賴建強(qiáng)

摘要：本文以《綠化率統(tǒng)計(jì)》一課為例，從激發(fā)學(xué)生學(xué)習(xí)興趣、剖析識別原理、體驗(yàn)AI輕應(yīng)用、培養(yǎng)計(jì)算思維、解決實(shí)際問題等維度對“輕人工智能教學(xué)”展開論述，希望可以教給學(xué)生能夠理解與應(yīng)用的技術(shù)，使其學(xué)會從人工智能技術(shù)的角度去看待問題、思考問題、解決問題，同時(shí)，鼓勵(lì)學(xué)生在玩中學(xué)，把愛好變?yōu)樘亻L，把特長變?yōu)閷I(yè)，為學(xué)生打下良好的信息技術(shù)基礎(chǔ)。

關(guān)鍵詞：輕人工智能;人工智能教育;學(xué)科融合

中圖分類號：G434? 文獻(xiàn)標(biāo)識碼：A? 論文編號：1674-2117（2021）22-0032-04

輕人工智能是指中小學(xué)生能夠理解與實(shí)施的人工智能技術(shù)。它以智能感知為主要研究對象，以計(jì)算機(jī)視覺與圖像作為課程的主體內(nèi)容，學(xué)生在學(xué)習(xí)人工智能技術(shù)的同時(shí)，感受人工智能在學(xué)習(xí)與生活中的應(yīng)用，同時(shí)嘗試應(yīng)用人工智能技術(shù)來改善學(xué)習(xí)與生活場景，提高學(xué)習(xí)與生活的效率。在輕人工智能理念的指引下，為了讓小學(xué)生在生動的課堂中走近人工智能，理解與應(yīng)用人工智能技術(shù)，筆者找到了切實(shí)可行的內(nèi)容與行之有效的方法：第一，基于學(xué)生的認(rèn)知特點(diǎn)，選擇貼切的教學(xué)內(nèi)容。第二，人工智能學(xué)科與其他學(xué)科的交叉融合非常明顯，在教學(xué)中應(yīng)注意與小學(xué)階段所學(xué)的其他學(xué)科知識相結(jié)合。

筆者希望不僅可以教給學(xué)生一些他們能夠理解與應(yīng)用的技術(shù)，還可以讓學(xué)生學(xué)會從人工智能技術(shù)的角度去看待問題、思考問題與解決問題，讓學(xué)生的信息技術(shù)知識向縱深處邁進(jìn)。下面，筆者以《綠化率統(tǒng)計(jì)》一課為例，詳細(xì)說明輕人工智能在小學(xué)階段的教學(xué)與實(shí)施。

● 問題引入，激發(fā)學(xué)習(xí)興趣

師：在日常生活中，我們經(jīng)常會碰到一些人力難以完成的事情。例如，當(dāng)農(nóng)地里的種子發(fā)芽之后，為了更好地了解和研究它的生長情況，農(nóng)民伯伯需要了解種子的發(fā)芽率。一顆顆種子去數(shù)顯然是一件很難完成的事情，那么，我們可以怎樣幫助農(nóng)民伯伯求發(fā)芽率呢？

可以看到，種子發(fā)芽之后，這一片地區(qū)就會變成綠色，也就是說，如果我們能夠統(tǒng)計(jì)出菜地的綠化率，就可以求出種子的發(fā)芽率了。這就是一個(gè)經(jīng)典的計(jì)算機(jī)視覺應(yīng)用。

● 顏色識別，剖析機(jī)器原理

人類可以區(qū)分不同的顏色，是因?yàn)橐暰W(wǎng)膜上有紅、綠和藍(lán)三種顏色的感光視錐細(xì)胞，負(fù)責(zé)接收不同頻率的光。人眼可以覺察的其他顏色都能由這三種顏色混合而成。而計(jì)算機(jī)是怎么區(qū)分顏色的呢？在計(jì)算機(jī)中常見的顏色模式有用于發(fā)光屏幕的RGB模式、用于印刷的CMYK減色模式以及在機(jī)器視覺領(lǐng)域常用的Lab模式等。Lab模式由國際照明委員會（CIE）于1976年公布，L表示亮度（0，100），a表示從洋紅色至綠色的范圍（+127，-128），b表示從黃色至藍(lán)色的范圍（+127，-128）。它既不依賴光線，也不依賴于顏料，理論上包括了人眼可以看到的所有色彩。

