人工智能課程實踐教學改革初探

前言：本站為你精心整理了人工智能課程實踐教學改革初探范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：圍繞人工智能課程教學中存在的問題，將“吊牌識別”案例引入人工智能課程實踐教學，以此提高人工智能課程理論教學質量，激發學生學習人工智能技術的興趣，從而更好地培養學生在人工智能領域的實踐能力與創新能力。

關鍵詞：人工智能；實踐教學；吊牌識別

人工智能融合了計算機、控制學、語言學、數學、心理學、神經學等多學科專業知識[1-3]。2017年7月，國務院發布了《新一代人工智能發展規劃》[4-5]。2018年4月，教育部印發《高等學校人工智能創新行動計劃》，其核心是推動人工智能領域人才的培養[6-7]。《2020—2026年中國人工智能行業市場競爭格局及未來發展趨勢報告》的統計數據顯示[8]，2018年中國人工智能市場規模為339億元，增長率達56.2%，而2019年中國人工智能市場規模增長到516億元。人工智能技術發展突飛猛進，伴隨而來的是人工智能領域人才需求激增。近三年，越來越多的高校開設了人工智能專業，并在計算機、信息科學和自動化等專業開設人工智能課程，還有部分高校將人工智能課程納入通識課程體系。但人工智能理論知識具有抽象性、復雜性和涉及面廣等特點，教學過程枯燥乏味，使得學生在學習的過程中很難保持熱情。如何更好地將人工智能理論知識與實踐教學相結合[9-10]，是本文研究的重點。本文結合筆者的教學經驗，將綜合性較強的案例融入實踐教學，再以實踐教學促進人工智能課程理論教學，激發學生的學習動力，培養學生運用相關理論知識解決實際問題的能力。

1人工智能課程教學中存在的問題

1.1師資力量不足

目前，很多高等院校開始開設人工智能專業，但能夠承擔該專業授課任務的教師不多，且部分教師是從計算機專業轉到人工智能專業的，很多知識也是“現學現賣”，在講授過程中很難把握好知識的難度和學生的接受程度。

1.2教學條件不達標特別是實驗設備不足

人工智能專業的教學不能僅局限于軟件編程和模擬實驗，要想讓學生感受人工智能技術的強大，必須結合實驗設備開設實驗項目，但部分學校沒有經濟實力購買人工智能教學相關的實驗設備。

1.3學生存在畏難情緒學習興趣不高

很多學生剛開始學習人工智能只是抱著一種“玩”的心態，認為學好該專業之后可以開發很多智能終端，但學了之后發現該專業的學習需要具備很好的數學基礎和編程能力，這方面較差的學生慢慢會對人工智能課程失去學習興趣。針對以上問題，課題組經過三年的教學改革實踐，提出結合教師科研課題的實際案例教學方法，即以實踐教學帶動理論教學，激發學生的學習熱情，解決暫時的實驗設備不足的難題，同時也可以帶動和培養一批年輕教師加入人工智能課程的教學和建設中來。

2“吊牌識別”案例教學在人工智能課程實踐教學中的實現

“吊牌識別”案例教學在人工智能課程實踐教學中可用8～12學時來完成，也可以作為課程設計的選題。本文簡單介紹了該案例的組成模塊和操作流程，重點介紹了案例實現的兩項核心技術。

2.1組成模塊介紹

“吊牌識別”案例可實現對吊牌、洗水嘜的自動檢測，與現實生活中學生常見的文字、卡牌和文本管理數字化等識別方案有相似之處。該案例涉及圖像文字識別技術、嵌入式開發、深度學習等方面的知識，具體模塊劃分如表1所示。2.1.1模式選擇模式選擇模塊包括3.5寸串口屏、免驅USB2.0索尼IMX214高清1100萬像素20幀自動對焦拍照攝像頭模組、英偉達JETSONNANO嵌入式開發板。2.1.2輸入單元輸入單元至少包括一臺攝像機、照相機、網絡攝像頭、數字化圖像設備或具有攝像功能的智能終端，在處理單元的控制下對傳入的圖像做判斷處理，判斷傳入圖像的清晰度和文字區域有無遮擋，再將其傳遞給處理單元。2.1.3處理單元處理單元包括圖像預處理模塊、字符比對模塊和字符識別模塊。在圖像預處理模塊中對輸入的吊牌、洗水嘜圖像進行預處理，提取包含文字信息的文字圖像；字符識別模塊利用文字識別技術提取圖像中的文字信息。2.1.4輸出單元處理單元控制輸出單元將匹配結果顯示在屏幕上，并給出相應的錯誤提示。

