🧩 嵌入式AI·工程化 30章

01嵌入式AI概述

• AI在嵌入式系统中的应用
• 嵌入式AI的挑战与机遇
• 课程整体框架介绍

02嵌入式开发环境搭建

• 交叉编译工具链安装
• 嵌入式Linux系统烧录
• SSH与串口调试

03Python在嵌入式中的基础

• Python环境配置
• NumPy基础
• OpenCV基础

04C++在嵌入式中的基础

• C++编译流程
• 内存管理
• 指针与引用·面向对象

05模型轻量化技术（上）

• 模型剪枝原理
• 结构化/非结构化剪枝
• 剪枝工具实践

06模型轻量化技术（下）

• 知识蒸馏原理
• 量化技术(INT8/FP16)
• TensorRT基础

07ONNX模型转换

• ONNX格式介绍
• PyTorch模型转ONNX
• ONNX验证与优化

08TensorRT部署实战

• TensorRT安装
• 模型解析与构建Engine
• 动态batch处理

09NCNN部署实战

• NCNN框架介绍
• 模型转换与优化
• Android端集成

10MNN部署实战

• MNN框架介绍
• 模型转换
• iOS与Android端部署

11TFLite部署实战

• TFLite格式转换
• 量化与优化
• 移动端推理

12OpenVINO部署实战

• OpenVINO工具套件
• 模型优化与部署
• Intel硬件加速

13模型推理引擎对比

• 各引擎性能对比
• 选型建议
• 混合部署策略

14嵌入式AI硬件选型

• GPU/NPU/FPGA/DSP对比
• 算力评估方法

15摄像头图像采集与预处理

• V4L2驱动
• 图像格式转换
• 色彩空间变换

16视频流处理与推理

• FFmpeg基础
• 视频解码
• 多线程流水线设计

17模型推理加速技巧

• 算子融合
• 内存复用·异步推理
• 批处理优化

18嵌入式AI算法精度评估

• 精度损失分析
• 校准数据集制作
• 量化误差补偿

19目标检测部署(YOLO)

• YOLOv5/v8模型导出
• 后处理优化
• 端侧部署

20图像分类部署(MobileNet)

• MobileNet系列介绍
• 模型转换
• 性能调优

21语义分割部署(UNet)

• UNet模型轻量化
• 部署难点
• 实时推理

22人脸识别模型部署

• 人脸检测·特征提取
• 人脸比对
• 活体检测

23语音唤醒与识别部署

• KWS模型
• 语音特征提取
• 端侧推理

24异常检测模型部署

• 自编码器
• 知识蒸馏
• 工业场景应用

25嵌入式AI系统性能分析

• Profiling工具使用
• 瓶颈定位
• 优化策略

26嵌入式AI系统功耗优化

• 功耗模型
• 动态电压频率调整
• 任务调度

27嵌入式AI安全与隐私

• 模型加密
• 对抗攻击防御
• 数据脱敏

28嵌入式AI OTA升级

• 模型热更新
• 版本管理
• 回滚机制

29项目实战：智能门禁

• 智能门禁系统设计
• 实现与部署

30项目实战：智能安防

• 智能安防摄像头系统
• 设计与实现