那么，計(jì)算機(jī)是如何識別顏色的呢？秘密就在于機(jī)器視覺范疇（OPENMV）的顏色識別（色塊查找），大概流程如圖1所示。

● 指令新授，學(xué)習(xí)識別原理

Mixly軟件中的色塊追蹤指令，需要學(xué)生理解的參數(shù)有很多，而且如何通過這些參數(shù)追蹤到對應(yīng)的顏色，并不是小學(xué)生所能夠理解的。在這些參數(shù)中，學(xué)生一定要掌握并且理解的只是設(shè)置好LAB顏色值和識別區(qū)域xywh。

指令一：啟動色塊追蹤（如圖2）。

指令二：從返回的BLOG對象提取結(jié)果信息（如圖3）。

通常情況下，默認(rèn)是在攝像頭的分辨率（320*240）的整個(gè)畫面中查找，即圖像對象是固定從攝像頭獲取，此時(shí)指令中需要調(diào)整的就只有顏色值的閾值LAB和設(shè)定ROI區(qū)域這2個(gè)參數(shù)。啟動色塊追蹤指令后，返回的BLOB結(jié)果可以用指令二“追蹤解析”獲得色塊信息。

● 算法設(shè)計(jì)，體驗(yàn)AI輕應(yīng)用

結(jié)合之前的編程基礎(chǔ)，完成軟件1.0版本編寫（如圖4）。用一些比較規(guī)則的農(nóng)田（綠化場地）進(jìn)行識別，如圖5所示，可以較好地識別到綠色區(qū)域。

回到開頭的問題，在獲取到綠色區(qū)域的信息后，如何計(jì)算出綠化率呢？這里通過一定的數(shù)學(xué)算法就可以完成，即對查找到的所有綠色塊的面積進(jìn)行求和Green_S，最后用這個(gè)和去除以整個(gè)畫面的面積Sum，這個(gè)面積比就是我們需要的綠化率（如圖6）。

● 算法優(yōu)化，培養(yǎng)計(jì)算思維

師：現(xiàn)實(shí)中的綠色場景并不會剛好長成方方正正的，有同學(xué)試了下面這一組的三種綠化場地（如圖7），發(fā)現(xiàn)這三種情況下計(jì)算的綠化率是一樣的（都為100%綠色），這是為什么呢？

此時(shí)的統(tǒng)計(jì)結(jié)果明顯不準(zhǔn)確，這是因?yàn)檫@三張圖返回的綠色塊是相同的（三張圖的綠色塊所構(gòu)成的矩形部分），即當(dāng)遇到要識別的綠色區(qū)域不是規(guī)則的方形時(shí)，原來的方法就不適用了，而現(xiàn)實(shí)中的場地往往是不太規(guī)則的，有什么方法可以提高系統(tǒng)在這些實(shí)際情況下的準(zhǔn)確率？

此時(shí)，教師可提示學(xué)生嘗試把它們劃分為4個(gè)格、12個(gè)格，然后每個(gè)格子單獨(dú)去計(jì)算像素面積，再求和，這樣準(zhǔn)確率就提高了，解決方法如圖8所示。

圖8的方法是將整個(gè)畫面作為一個(gè)ROI區(qū)域進(jìn)行查找綠色塊的框，那么另一半的灰色區(qū)域就被誤算為綠色塊了。但假如試著多分幾次來識別并求和，效果是否會好？例如，分4個(gè)區(qū)域，誤算為綠色塊的灰色區(qū)域面積就是兩小塊，同理，劃分的區(qū)域越多被誤算的區(qū)域面積就越小，由此得出，在運(yùn)算速度允許的情況下，劃分的區(qū)域越多，誤算的部分就會越少，因而準(zhǔn)確率也越高。經(jīng)過分析，最終以劃分4個(gè)區(qū)域來優(yōu)化算法，編寫程序提高準(zhǔn)確率。

