论文部分内容阅读
摘要:本文以《绿化率统计》一课为例,从激发学生学习兴趣、剖析识别原理、体验AI轻应用、培养计算思维、解决实际问题等维度对“轻人工智能教学”展开论述,希望可以教给学生能够理解与应用的技术,使其学会从人工智能技术的角度去看待问题、思考问题、解决问题,同时,鼓励学生在玩中学,把爱好变为特长,把特长变为专业,为学生打下良好的信息技术基础。
关键词:轻人工智能;人工智能教育;学科融合
中图分类号:G434 文献标识码:A 论文编号:1674-2117(2021)22-0032-04
轻人工智能是指中小学生能够理解与实施的人工智能技术。它以智能感知为主要研究对象,以计算机视觉与图像作为课程的主体内容,学生在学习人工智能技术的同时,感受人工智能在学习与生活中的应用,同时尝试应用人工智能技术来改善学习与生活场景,提高学习与生活的效率。在轻人工智能理念的指引下,为了让小学生在生动的课堂中走近人工智能,理解与应用人工智能技术,笔者找到了切实可行的内容与行之有效的方法:第一,基于学生的认知特点,选择贴切的教学内容。第二,人工智能学科与其他学科的交叉融合非常明显,在教学中应注意与小学阶段所学的其他学科知识相结合。
笔者希望不仅可以教给学生一些他们能够理解与应用的技术,还可以让学生学会从人工智能技术的角度去看待问题、思考问题与解决问题,让学生的信息技术知识向纵深处迈进。下面,笔者以《绿化率统计》一课为例,详细说明轻人工智能在小学阶段的教学与实施。
● 问题引入,激发学习兴趣
师:在日常生活中,我们经常会碰到一些人力难以完成的事情。例如,当农地里的种子发芽之后,为了更好地了解和研究它的生长情况,农民伯伯需要了解种子的发芽率。一颗颗种子去数显然是一件很难完成的事情,那么,我们可以怎样帮助农民伯伯求发芽率呢?
可以看到,种子发芽之后,这一片地区就会变成绿色,也就是说,如果我们能够统计出菜地的绿化率,就可以求出种子的发芽率了。这就是一个经典的计算机视觉应用。
● 颜色识别,剖析机器原理
人类可以区分不同的颜色,是因为视网膜上有红、绿和蓝三种颜色的感光视锥细胞,负责接收不同频率的光。人眼可以觉察的其他颜色都能由这三种颜色混合而成。而计算机是怎么区分颜色的呢?在计算机中常见的颜色模式有用于发光屏幕的RGB模式、用于印刷的CMYK减色模式以及在机器视觉领域常用的Lab模式等。Lab模式由国际照明委员会(CIE)于1976年公布,L表示亮度(0,100),a表示从洋红色至绿色的范围(+127,-128),b表示从黄色至蓝色的范围(+127,-128)。它既不依赖光线,也不依赖于颜料,理论上包括了人眼可以看到的所有色彩。
那么,计算机是如何识别颜色的呢?秘密就在于机器视觉范畴(OPENMV)的颜色识别(色块查找),大概流程如图1所示。
● 指令新授,学习识别原理
Mixly软件中的色块追踪指令,需要学生理解的参数有很多,而且如何通过这些参数追踪到对应的颜色,并不是小学生所能够理解的。在这些参数中,学生一定要掌握并且理解的只是设置好LAB颜色值和识别区域xywh。
指令一:启动色块追踪(如图2)。
指令二:从返回的BLOG对象提取结果信息(如图3)。
通常情况下,默认是在摄像头的分辨率(320*240)的整个画面中查找,即图像对象是固定从摄像头获取,此时指令中需要调整的就只有颜色值的阈值LAB和設定ROI区域这2个参数。启动色块追踪指令后,返回的BLOB结果可以用指令二“追踪解析”获得色块信息。
● 算法设计,体验AI轻应用
结合之前的编程基础,完成软件1.0版本编写(如图4)。用一些比较规则的农田(绿化场地)进行识别,如图5所示,可以较好地识别到绿色区域。
回到开头的问题,在获取到绿色区域的信息后,如何计算出绿化率呢?这里通过一定的数学算法就可以完成,即对查找到的所有绿色块的面积进行求和Green_S,最后用这个和去除以整个画面的面积Sum,这个面积比就是我们需要的绿化率(如图6)。
● 算法优化,培养计算思维
师:现实中的绿色场景并不会刚好长成方方正正的,有同学试了下面这一组的三种绿化场地(如图7),发现这三种情况下计算的绿化率是一样的(都为100%绿色),这是为什么呢?
