第1章 绪论 1__eol__1.1　芯片简介 1__eol__1.2　芯片架构简介 2__eol__第2章 飞腾芯片型号及技术参数 3__eol__2.1　飞腾公司简介 3__eol__2.2　飞腾芯片产品概述及技术理念 4__eol__2.2.1　飞腾芯片产品概述 4__eol__2.2.2　飞腾产品的技术理念 4__eol__2.3　飞腾系列芯片产品简介 5__eol__2.3.1　高性能服务器CPU 5__eol__2.3.2　高效能桌面CPU 8__eol__2.3.3　高端嵌入式CPU 11__eol__2.3.4　飞腾套片 14__eol__第3章 开发板硬件结构及接口 15__eol__3.1　飞腾教育开发板简介 15__eol__3.2　板载硬件接口及模块 16__eol__3.3　MXM显卡及硬盘 19__eol__3.3.1　MXM显卡安装方式 19__eol__3.3.2　硬盘安装 19__eol__第4章 搭建开发环境 21__eol__4.1　登录开发板系统 21__eol__4.1.1　通过串口登录开发板系统 21__eol__4.1.2　使用SSH登录开发板系统 25__eol__4.1.3　无线接入局域网 28__eol__4.1.4　开发板关机 29__eol__4.2　安装相关软件 29__eol__4.3　更新固件 30__eol__4.3.1　升级BIOS固件 30__eol__4.3.2　刻录启动盘 30__eol__4.4　操作系统 32__eol__4.4.1　安装银河麒麟系统 32__eol__4.4.2　安装debian系统 35__eol__4.4.3　安装Ubuntu系统 43__eol__4.5　TigerVNC局域网远程桌面 44__eol__4.6　更新Python至3.7版本 45__eol__4.7　更新gcc至9.4.0版本 46__eol__4.8　安装OpenCV 49__eol__4.8.1　安装OpenCV环境（C++接口） 49__eol__4.8.2　安装OpenCV环境（Python接口） 50__eol__第5章 程序设计及在线开发 53__eol__5.1　ARM指令集简介 53__eol__5.2　程序设计流程 55__eol__5.3　在线开发流程 56__eol__第6章 基础应用设计实例 58__eol__6.1　接口测试 58__eol__6.2　IIC通信 60__eol__6.2.1　IIC总线简介 60__eol__6.2.2　IIC总线的工作特点 60__eol__6.2.3　IIC总线访问外围设备 61__eol__6.3　音频采集及输出实例 64__eol__6.3.1　音频接口测试 64__eol__6.3.2　音频采集实例 66__eol__6.4　操作系统实例 67__eol__6.4.1　文件I/O操作 67__eol__6.4.2　进程管理、同步及通信 69__eol__6.4.3　线程管理 72__eol__6.4.4　线程同步及多路转接 75__eol__6.4.5　TCP、UDP连接测试实例 78__eol__第7章 音/视频的播放与处理 82__eol__7.1　音/视频的播放 82__eol__7.1.1　了解gstreamer 82__eol__7.1.2　安装gstreamer 83__eol__7.1.3　音/视频播放步骤 83__eol__7.2　视频采集及缩放 85__eol__7.2.1　视频采集 85__eol__7.2.2　视频缩放 87__eol__7.3　H.264的编码及解码 87__eol__7.3.1　H.264简介 87__eol__7.3.2　H.264编码 88__eol__7.3.3　H.264解码 90__eol__7.4　TS封装及播放 90__eol__7.4.1　TS封装 90__eol__7.4.2　TS播放 92__eol__第8章 图像处理及相关的设计实例 95__eol__8.1　图像处理基础知识 95__eol__8.1.1　读取、显示、保存图像 96__eol__8.1.2　获取图像属性 97__eol__8.1.3　图像的通道拆分与合并 98__eol__8.1.4　图像的加法与融合运算 98__eol__8.1.5　图像类型转换 100__eol__8.1.6　图像的缩放、旋转、翻转和平移 102__eol__8.2　图像对比度的增强 106__eol__8.2.1　图像灰度化 107__eol__8.2.2　灰度直方图 108__eol__8.2.3　灰度直方图均衡化 109__eol__8.2.4　灰度线性变换 111__eol__8.2.5　伽马变换 112__eol__8.3　图像加噪 114__eol__8.3.1　添加椒盐噪声 114__eol__8.3.2　添加高斯噪声 115__eol__8.4　图像处理基础算子 116__eol__8.4.1　拉普拉斯算子 116__eol__8.4.2　Sobel算子 119__eol__8.4.3　Canny边缘检测算法 121__eol__第9章 人工智能推理及项目设计 123__eol__9.1　MNN 123__eol__9.1.1　MNN的特点及框架 123__eol__9.1.2　MNN的工作流程 125__eol__9.1.3　MNN运行实例 126__eol__9.2　OpenCV DNN 127__eol__9.2.1　OpenCV DNN介绍 127__eol__9.2.2　执行GoogLeNet分类实例 128__eol__9.3　目标识别设计及实现 131__eol__9.3.1　背景介绍 131__eol__9.3.2　YOLOv1原理 133__eol__9.3.3　目标识别实例 136__eol__9.3.4　血细胞分类实例 140__eol__第10章 火焰及烟雾检测项目 145__eol__10.1　项目目标 145__eol__10.2　项目方案 147__eol__10.2.1　项目所需设备 147__eol__10.2.2　OpenCV与机器视觉 148__eol__10.2.3　深度学习模型YOLOv3 148__eol__10.2.4　模型训练 150__eol__10.2.5　远程监控实现 152__eol__10.3　实验内容与具体步骤 154__eol__10.3.1　Ubuntu系统下的OpenCV安装 154__eol__10.3.2　基于Xftp实现PC、虚拟机、开发板间的文件传输 154__eol__10.3.3　深度学习模型程序与程序简析 160__eol__10.3.4　远程监控实施 163__eol__10.4　实验结果及总结 164__eol__第11章 垃圾分类项目 168__eol__11.1　项目目标 168__eol__11.2　项目方案 168__eol__11.2.1　项目所需设备 168__eol__11.2.2　数据集预处理 169__eol__11.2.3　深度学习模型ResNet 171__eol__11.2.4　模型训练 174__eol__11.3　项目内容与具体步骤 175__eol__11.3.1　数据集预处理及图像标注 175__eol__11.3.2　深度学习模型的搭建、训练及测试 179__eol__11.3.3　分类结果显示与分析 183__eol__11.4　项目总结 185__eol__附录A 186__eol__