小學輕人工智能教學的思考

賴建強

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

關鍵詞：輕人工智能;人工智能教育;學科融合

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

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

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

● 問題引入，激發(fā)學習興趣

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。這就是一個經(jīng)典的計算機視覺應用。

● 顏色識別，剖析機器原理

人類可以區(qū)分不同的顏色，是因為視網(wǎng)膜上有紅、綠和藍三種顏色的感光視錐細胞，負責接收不同頻率的光。人眼可以覺察的其他顏色都能由這三種顏色混合而成。而計算機是怎么區(qū)分顏色的呢？在計算機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減色模式以及在機器視覺領域常用的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，計算機是如何識別顏色的呢？秘密就在于機器視覺范疇（OPENMV）的顏色識別（色塊查找），大概流程如圖1所示。

● 指令新授，學習識別原理

Mixly軟件中的色塊追蹤指令，需要學生理解的參數(shù)有很多，而且如何通過這些參數(shù)追蹤到對應的顏色，并不是小學生所能夠理解的。在這些參數(shù)中，學生一定要掌握并且理解的只是設置好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，默認是在攝像頭的分辨率（320*240）的整個畫面中查找，即圖像對象是固定從攝像頭獲取，此時指令中需要調(diào)整的就只有顏色值的閾值LAB和設定ROI區(qū)域這2個參數(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。

● 算法設計，體驗AI輕應用

結(jié)合之前的編程基礎，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，如何計算出綠化率呢？這里通過一定的數(shù)學算法就可以完成，即對查找到的所有綠色塊的面積進行求和Green_S，最后用這個和去除以整個畫面的面積Sum，這個面積比就是我們需要的綠化率（如圖6）。

● 算法優(yōu)化，培養(yǎng)計算思維

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

此時的統(tǒng)計結(jié)果明顯不準確，這是因為這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），即當遇到要識別的綠色區(qū)域不是規(guī)則的方形時，原來的方法就不適用了，而現(xiàn)實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)在這些實際情況下的準確率？

此時，教師可提示學生嘗試把它們劃分為4個格、12個格，然后每個格子單獨去計算像素面積，再求和，這樣準確率就提高了，解決方法如圖8所示。

圖8的方法是將整個畫面作為一個ROI區(qū)域進行查找綠色塊的框，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，因而準確率也越高。經(jīng)過分析，最終以劃分4個區(qū)域來優(yōu)化算法，編寫程序提高準確率。

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

學生以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)合學生已有的編程基礎和數(shù)學水平，引導學生利用圖像識別技術(shù)和數(shù)學知識完成自主探索與實踐，讓學生的邏輯思維能力、計算思維能力充分得到鍛煉和提升。

● 擴展延伸，解決實際問題

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

● 課后反思

本課設計的整體思路清晰，將人工智能升級為輕人工智能，設計化繁為簡，思路從易到難，先普及基本知識，再通過相關軟件應用，采集所需數(shù)據(jù)，最后將所學的人工智能技術(shù)應用到學習與生活的真實場景上，普適性強。考慮到不同層次的學生接受能力不同，筆者將難度進行分解，所以后面的提升僅劃分為4個區(qū)域，也就降低了難度。同時，教師還設計了導學案以輔助學生完成算法程序的編寫;而學有余力的學生，則完全可以用建立子函數(shù)的方法，通過調(diào)用子函數(shù)進行計算，讓程序更簡單，算法更優(yōu)。輕人工智能教學讓學生不僅“吃得飽”還能“吃得好”，不僅親身體驗創(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：

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

[2]岑健林，段金菊，余勝泉.教育信息化核心價值觀視域下之“主動”建構(gòu)學習研究[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.基于機器視覺的珍珠顏色特征提取與識別[J].江蘇農(nóng)業(yè)科學，2019（20）.

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

[6]程馬峰.小學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.關于小學人工智能教學的思考[J].中國現(xiàn)代教育裝備，2021（12）.

[8]凌秋紅.人工智能在小學信息技術(shù)課堂教學中實施的思考[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應用創(chuàng)新實踐共同體“輕人工智能作品制作與創(chuàng)意”（立項號：GDSJGTT332）的階段性研究成果。