此时的统计结果明显不准确,这是因为这三张图返回的绿色块是相同的(三张图的绿色块所构成的矩形部分),即当遇到要识别的绿色区域不是规则的方形时,原来的方法就不适用了,而现实中的场地往往是不太规则的,有什么方法可以提高系统在这些实际情况下的准确率?
此时,教师可提示学生尝试把它们划分为4个格、12个格,然后每个格子单独去计算像素面积,再求和,这样准确率就提高了,解决方法如图8所示。
图8的方法是将整个画面作为一个ROI区域进行查找绿色块的框,那么另一半的灰色区域就被误算为绿色块了。但假如试着多分几次来识别并求和,效果是否会好?例如,分4个区域,误算为绿色块的灰色区域面积就是两小块,同理,划分的区域越多被误算的区域面积就越小,由此得出,在运算速度允许的情况下,划分的区域越多,误算的部分就会越少,因而准确率也越高。经过分析,最终以划分4个区域来优化算法,编写程序提高准确率。
划分的方法主要有两种:一是可以将程序复制4段,设好4个ROI区域,用一个SUM变量求和即可;二是可以将原本颜色追踪程序作为一个子函数,子函数只有X坐标、Y坐标、区域宽度和高度这4个参数,然后在主程序通过两个FOR循环划分成M行N列进行循环累加计算每个ROI区域的绿化率即可。
学生以2人为1组,小组合作完成,优化算法后的程序编写。笔者结合学生已有的编程基础和数学水平,引导学生利用图像识别技术和数学知识完成自主探索与实践,让学生的逻辑思维能力、计算思维能力充分得到锻炼和提升。 ● 扩展延伸,解决实际问题
一个好问题的产生比问题的解决更有价值。课后,教师可以鼓励学有余力的学生,将课程延伸到课后,变为一个有价值的轻人工智能应用作品,解决生活中的问题,如上页图9所示。
● 课后反思
本课设计的整体思路清晰,将人工智能升级为轻人工智能,设计化繁为简,思路从易到难,先普及基本知识,再通过相关软件应用,采集所需数据,最后将所学的人工智能技术应用到学习与生活的真实场景上,普适性强。考虑到不同层次的学生接受能力不同,笔者将难度进行分解,所以后面的提升仅划分为4个区域,也就降低了难度。同时,教师还设计了导学案以辅助学生完成算法程序的编写;而学有余力的学生,则完全可以用建立子函数的方法,通过调用子函数进行计算,让程序更简单,算法更优。轻人工智能教学让学生不仅“吃得饱”还能“吃得好”,不仅亲身体验创新科技,还能展示新锐的创意和对科技的奇思妙想!
参考文献:
[1]梁锦明.轻人工智能:聚焦中小学生的智能教育[J].中小学数字化教学,2021(04).
[2]岑健林,段金菊,余胜泉.教育信息化核心价值观视域下之“主动”建构学习研究[J].中国教育信息化,2013(01).
[3]百度百科-LAB颜色模型[DB/OL].https://baike.baidu.com/item/Lab%E6%A8%A1%E5%BC%8F/7362402.
[4]叶佳英,邓飞,王佩欣,等.基于机器视觉的珍珠颜色特征提取与识别[J].江苏农业科学,2019(20).
[5]赵威,李振华,刘甜甜,等.基于颜色识别的智能分拣机器人的设计与制作[J].物联网技术,2021,11(08).
[6]程马峰.小学阶段开展轻量化人工智能教育初探[J].广东教育·综合,2020(11).
[7]吴志群.关于小学人工智能教学的思考[J].中国现代教育装备,2021(12).
[8]凌秋红.人工智能在小学信息技术课堂教学中实施的思考[J].中国信息技术教育,2019(11).
[9]MaixPy 查找色块(find_blobs) - Sipeed Wiki[DB/OL].https://wiki.sipeed.com/soft/maixpy/zh/course/image/find_color_blob.html?highlight=LAB.
[10]LU Kai-xuan;WU Li-qun.An Intelligent Settlement System for Canteens Based on color Recognition[J].Modern Computer,2020(23).
