本发明涉及人工智能技术领域，特别涉及一种基于嵌入式高性能计算的人工智能图形化编程教学平台及方法。
背景技术：
目前已经涌现出一批教育机器人的研究机构，其研究方向涉及机器人教学，人机互动和自闭症儿童教育等，并被应用于steam(科学、技术、工程、艺术和数学，science,technology,engineering,arts,andmathematics)融合教育、儿童娱乐教育同伴和远程控制机器人等方面。基于micro:bit或arduino开源硬件平台的教学套件、无人机以及智能音响类智能家居等产品已成为学生体验和实践人工智能技术的主要渠道，将来还会有越来越多的教育机器人应用到线下教育场景中。
然而，现有人工智能教学设备以经典传感控制功能为主。虽然它们也有一些计算机视觉、智能语音编程产品，但需调用远程服务器的计算服务，学生在终端无法体验完整的数据收集、特征提取、深度神经网络训练、测试验证等深度人工智能算法的计算处理流程。
技术实现要素：
为了解决现有技术中的上述问题，即为了使学生在终端体验完整的计算处理流程，本发明的目的在于提供一种基于嵌入式高性能计算的人工智能图形化编程教学平台及方法。
为解决上述技术问题，本发明提供了如下方案：
一种人工智能图形化编程教学平台，所述教学平台包括：
jetsonnano系统运行模块，用于运行jetsonnano系统；
教学存储模块，用于存储基础人工智能算法；
教学调用模块，分别与所述jetsonnano系统运行模块、教学存储模块连接，用于基于jetsonnano系统，根据使用者的第一指令从所述教学存储模块中调取、并辅助使用者掌握及学习所述基础人工智能算法；
自动驾驶算法支持库，用于存储自动驾驶算法；
自动驾驶扩展模块，分别与jetsonnano系统运行模块及自动驾驶算法支持库连接，用于基于jetsonnano系统，根据使用者的第二指令从所述自动驾驶算法支持库中调取自动驾驶算法，并辅助使用者学习完成车道识别、自动避障、驾驶决策、即时定位与地图构建；
集成开发模块，与jetsonnano系统运行模块连接，用于根据使用者的第三指令，基于运行的jetsonnano系统及集成开发环境进行作品的制作。
可选地，所述基础人工智能算法包括图像分类、对象检测、目标跟踪、语义分割、语音识别、文本识别、自然语言处理中至少一者。
可选地，所述集成开发模块分为离线开发模块及线上开发模块。
可选地，所述集成开发模块包括：图形界面子模块、虚拟机子模块、代码转换子模块和通信管理子模块；其中，
所述图形界面子模块用于实现集成开发环境的软件界面；
所述虚拟机子模块用于实现代码解释和编译的底层机制和驱动程序；
所述代码转换子模块用于根据用户的第三指令实现图形化编码和python文本代码之间的切换；
所述通信管理子模块分别与所述代码转换子模块及jetsonnano运行系统模块连接，所述通信管理子模块用于将转换后可解释执行的python代码发送到jetsonnano系统，并启动执行。
可选地，所述教学平台还包括：
外接电子设备，分别与所述教学调用模块、自动驾驶扩展模块、集成开发模块及jetsonnano系统运行模块连接。
可选地，所述外接电子设备包括通过gpio连接的多个传感器、执行器，
其中，各所述传感器分别与jetsonnano运行系统模块连接，各所述传感器用于将智能感知的信息发送至jetsonnano系统；
执行器分别与所述教学调用模块、自动驾驶扩展模块及集成开发模块连接，用于发送第一指令、第二指令、第三指令。
可选地，所述外接电子设备还包括：
显示设备，与jetsonnano运行系统连接，用于显示基于jetsonnano系统运行时的基础人工智能算法或自动驾驶算法的学习过程或者作品的制作过程。
可选地，所述显示设备为支持hdmi接口或支持转为hdmi接口的显示设备。
为解决上述技术问题，本发明还提供了如下方案：
一种人工智能图形化编程教学方法，所述教学方法包括：
在存储卡中烧录含有开发工具的系统镜像文件；
将烧录好的存储再把卡插入到上述人工智能图形化编程教学平台中，运行jetsonnano系统；并完成以下任意操作：
接收使用者的第一指令，并根据所述第一指令调取、并辅助使用者掌握及学习所述基础人工智能算法；
接收使用者的第二指令，并根据所述第二指令调取自动驾驶算法，并辅助使用者学习完成车道识别、自动避障、驾驶决策、即时定位与地图构建；
接收使用者的第三指令，并根据所述第三指令，基于运行的jetsonnano系统及集成开发环境进行作品的制作。
可选地，所述根据所述第三指令，基于运行的jetsonnano系统及集成开发环境进行作品的制作，具体包括：
在集成开发环境的代码编辑区完成一段自动驾驶代码程序或打开示例程序；
编程平台将该段代码程序通过wifi网络连接下发到jetsonnano系统；
当设备端程序服务接收到编程平台通过网络连接发过来的代码消息后，调用python解释器将代码解释执行；
通过查看调试命令输出区确定要输出的调试信息；
保存自动驾驶训练模型代码。
根据本发明的实施例，本发明公开了以下技术效果：
附图说明
图1是本发明人工智能图形化编程教学平台的模块结构示意图；
图2是本发明人工智能图形化编程教学平台的具体实施例示意图；
图3是自动驾驶功能的训练流程。
符号说明：