劃分的方法主要有兩種：一是可以將程序復(fù)制4段，設(shè)好4個(gè)ROI區(qū)域，用一個(gè)SUM變量求和即可;二是可以將原本顏色追蹤程序作為一個(gè)子函數(shù)，子函數(shù)只有X坐標(biāo)、Y坐標(biāo)、區(qū)域?qū)挾群透叨冗@4個(gè)參數(shù)，然后在主程序通過兩個(gè)FOR循環(huán)劃分成M行N列進(jìn)行循環(huán)累加計(jì)算每個(gè)ROI區(qū)域的綠化率即可。

學(xué)生以2人為1組，小組合作完成，優(yōu)化算法后的程序編寫。筆者結(jié)合學(xué)生已有的編程基礎(chǔ)和數(shù)學(xué)水平，引導(dǎo)學(xué)生利用圖像識別技術(shù)和數(shù)學(xué)知識完成自主探索與實(shí)踐，讓學(xué)生的邏輯思維能力、計(jì)算思維能力充分得到鍛煉和提升。

● 擴(kuò)展延伸，解決實(shí)際問題

一個(gè)好問題的產(chǎn)生比問題的解決更有價(jià)值。課后，教師可以鼓勵(lì)學(xué)有余力的學(xué)生，將課程延伸到課后，變?yōu)橐粋€(gè)有價(jià)值的輕人工智能應(yīng)用作品，解決生活中的問題，如上頁圖9所示。

● 課后反思

本課設(shè)計(jì)的整體思路清晰，將人工智能升級為輕人工智能，設(shè)計(jì)化繁為簡，思路從易到難，先普及基本知識，再通過相關(guān)軟件應(yīng)用，采集所需數(shù)據(jù)，最后將所學(xué)的人工智能技術(shù)應(yīng)用到學(xué)習(xí)與生活的真實(shí)場景上，普適性強(qiáng)?？紤]到不同層次的學(xué)生接受能力不同，筆者將難度進(jìn)行分解，所以后面的提升僅劃分為4個(gè)區(qū)域，也就降低了難度。同時(shí)，教師還設(shè)計(jì)了導(dǎo)學(xué)案以輔助學(xué)生完成算法程序的編寫;而學(xué)有余力的學(xué)生，則完全可以用建立子函數(shù)的方法，通過調(diào)用子函數(shù)進(jìn)行計(jì)算，讓程序更簡單，算法更優(yōu)。輕人工智能教學(xué)讓學(xué)生不僅“吃得飽”還能“吃得好”，不僅親身體驗(yàn)創(chuàng)新科技，還能展示新銳的創(chuàng)意和對科技的奇思妙想！

參考文獻(xiàn)：

[1]梁錦明.輕人工智能：聚焦中小學(xué)生的智能教育[J].中小學(xué)數(shù)字化教學(xué)，2021（04）.

[2]岑健林，段金菊，余勝泉.教育信息化核心價(jià)值觀視域下之“主動”建構(gòu)學(xué)習(xí)研究[J].中國教育信息化，2013（01）.

[3]百度百科-LAB顏色模型[DB/OL].https：//baike.baidu.com/item/Lab%E6%A8%A1%E5%BC%8F/7362402.

[4]葉佳英，鄧飛，王佩欣，等.基于機(jī)器視覺的珍珠顏色特征提取與識別[J].江蘇農(nóng)業(yè)科學(xué)，2019（20）.

[5]趙威，李振華，劉甜甜，等.基于顏色識別的智能分揀機(jī)器人的設(shè)計(jì)與制作[J].物聯(lián)網(wǎng)技術(shù)，2021，11（08）.

[6]程馬峰.小學(xué)階段開展輕量化人工智能教育初探[J].廣東教育·綜合，2020（11）.

[7]吳志群.關(guān)于小學(xué)人工智能教學(xué)的思考[J].中國現(xiàn)代教育裝備，2021（12）.

[8]凌秋紅.人工智能在小學(xué)信息技術(shù)課堂教學(xué)中實(shí)施的思考[J].中國信息技術(shù)教育，2019（11）.

[9]MaixPy 查找色塊（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）.

本文系廣東省教育廳2019年度教育信息化教學(xué)應(yīng)用創(chuàng)新實(shí)踐共同體“輕人工智能作品制作與創(chuàng)意”（立項(xiàng)號：GDSJGTT332）的階段性研究成果。