本文系广东省教育厅2019年度教育信息化教學应用创新实践共同体“轻人工智能作品制作与创意”(立项号:GDSJGTT332)的阶段性研究成果。
关键词:轻人工智能;人工智能教育;学科融合
中图分类号:G434 文献标识码:A 论文编号:1674-2117(2021)22-0032-04
轻人工智能是指中小学生能够理解与实施的人工智能技术。它以智能感知为主要研究对象,以计算机视觉与图像作为课程的主体内容,学生在学习人工智能技术的同时,感受人工智能在学习与生活中的应用,同时尝试应用人工智能技术来改善学习与生活场景,提高学习与生活的效率。在轻人工智能理念的指引下,为了让小学生在生动的课堂中走近人工智能,理解与应用人工智能技术,笔者找到了切实可行的内容与行之有效的方法:第一,基于学生的认知特点,选择贴切的教学内容。第二,人工智能学科与其他学科的交叉融合非常明显,在教学中应注意与小学阶段所学的其他学科知识相结合。
笔者希望不仅可以教给学生一些他们能够理解与应用的技术,还可以让学生学会从人工智能技术的角度去看待问题、思考问题与解决问题,让学生的信息技术知识向纵深处迈进。下面,笔者以《绿化率统计》一课为例,详细说明轻人工智能在小学阶段的教学与实施。
● 问题引入,激发学习兴趣
师:在日常生活中,我们经常会碰到一些人力难以完成的事情。例如,当农地里的种子发芽之后,为了更好地了解和研究它的生长情况,农民伯伯需要了解种子的发芽率。一颗颗种子去数显然是一件很难完成的事情,那么,我们可以怎样帮助农民伯伯求发芽率呢?
可以看到,种子发芽之后,这一片地区就会变成绿色,也就是说,如果我们能够统计出菜地的绿化率,就可以求出种子的发芽率了。这就是一个经典的计算机视觉应用。
● 颜色识别,剖析机器原理
人类可以区分不同的颜色,是因为视网膜上有红、绿和蓝三种颜色的感光视锥细胞,负责接收不同频率的光。人眼可以觉察的其他颜色都能由这三种颜色混合而成。而计算机是怎么区分颜色的呢?在计算机中常见的颜色模式有用于发光屏幕的RGB模式、用于印刷的CMYK减色模式以及在机器视觉领域常用的Lab模式等。Lab模式由国际照明委员会(CIE)于1976年公布,L表示亮度(0,100),a表示从洋红色至绿色的范围(+127,-128),b表示从黄色至蓝色的范围(+127,-128)。它既不依赖光线,也不依赖于颜料,理论上包括了人眼可以看到的所有色彩。
那么,计算机是如何识别颜色的呢?秘密就在于机器视觉范畴(OPENMV)的颜色识别(色块查找),大概流程如图1所示。
● 指令新授,学习识别原理
Mixly软件中的色块追踪指令,需要学生理解的参数有很多,而且如何通过这些参数追踪到对应的颜色,并不是小学生所能够理解的。在这些参数中,学生一定要掌握并且理解的只是设置好LAB颜色值和识别区域xywh。
指令一:启动色块追踪(如图2)。
指令二:从返回的BLOG对象提取结果信息(如图3)。
通常情况下,默认是在摄像头的分辨率(320*240)的整个画面中查找,即图像对象是固定从摄像头获取,此时指令中需要调整的就只有颜色值的阈值LAB和設定ROI区域这2个参数。启动色块追踪指令后,返回的BLOB结果可以用指令二“追踪解析”获得色块信息。
● 算法设计,体验AI轻应用
结合之前的编程基础,完成软件1.0版本编写(如图4)。用一些比较规则的农田(绿化场地)进行识别,如图5所示,可以较好地识别到绿色区域。
回到开头的问题,在获取到绿色区域的信息后,如何计算出绿化率呢?这里通过一定的数学算法就可以完成,即对查找到的所有绿色块的面积进行求和Green_S,最后用这个和去除以整个画面的面积Sum,这个面积比就是我们需要的绿化率(如图6)。
● 算法优化,培养计算思维
师:现实中的绿色场景并不会刚好长成方方正正的,有同学试了下面这一组的三种绿化场地(如图7),发现这三种情况下计算的绿化率是一样的(都为100%绿色),这是为什么呢?
