1、 10.1寸TFT触摸屏，HDMI接口，分辨率：1024X600；多点电容触摸；
2、 嵌入式板
1) CPU：ARM Cortex-A53 1.6GHz 64-bit处理器；
2) 内存：4GB；32G MicroSD卡；
3) USB3.0接口；
4) 摄像头接口；
5) HDMI接口；支持H.264/MPEG-4高清解码器；
6) 1000M以太网接口；
7) WIFI单元；
8) 蓝牙单元；
9) ★LoRa无线模块单元；
10) ★一组无线扩展模块接口：支持扩展Zigbee模块；
11) 继电器
12) 门禁锁；
13) 电控云台；
14) 各种传感器
15) ★16路PWM扩展接口，可扩展机械手；
3、 谷歌TPU加速器
1) ML加速器：GoogleEdge TPU处理器；
2) 接口类型：USB3.0接口；
3) 支持TensorFlow lite模型，采用Google小型ASIC处理器，
4) Coral usb加速器支持Linux操作系统；
5) 提供Edge TPU处理器，为嵌入式板提供加速机器学习模型推理；
4、 IOT中间件
1) 采用Cortex-M处理器；
2) 1个USB转串口，
3) RTC电池接口；
4) 3.2寸TFT液晶；
5、 AI项目
实验1. 图像的反色
实验2. 图像的平移
实验3. 图像的高斯平滑
实验4. 图像的均值滤波
实验5. 图像的中值滤波操作
实验6. 图像的sobel边缘检测操作
实验7. 图像的canny边缘检测操作
实验8. 图像的种子填充算法
实验9. 图像全局阈值分割算法
实验10. 图像的OTSU（大津法）阈值分割算法
实验11. 图像的形态学膨胀算法
实验12. 图像的形态学腐蚀算法
实验13. 图像的直方图均衡化算法
实验14. 人脸追踪检测算法---联动舵机控制
实验15. 基于深度学习模型的人脸识别算法—联动门禁
实验16. 基于深度学习模型的人体姿态检测实验
实验17. 基于深度学习模型的手势识别算法--联动控制机械手
实验18. 基于深度学习模型的手势识别算法—联动控制机械臂（需另配机械臂）
6、 Python项目
实验1. 环境搭建
实验2. IO实验
实验3. 蜂鸣实验
实验4. GUI实验
实验5. 系统镜像备份和裁剪实验
实验6. EEPROM读写实验
实验7. 蓝牙通信实验
实验8. 音频实验
实验9. 继电器实验
实验10. 云台控制实验
实验11. 电磁锁控制实验
7、 IOT项目
实验1. 开发环境安装使用说明
实验2. RealView MDK安排及使用
实验3. 在MDK中新建一个工程模板
实验4. 基础实验
实验5. 跑马灯实验
实验6. 按键实验
实验7. 中断实验
实验8. 系统滴答定时器（SysTick）实验
实验9. 通用定时器（TIM2）实验
实验10. 看门狗实验
实验11. RTC实验
实验12. 串口通信实验
实验13. 液晶实验