多功能视觉采集台，实现颜色块、形状块、二维码、车牌、手势、数字块等内容的自由放置，用户可以通过算法以及逻辑对3D场景控制和功能实现。

3D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。

10.支持人工智能3D语音场景项目实施

支持3D语音场景的项目，具有多功能语音播放台，实现鸟叫声、人声等内容的，用户可以通过算法以及逻辑对3D场景控制和功能实现。

3D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。

11.支持人工智能3D项目场景项目实施

支持3D项目场景的项目，拥有分拣系统场景、垃圾分类场景等，提供类硬件支撑，用户可以通过算法以及逻辑对3D场景控制和功能实现，3D场景还支持数据集的采集和存储，方便用户通过场景采集原始数据。

3D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。

12.Scratch逻辑学习通过拖拽积木的形式学习分拣系统场景的逻辑搭建以及代码生成。

13.大模型工作流编排

零代码工作流，可接入对话大模型、多模态大模型、embbeding模型、rerank模型等几十种，可自定义工作流，组件随意组合，完成大模型应用开发。

14.大模型知识库建设

支持多格式文档处理、高效检索、多场景应用。

15.支持数据标注/模型查看等工具

软件集成模型查看工具、数据标注工具等，可以直接使用软件进行AI开发的相关内容。支持支持多种深度学习模型文件格式。

一、基础实验

1.机器学习

2.深度学习

3.NLP-循环神经网络

4.CV-NLP-Transformer

5.机器视觉

6.CV-卷积神经网络

7.经典神经网络

二、高级应用

1.大模型工作流编排

2.基础视觉应用

3.基础语音应用

三、进阶实验

1.逻辑实验

2.算法实验

3.Python开发与应用

4.深度学习与神经网络-PyTorch2

5.深度学习与神经网络-TensorFlow

四、综合项目案例介绍

智能分拣系统综合项目

具身智能-机械臂项目

智能垃圾分类系统综合项目

智慧城市系统项目

智能对话系统项目