此时的统计结果明显不准确,这是因为这三张图返回的绿色块是相同的(三张图的绿色块所构成的矩形部分),即当遇到要识别的绿色区域不是规则的方形时,原来的方法就不适用了,而现实中的场地往往是不太规则的,有什么方法可以提高系统在这些实际情况下的准确率?
此时,教师可提示学生尝试把它们划分为4个格、12个格,然后每个格子单独去计算像素面积,再求和,这样准确率就提高了,解决方法如图8所示。
图8的方法是将整个画面作为一个ROI区域进行查找绿色块的框,那么另一半的灰色区域就被误算为绿色块了。但假如试着多分几次来识别并求和,效果是否会好?例如,分4个区域,误算为绿色块的灰色区域面积就是两小块,同理,划分的区域越多被误算的区域面积就越小,由此得出,在运算速度允许的情况下,划分的区域越多,误算的部分就会越少,因而准确率也越高。经过分析,最终以划分4个区域来优化算法,编写程序提高准确率。
划分的方法主要有两种:一是可以将程序复制4段,设好4个ROI区域,用一个SUM变量求和即可;二是可以将原本颜色追踪程序作为一个子函数,子函数只有X坐标、Y坐标、区域宽度和高度这4个参数,然后在主程序通过两个FOR循环划分成M行N列进行循环累加计算每个ROI区域的绿化率即可。
学生以2人为1组,小组合作完成,优化算法后的程序编写。笔者结合学生已有的编程基础和数学水平,引导学生利用图像识别技术和数学知识完成自主探索与实践,让学生的逻辑思维能力、计算思维能力充分得到锻炼和提升。 ● 扩展延伸,解决实际问题
一个好问题的产生比问题的解决更有价值。课后,教师可以鼓励学有余力的学生,将课程延伸到课后,变为一个有价值的轻人工智能应用作品,解决生活中的问题,如上页图9所示。
● 课后反思
本课设计的整体思路清晰,将人工智能升级为轻人工智能,设计化繁为简,思路从易到难,先普及基本知识,再通过相关软件应用,采集所需数据,最后将所学的人工智能技术应用到学习与生活的真实场景上,普适性强。考虑到不同层次的学生接受能力不同,笔者将难度进行分解,所以后面的提升仅划分为4个区域,也就降低了难度。同时,教师还设计了导学案以辅助学生完成算法程序的编写;而学有余力的学生,则完全可以用建立子函数的方法,通过调用子函数进行计算,让程序更简单,算法更优。轻人工智能教学让学生不仅“吃得饱”还能“吃得好”,不仅亲身体验创新科技,还能展示新锐的创意和对科技的奇思妙想!
参考文献:
[1]梁锦明.轻人工智能:聚焦中小学生的智能教育[J].中小学数字化教学,2021(04).
[2]岑健林,段金菊,余胜泉.教育信息化核心价值观视域下之“主动”建构学习研究[J].中国教育信息化,2013(01).
[3]百度百科-LAB颜色模型[DB/OL].https://baike.baidu.com/item/Lab%E6%A8%A1%E5%BC%8F/7362402.
[4]叶佳英,邓飞,王佩欣,等.基于机器视觉的珍珠颜色特征提取与识别[J].江苏农业科学,2019(20).
[5]赵威,李振华,刘甜甜,等.基于颜色识别的智能分拣机器人的设计与制作[J].物联网技术,2021,11(08).
[6]程马峰.小学阶段开展轻量化人工智能教育初探[J].广东教育·综合,2020(11).
[7]吴志群.关于小学人工智能教学的思考[J].中国现代教育装备,2021(12).
[8]凌秋红.人工智能在小学信息技术课堂教学中实施的思考[J].中国信息技术教育,2019(11).
[9]MaixPy 查找色块(find_blobs) - Sipeed Wiki[DB/OL].https://wiki.sipeed.com/soft/maixpy/zh/course/image/find_color_blob.html?highlight=LAB.
[10]LU Kai-xuan;WU Li-qun.An Intelligent Settlement System for Canteens Based on color Recognition[J].Modern Computer,2020(23).
本文系广东省教育厅2019年度教育信息化教學应用创新实践共同体“轻人工智能作品制作与创意”(立项号:GDSJGTT332)的阶段性研究成果。