jetsonnano系统运行模块—1，教学存储模块—2，教学调用模块—3，自动驾驶算法支持库—4，自动驾驶扩展模块—5，集成开发模块—6。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明人工智能图形化编程教学平台包括jetsonnano系统运行模块1、教学存储模块2、教学调用模块3、自动驾驶算法支持库4、自动驾驶扩展模块5及集成开发模块6。
所述jetsonnano系统运行模块1用于运行jetsonnano系统；
所述教学存储模块2用于存储基础人工智能算法；
所述教学调用模块3分别与所述jetsonnano系统运行模块1、教学存储模块2连接，所述教学调用模块3用于基于jetsonnano系统，根据使用者的第一指令从所述教学存储模块中调取、并辅助使用者掌握及学习所述基础人工智能算法；
所述自动驾驶算法支持库4用于存储自动驾驶算法；
所述自动驾驶扩展模块5分别与jetsonnano系统运行模块1及自动驾驶算法支持库5连接，所述自动驾驶扩展模块5用于基于jetsonnano系统，根据使用者的第二指令从所述自动驾驶算法支持库中调取自动驾驶算法，并辅助使用者学习完成车道识别、自动避障、驾驶决策、即时定位与地图构建；
所述集成开发模块6与jetsonnano系统运行模块1连接，所述集成开发模块6用于根据使用者的第三指令，基于运行的jetsonnano系统及集成开发环境进行作品的制作。
其中，所述基础人工智能算法包括图像分类、对象检测、目标跟踪、语义分割、语音识别、文本识别、自然语言处理中至少一者。
其中，指令编辑区为用户图形化编程的区域；用户可以从指令积木区拖拽指令积木选择不同的人工智能算法和模型到指令编辑区，编辑算法处理流程，调整模型参数，形成图形化程序；所述代码编辑区用于python代码编程；集成开发环境可以自动切换图形化显示和python代码文本。所述调试输出区用于显示用户执行程序的调试信息；所述工具栏包括：打开、保存、编辑、连接硬件、运行程序、保存程序、图形与代码切换和代码框架选择的功能。
用户可以通过保存程序功能，将在指令或代码编辑区编辑调试好的程序保存。网络版用户可以通过线上作品库查看保存的代码
此外，人工智能图形化编程教学平台还包括：外接电子设备，分别与所述教学调用模块、自动驾驶扩展模块、集成开发模块及jetsonnano系统运行模块连接。
优选地，所述外接电子设备包括通过gpio(通用输入输出，generalpurposeinputandoutput)连接的多个传感器、执行器；
在本实施例中，所述显示设备为支持hdmi接口或支持转为hdmi接口的显示设备。
此外，所述外接电子设备还包括：通信设备和电源模块。其中，通信设备为支持wifi功能的各类网络适配器模块，电源模块为5v可充电电源。
本发明公开了一种以嵌入式cpu+gpu为内核的人工智能算法图形化编程教学平台。由于本发明采用了功能强大的高性能计算平台，所研制的教育装备系统不依赖云端人工智能平台的支持，也能够体验复杂数据处理、模型训练等常规高端人工智能应用的处理流程。图形化编程不仅减低了老师和学生的入门门槛，而且教学过程不需要计算机设备，硬件平台支持本地化的图形化编程环境，简化了复杂的人工智能算法的应用，利用jetsonnano模组可以不依赖云端的人工智能计算服务，大大降低了将人工智能技术普及的门槛和成本，具有较好的实用价值。
此外，本发明还提供一种人工智能图形化编程教学方法，可使学生在终端体验完整的计算处理流程。
具体地，本发明人工智能图形化编程教学方法包括：
在存储卡中烧录含有开发工具的系统镜像文件；在本实施例中，所述存储卡为microsd。
优选地，所述根据所述第三指令，基于运行的jetsonnano系统及集成开发环境进行作品的制作，具体包括：
用户可以将在集成开发环境的代码编辑区构建的模型代码按照自定义的名称保存到服务器上，后续可再次加载已保存代码并编辑和运行(如图3所示)。
具体地，本发明人工智能图形化编程教学方法的使用流程主要包括五个阶段：硬件组装、集成开发工具的系统镜像下载、选择创建人工智能基础算法或自动驾驶模型，收集训练数据、训练模型、测试训练后算法的效果、保存模型数据。
1.硬件准备
2.建立设备连接
3.创建人工智能算法训练程序
4.收集训练数据
打开连接在jetsonnano板上的摄像头、话筒，采集视频和音频信息。
5.训练模型
把采集到的音视频信息导入到选择好的人工智能算法模型中，结合算法功能训练模型。
6.测试训练好的自动驾驶模型
通过图形化编程或python代码编程方式实现。运行算法程序，检测实现效果，结果可接受则投入实用，不可接受则继续迭代数据采集和训练调参过程。
综上所述，本发明可将传统教学中靠展示体验人工智能技术应用转变为让学生自己动手实现人工智能算法，并且可不使用额外的pc电脑，只需一套硬件教学平台和必要的外接输入输出设备，大大降低了人工智能教学的门槛和成本。人工智能算法基础知识将通过学生自己动手实践实现“玩中学”的教学模式，激发学生学习的兴趣、创造力和想象力，让学生们对人工智能技术学习理解的更形象和深刻。
相对于现有技术，本发明人工智能图形化编程教学方法、与上述人工智能图形化编程教学系统的有益效果相同，在此不再赘述。