硬件组成
实验平台逻辑结构如下图所示：
特点和优势
（1）支持两种开发环境。实验软件提供jupyter notebook和VS2015两种开发环境，其中jupyter notebook采用Python编程语言，VS2015采用C++编程语言，用户根据实际需要选择，可满足不同院校的教学要求。
（2）源代码开放。开放全部软件框架和算法级源代码，学生可在代码层面，通过调参、代码填充等方式进行应用和验证性质的课程基础实验，也可参考实验指导书，自行编写代码，进行相对复杂的项目实验。教师则可依托该平台，进行深度的二次开发。
系统主要功能模块
（1）边缘计算终端
边缘计算终端采用NVIDIA公司的Jetson Nano处理器，该处理器具备GPU运算功能，既可作为边缘计算终端（即小型电脑）使用，也可进行基于深度学习的数字图像处理相关的分析和运算。通过在处理器中部署视觉系统SDK、Python和OpenCV等相关软件和框架，以及与外接设备的通讯协议，学生即可完成从视觉系统硬件搭建、图像采集、图像处理，到实验流程设计与论证，再到视觉系统和外部设备的联动控制等一系列功能，无需另外配置电脑。
边缘计算终端主要技术参数如下：
处理器：64位四核CORTEX-A57，128核MAXWELL GPU；
内存：4GB LPDDR，板载存储：64GB；
接口：USB3.0×4，Micro USB×1， HDMI×1，RJ45×1，DC5.5×2.1电源接口；
集成Linux、Python等运行环境，支持数字图像处理、机器视觉、深度学习等算法、硬件、应用的开发和学习。
视觉系统结构：

视觉系统主要硬件如下：
1）工业相机
传感器型号：Sharp RJ33；
像元尺寸：3.75 µm×3.75 µm；
靶面尺寸：1/3”；
分辨率：1280×960；
帧率：30 fps；
曝光时间：34μs～1sec；
黑白/彩色：彩色；
接口：GiGE。
2）工业镜头
焦距：固定焦距；
光圈：手动光圈；
像素级别：600万像素，FA 镜头；
焦距大小：12mm ；
F数：F2.8～F16。
3）LED光源
光源类别：30度环形光源；
LED类型：贴片LED；
颜色：白色；
色温：6600K；
功率：14.4W。
实验项目
（1）基础实验：Python语言程序设计
python集成开发环境搭建、软件安装实验
python编程实验：计算任意输入整数的阶乘
python编程实验：汉诺塔问题
python编程实验：使用蒙特·卡罗方法计算圆周率近似值
python编程实验：使用Numpy进行t检验
python 编程实验：使用PIL读取、显示和处理图像
python GUI编程实验：matplotlib数据可视化
python GUI编程实验：动态时钟设计
（2）基础实验：数字图像处理
图像的代数运算
图像变换
图像分割
图像平滑
图像增强
彩色图像处理
形态学处理
边缘检测
直线、圆检测
三角形、矩形检测
（3）基础实验：机器视觉
视觉系统搭建与硬件操作
图像采集与显示
视觉定位
视觉系统的标定
颜色识别
形状识别
测量物体尺寸
物体有无检测
（4）课程设计：人脸识别系统
能够录入人脸数据；
能实现身份认证；
有专门的用户操作界面。
（5）课程设计：目标识别系统
能够识别平面彩色目标，如圆形、矩形、三角形，或者利用深度学习技术识别其他复杂结构目标图案；
有专门的用户操作界面。
（6）课程设计：物体缺陷检测系统
能够对物体进行预处理；
能够检测是否有缺陷并提取缺陷特征；
能够输出缺陷的大小，判断目标是否合格。
（7）课程设计：OCR字符识别系统
能对图像进行预处理，凸显出视野中的字符区域；
能分析字符形态，如间距、高度等；
能将字符逐个分割出来，并进行准确识别，而后显示。
（8）课程设计：车牌检测与识别系统
能从视频流中提取特定帧图像，并进行预处理，滤除干扰信息；
能从图像中定位到车牌位置；
对车牌信息进行识别，并输出到界面。
（9）课程设计：种子计数与分级系统
能对图像进行预处理，滤除干扰信息；
能对不同种子进行分割，统计有效种子的数量；
能逐个判别种子特征，根据分类依据进行种子分级。