目录介绍
第一篇 基础理论篇：智能识别技术演进
第1章物联网识别技术导论
1.1AI赋能识别技术新内涵
1.2技术演进路径解析
1.3“感知-决策-执行”闭环理论
实践环节：多模态识别系统体验以小米智能识别模块为例
章节习题
第2章智能识别数学基础
2.1AI深度学习数学基础
2.2多传感器数据融合理论
2.3边缘计算优化理论
2.4模型轻量化数学原理
实践环节：TinyML模型部署
章节习题
第二篇 技术架构篇：AIoT识别技术栈解析
第3章智能感知技术
3.1生物识别技术栈剖析
3.2新型标签技术解析
3.3端云协同架构设计
实践环节：多模态生物识别与标签系统开发
章节习题
第4章边缘智能与端云协同
4.1AI边缘智能核心技术
4.2云端智能算法
4.3云-边-端协同优化
实践环节：端云协同工业质检系统
章节习题
第5章通信协议与识别标准化
5.1通信协议核心技术剖析
5.2识别标准化体系架构
5.3协议与标准协同应用
实践环节：多协议通信网关开发
章节习题
第三篇 应用实践篇：行业解决方案设计
第6章工业物联网识别
6.1典型应用场景剖析
6.2技术实现架构
实践环节：工业零件智能分拣系统
章节习题
第7章智慧城市感知网络
7.1典型应用场景剖析
7.2传感网架构与部署
7.3端边云协同实现
实践环节：社区感知网络仿真
章节习题
第8章智能家居多模态交互
8.1多模态交互技术框架
8.2典型案例剖析
8.3关键技术实现
实践环节：多模态灯光控制系统搭建
章节习题
第四篇 前沿趋势篇：技术挑战与创新
第9章生成式AI+IoT
9.1全球发展格局对比
9.2技术内涵解析
9.3新领域应用探索
9.4发展趋势与挑战
章节习题
第10章脑机接口与神经信号识别
10.1技术原理剖析
10.2典型案例分析
10.3技术挑战与伦理考量
10.4未来趋势与产业展望
章节习题
第11章可信识别技术
11.1可信识别技术体系架构
11.2关键技术解析
11.3行业应用案例
11.4挑战与前景
章节习题
附录
参考文献