氧传递系数测定实训装置

氧传递系数测量实训装置,人工智能综合实训台

一、实训目的：
本实训分别针对不含耗氧微生物的污水和含耗氧微生物的污水实行曝气充氧实训，测量氧转移修正系数α和β，并理解两种现象下氧转移过程的区别。
不含耗氧微生物的污水曝气充氧修正系数α、β值的测量：
1理解污水生物曝气中充氧修正系数α和β的意义。
2掌控把握不含耗氧微生物污水的曝气充氧系数α和β的测量方法。
二、主要技术功能数值参考规格及功能数值：
1、环境温度：5℃～40℃
2、处置整理水量：30～50L/h、
3、外观尺寸：1400mm×500mm×1600mm、
4、作业电源：AC220V±10%、50Hz，一相三线制，功率400W，安全保护：具有接地保护、漏电保护、过流保护、
三、主要配备：
1、高位水箱1套、透明有机玻璃材料、厚度10mm，
2、混合反应器2套、透明有机玻璃材料、厚度8mm，、
3、原水箱1只（白色10mm厚PP板），底层基板上装配备有放空阀，便利将水排净；
4、配原水箱电动机搅拌1台、304不锈钢搅拌桨1套；（功率15W、转动速度80rpm）、
5、风机1台、功率：250W，
6、电动机搅拌机2套、304不锈钢搅拌桨1套；（功率25W、转动速度120rpm）、
7、调节速度器2只、
7、微孔曝气盘2套、规格Ø210mm




氧传递系数测量实训装置,人工智能综合实训台

一、产品构造构成

系统含有六自由度机械臂、宽动态*视觉摄像头、Jetson Nano边缘处置整理终端17.3寸边缘计算显露单元、机器视觉场景应用资源包、可模仿人工智能典型应用场景，完成人工智能应用技术教学实训。

教学平台系统预装Ubuntu18.04实操系统，全部环境代码库文件均已装配，开机即用。基于多维度学习掌控把握实践平台，由浅入深循序渐进，从基础单独的GPIO拓展开始学习掌控把握过渡到传感器实训项目再进入OpenCVPyTorch、ROS系统，机器动作学，*机器视觉，*语音识别听觉等学习掌控把握，从而学会*人工智能研发。

所提供的算法源代码（包括人脸检验测试、车牌识别、垃圾分类、目标检验测试），兼容Caffe/TensorFlow/MXNet实训模型和API，可以让学生对机器视觉的流程、处置整理方式等有更好的理解，熟悉相关算法，理解实际应用场景，贴近工程化应用。

1、JetsonNano边缘计算平台

NVIDIA Jetson Nano是一个小巧却功能强大的计算机，它可以让你并行运行多个神经互联网、对象检验测试、分割和语音处置整理等应用程序,Jetson Nano搭载四核cortex-A57处置整理器，128核MaxwellGPU及4GB LPDDR内部存储，带来足够的*计算能力,提供472GFLOP算力,并支持一系列流行的Al框体结构和算法，比如TensorFlow、Pytorch.caffe/caffe2、Keras、MXNET等

2、机器视觉(机器臂)

视觉机械臂以Jetson nano为主控，Open Source CV为图像处置整理库，以主流的Jupyter Lab为研发工量具,使用Python3为主要编程语言。摄像头与机械臂机身一体式设计，“手眼合一”的视觉识别让机械臂显得更加灵动，它不仅可以完成颜色识别追踪与抓取，还能人体特征识别互动，甚至实行垃圾分类模型实训垃圾分拣;经过RO5机器人操控系统，简化了6自由度串行总线舵机复杂动作控制。

1080P摄像头：感光元件尺寸：1/237”**有效分辨率：1928*1088;数值格式：YUY2/MJPG;像素大小：3.0μm*3.0μm;宽动态界限：96DB;自动控制：饱和度，对比度，锐度，白平衡，曝光。

机械臂：Cortex-M3内核的处置整理器控制板，自由度桌面式机械臂，大功率串行总线智能舵机，臂展350mm，负载≥300g，带夹爪，阳极氧化处置整理铝制机身，主要用来工业机械臂的控制。支持python编程，可灵活和**调动每一关节角度和位置；支持PC上位机、手机APP、USB游戏手柄控制；