本书基于国产飞腾芯片的嵌入式开发平台，对嵌入式开发、系统软硬件接口的应用与人工智能综合项目实践进行介绍，并对实战开发进行指导。
本书内容涵盖软硬件，注重实践，主要内容包含绪论、飞腾芯片型号及技术参数、开发板硬件结构及接口、搭建开发环境、程序设计及在线开发、基础应用设计实例、音/视频的播放与处理、图像处理及相关的设计实例、人工智能推理及项目设计、火焰及烟雾检测项目、垃圾分类项目。
本书可作为普通高等学校人工智能、机器人工程、智能科学与技术、计算机科学与技术、软件工程、集成电路与工程、自动化及其他电子信息领域相关专业的嵌入式系统课程教材，也可作为从事嵌入式系统开发的工程技术人员的参考书。

第1章 绪论
1.1 芯片简介
1.2 芯片架构简介
第2章 飞腾芯片型号及技术参数
2.1 飞腾公司简介
2.2 飞腾芯片产品概述及技术理念
2.2.1 飞腾芯片产品概述
2.2.2 飞腾产品的技术理念
2.3 飞腾系列芯片产品简介
2.3.1 高性能服务器CPU
2.3.2 高效能桌面CPU
2.3.3 高端嵌入式CPU
2.3.4 飞腾套片
第3章 开发板硬件结构及接口
3.1 飞腾教育开发板简介
3.2 板载硬件接口及模块
3.3 MXM显卡及硬盘
3.3.1 MXM显卡安装方式
3.3.2 硬盘安装
第4章 搭建开发环境
4.1 登录开发板系统
4.1.1 通过串口登录开发板系统
4.1.2 使用SSH登录开发板系统
4.1.3 无线接入局域网
4.1.4 开发板关机
4.2 安装相关软件
4.3 更新固件
4.3.1 升级BIOS固件
4.3.2 刻录启动盘
4.4 操作系统
4.4.1 安装银河麒麟系统
4.4.2 安装debian系统
4.4.3 安装Ubuntu系统
4.5 TigerVNC局域网远程桌面
4.6 更新Python至3.7版本
4.7 更新gcc至9.4.0版本
4.8 安装OpenCV
4.8.1 安装OpenCV环境（C++接口）
4.8.2 安装OpenCV环境（Python接口）
第5章 程序设计及在线开发
5.1 ARM指令集简介
5.2 程序设计流程
5.3 在线开发流程
第6章 基础应用设计实例
6.1 接口测试
6.2 IIC通信
6.2.1 IIC总线简介
6.2.2 IIC总线的工作特点
6.2.3 IIC总线访问外围设备
6.3 音频采集及输出实例
6.3.1 音频接口测试
6.3.2 音频采集实例
6.4 操作系统实例
6.4.1 文件I/O操作
6.4.2 进程管理、同步及通信
6.4.3 线程管理
6.4.4 线程同步及多路转接
6.4.5 TCP、UDP连接测试实例
第7章 音/视频的播放与处理
7.1 音/视频的播放
7.1.1 了解gstreamer
7.1.2 安装gstreamer
7.1.3 音/视频播放步骤
7.2 视频采集及缩放
7.2.1 视频采集
7.2.2 视频缩放
7.3 H.264的编码及解码
7.3.1 H.264简介
7.3.2 H.264编码
7.3.3 H.264解码
7.4 TS封装及播放
7.4.1 TS封装
7.4.2 TS播放
第8章 图像处理及相关的设计实例
8.1 图像处理基础知识
8.1.1 读取、显示、保存图像
8.1.2 获取图像属性
8.1.3 图像的通道拆分与合并
8.1.4 图像的加法与融合运算
8.1.5 图像类型转换
8.1.6 图像的缩放、旋转、翻转和平移
8.2 图像对比度的增强
8.2.1 图像灰度化
8.2.2 灰度直方图
8.2.3 灰度直方图均衡化
8.2.4 灰度线性变换
8.2.5 伽马变换
8.3 图像加噪
8.3.1 添加椒盐噪声
8.3.2 添加高斯噪声
8.4 图像处理基础算子
8.4.1 拉普拉斯算子
8.4.2 Sobel算子
8.4.3 Canny边缘检测算法
第9章 人工智能推理及项目设计
9.1 MNN
9.1.1 MNN的特点及框架
9.1.2 MNN的工作流程
9.1.3 MNN运行实例
9.2 OpenCV DNN
9.2.1 OpenCV DNN介绍
9.2.2 执行GoogLeNet分类实例
9.3 目标识别设计及实现
9.3.1 背景介绍
9.3.2 YOLOv1原理
9.3.3 目标识别实例
9.3.4 血细胞分类实例
第10章 火焰及烟雾检测项目
10.1 项目目标
10.2 项目方案
10.2.1 项目所需设备
10.2.2 OpenCV与机器视觉
10.2.3 深度学习模型YOLOv3
10.2.4 模型训练
10.2.5 远程监控实现
10.3 实验内容与具体步骤
10.3.1 Ubuntu系统下的OpenCV安装
10.3.2 基于Xftp实现PC、虚拟机、开发板间的文件传输
10.3.3 深度学习模型程序与程序简析
10.3.4 远程监控实施
10.4 实验结果及总结
第11章 垃圾分类项目
11.1 项目目标
11.2 项目方案
11.2.1 项目所需设备
11.2.2 数据集预处理
11.2.3 深度学习模型ResNet
11.2.4 模型训练
11.3 项目内容与具体步骤
11.3.1 数据集预处理及图像标注
11.3.2 深度学习模型的搭建、训练及测试
11.3.3 分类结果显示与分析
11.4 项目总结
附录A