针对高中组的评分标准，首推以「行空板（或行空板K10）」为核心主控，配合 Arduino 系列作为辅助扩展的方案

针对高中组的评分标准，首推以「行空板（或行空板K10）」为核心主控，配合 Arduino 系列作为辅助扩展的方案。

以下是基于参赛手册评分规则和器材清单的具体分析：

一、高中组评分核心差异（决定套件选择的关键）

与小学、初中组相比，高中组（含中职）评分标准明显更侧重：

评分维度	高中组特殊要求	对套件的能力要求
人工智能技术应用（30%）	要求系统性的AI感知与识别；学生需能评估系统并提出改进意见	需要较强的本地AI推理能力或完整的传感器融合架构
人机交互（8%）	要求多种人机交互方式，并能对AI系统进行评估	需要支持语音、视觉、触控、物联网等多模态交互
应用性及可实现性（20%）	要求提供选型依据（精度、量程、响应时间）；强调可产品化（成本、生产角度）	需要性能冗余和扩展性，以支撑"从原型到产品"的论证
软硬件功能实现（5%）	要求运用常用算法，代码结构合理、具有可读性	需要支持Python等高级语言（Jupyter Notebook）

二、三种主控板的备赛适配性对比

根据器材清单（附件1），主控板每系列限用1个：

主控板	优势	劣势	高中组适配度
行空板	① 内置AI视觉、语音能力，可直接跑人脸识别、物体检测等；② 支持Python和Jupyter Notebook，契合比赛编程平台要求；③ 性能强，能处理多传感器数据融合；④ 自带屏幕和WiFi，方便人机交互和物联网	部分极底层硬件控制不如Arduino灵活	⭐⭐⭐⭐⭐ 最推荐
Arduino 系列	① 生态最成熟，传感器/执行器驱动丰富；② 能体现"选型依据"中的技术细节（如中断响应、ADC精度）；③ 适合需要精确时序控制的执行机构	AI能力极弱，必须外接AI视觉传感器/语音模块才能做人工智能项目；代码以C++为主，与Jupyter Notebook衔接稍弱	⭐⭐⭐⭐ 推荐作为辅助
micro:bit	上手快，适合快速验证	性能、扩展性和AI能力均不足以支撑高中组"系统性"和"多种交互"的要求	⭐⭐ 不推荐作为高中组主力

三、推荐备赛套件方案

方案A：行空板为主控（首选）

适合方向：智能家居、智能医疗、智能穿戴、AIoT项目

核心配置：

• 主控：行空板 ×1（利用内置AI视觉、语音合成/识别，减少外接AI模块数量）
• 扩展：行空板扩展板 ×1（引出更多IO口）
• 传感器：超声波/温湿度/6轴惯性/空气质量等（根据项目需求选3-4种）
• 执行器：OLED屏、舵机、电机驱动、LED灯带
• 通信：OBLOQ物联网模块 ×1（实现云端交互，增加"多种人机交互"维度）
• 结构：激光切割机 + 3D打印机（决赛现场提供）

优势：行空板可以直接运行Python和OpenCV相关算法，在答辩环节能很好地展示"算法运用"和"系统评估改进意见"。

方案B：Arduino + AI视觉传感器（备选）

适合方向：智能制造机器人、高实时性控制项目

核心配置：

• 主控：Arduino 系列主控板 ×1 + 扩展板 ×1
• AI模块：人工智能视觉传感器 ×1（如HuskyLens等兼容模块）
• 语音模块：语音识别/合成模块 ×1（增加交互维度）
• 其他：根据项目需求选配传感器和执行器

优势：如果你的项目不需要复杂屏幕交互，而是侧重机械结构+传感器控制（如智能分拣机器人），Arduino更稳定。且你可以在"选型依据"中详细论证为何选用Arduino（如实时响应、功耗、成本等），这正是高中组评分看重的工程思维。

四、给高中组的具体备赛建议

1. 优先练习行空板 + Python：决赛现场提供 Mind+、MakeCode、Jupyter Notebook，行空板+Jupyter Notebook的组合最能体现高中生的代码能力和算法水平。

2. 提前准备"选型依据"模板：高中组明确要求在设计方案中说明为何选择某传感器（如："选用HC-SR04超声波传感器而非红外避障，因为其在户外环境下受光照干扰更小，精度可达3mm..."）。建议备赛时就把常用传感器的参数表整理成文档。

3. 物联网是加分项：OBLOQ模块在清单中可用，加入手机App/网页端远程监控功能，能同时满足"多种人机交互"和"应用性/可产品化"的评分点。

4. 不要超出器材清单：清单中每类硬件都有"最多可用数量"，备赛时严格按清单准备，避免决赛现场因器材不符被扣分（超出扣5分/个）。

5. 团队分工预演：决赛是现场随机组队（3-4人），建议提前训练"设计-硬件-软件-展示"的快速分工能力。

总结：如果希望冲击高分且项目偏向AI应用，行空板是唯一能在高中组评分标准下拿满"系统性AI感知+多种交互+算法运用"三项高分的主控；如果项目偏向机电控制且你对Arduino极熟悉，可采用Arduino+AI模块方案，但需在文档和答辩中充分论证技术选型。