2.2實施過程

選擇具體的對象后，操作人員將吊牌或洗水嘜整齊放入檢測器規定的物料槽內，檢測器上的攝像頭將自動、不間斷地獲取待檢測對象的圖片，并將獲取的圖片發送給輸入單元處理。輸入單元對接收到的目標圖片進行清晰度判斷和噪點判斷，如圖1所示。若攝像頭獲取的對象圖片沒有達到設定的清晰度閾值和噪點閾值，系統將在自動丟棄本張圖片后重新獲取物料槽內的對象信息并進行判斷。然后對通過判斷的圖片進行灰度化、降采樣、高斯去噪、二值化、旋轉、裁剪等預處理，如圖2所示。圖像預處理模塊將預處理后的圖片發送給字符比對模塊和字符識別模塊進行文字識別與文字比對。識別信息與比對結果被發送到輸出單元并通過顯示屏顯示出來。比對結果包括兩種，一是識別結果正確，匹配成功，如圖3所示；二是識別結果錯誤，匹配失敗，如圖4所示。如果匹配失敗，系統會在顯示屏的右下角顯示出具體的錯誤類型，如獲取的吊牌顏色信息為110，數據庫中儲存的該吊牌顏色信息為150，則在提示信息階段，系統會在顯示屏的右下角提示：color。

2.3核心技術

2.3.1圖像文字識別方法。通過教學，要讓學生了解目前最流行的光學字符識別(OCR)技術。吊牌及洗水嘜上的文字可能存在不規則形狀字體，這里的不規則形狀字體是因透視變形、文本位置彎曲等因素造成的。因此，在識別文字信息時需要先獲取待識別對象對應的有效圖像信息，這便需要用到OCR技術。另外，還要讓學生重點掌握圖像信息預處理操作(核心技術有灰度化、降采樣、高斯去噪、二值化、旋轉、裁剪)，這些教學內容通過兩次實驗完成，每項教學完成后教師要對比實驗結果是否達到預期效果。2.3.2文字識別模型。文字識別模型采用特征金字塔網絡提取有效圖像中的特征信息。其工作原理是：將特征信息輸入區域生成網絡中，生成所述有效圖像對應的目標文本候選框的特征信息；將目標文本候選框的特征信息輸入快速區域卷積神經網絡中，根據目標文本候選框的特征信息，使用分類器對目標文本候選框進行分類；使用所述文本分割網絡對目標文本候選框中的目標文本進行字符分割、實例分割及假陽性排除；采用基于注意力機制的序列到序列網絡對分割后的字符和實例進行識別，得到識別結果；采用重建網絡對識別結果進行整合，得到所述有效圖像信息中的所有文字信息。教師在教學過程中可以結合文字識別模型幫助學生加強人工智能課程中深度學習理論知識部分的學習。在以往的教學中，這部分內容學生總是很難聽懂，因為深度學習理論知識所涉及的公式復雜、知識點多、技術較新。結合實際案例進行講授，能夠讓學生更容易理解和接受。

3結語

本文闡述了在人工智能課程實踐教學中引入“吊牌識別”典型案例的教學方法。該案例教學能夠讓學生以更加直觀的方式完成圖像識別和深度學習理論等內容的學習，激發學生的興趣，使其能夠將理論知識靈活應用于實踐，有效避免了因理論教學晦澀難懂導致學生產生畏難情緒的問題。該案例流程簡單，涉及的技術與課堂理論教學吻合，能夠讓學生獲得學以致用的感覺。因此，將實際案例引入人工智能課程實踐教學，不僅可以提高教學質量，也可以讓學生找到學習方向，了解目前市場上的需求，做到與時俱進。

作者:劉艷麗 張恒 單位:上海電機學院電子信息學院 華東交通大學信息工程學院