郭彥哲

【摘 要】本研究探索了在中學(xué)教授人工智能計算機視覺算法的教學(xué)方法，總結(jié)了計算機視覺算法教學(xué)的要點和技巧。作者選取了計算機視覺中的經(jīng)典任務(wù)物體識別作為探究對象，以花朵的物體識別為例，通過將物體識別算法拆分為不同的步驟，根據(jù)學(xué)生的數(shù)學(xué)、物理、信息技術(shù)的知識背景，選擇重點進行教學(xué)并設(shè)計教法。該物體識別算法被分為顏色空間轉(zhuǎn)換、色調(diào)降維、圓圈算法、驗證等四個步驟，通過與學(xué)生日常學(xué)習(xí)、生活、娛樂的例子相結(jié)合，將抽象的算法問題趣味化、實例化、活動化，取得了良好的教學(xué)效果，為人工智能算法的教學(xué)提供了生動的案例。

【關(guān)鍵詞】人工智能；計算機視覺；物體識別；算法教學(xué)

【中圖分類號】G434? 【文獻標識碼】A

【論文編號】1671-7384（2023）04-084-03

當前，K12人工智能教育開展得如火如荼，各類機構(gòu)、賽事、課程眼花繚亂。同時，人工智能也被各高校、研究機構(gòu)、互聯(lián)網(wǎng)企業(yè)視為必爭之地，每年都有大量的人力物力投入。然而，目前最前沿的人工智能技術(shù)如機器學(xué)習(xí)、深度學(xué)習(xí)，大多是基于大學(xué)的數(shù)學(xué)知識，如線性代數(shù)、微積分、統(tǒng)計學(xué)等。對大部分成年人來說尚且生澀的知識，對于抽象思維還未發(fā)育完全、數(shù)學(xué)基礎(chǔ)正在搭建的孩子們無疑是巨大挑戰(zhàn)。這也導(dǎo)致了K12人工智能教育更多地轉(zhuǎn)向了對人工智能的感知，以及傳統(tǒng)的機器人、開源硬件、編程等內(nèi)容。然而，這些內(nèi)容是原本已有的教學(xué)內(nèi)容和方法，并沒有真正將人工智能的核心——算法融入到教學(xué)中，學(xué)生仍存在缺乏對人工智能建立較科學(xué)的認識的問題。本研究將人工智能計算機視覺領(lǐng)域的算法引入中學(xué)課堂，以經(jīng)典的物體識別任務(wù)為例，讓學(xué)生親身體會人工智能算法的精妙之處，點燃學(xué)生對人工智能研究的興趣，讓學(xué)生對人工智能算法有客觀的認識。

人工智能發(fā)展現(xiàn)狀與教學(xué)難點

目前人工智能的研究主要面向兩大方向，計算機視覺和自然語言處理。傳統(tǒng)的數(shù)據(jù)分析算法在這兩類數(shù)據(jù)面前都束手無策，因為傳統(tǒng)數(shù)據(jù)算法往往是基于關(guān)系型數(shù)據(jù)庫基礎(chǔ)上建立的結(jié)構(gòu)化數(shù)據(jù)，對非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)缺乏處理手段和適應(yīng)性。目前的人工智能算法的優(yōu)點，正在于對非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)的魯棒性（robustness，音譯，人工智能領(lǐng)域詞匯，意為健壯、強壯）。人工智能的算法模型雖然基于上述高等數(shù)學(xué)知識，但是對于不同的任務(wù)或模型，往往需要一系列一般或特殊的預(yù)處理或后處理方法，這些方法能夠很大程度地影響到整個模型的表現(xiàn)。即使是當下最火的自然語言處理模型ChatGPT，所涉及的前處理方法也和之前的模型是類似的。這些預(yù)處理或后處理方法，有的是基于如圖論、排序等傳統(tǒng)計算機算法，有的是新提出的針對非結(jié)構(gòu)化數(shù)據(jù)的方法（如詞語向量化），有的甚至比模型本身的數(shù)學(xué)理論更復(fù)雜（如支持向量機），有的并不需要數(shù)學(xué)背景知識（如中文分詞）。因此，如果想教授人工智能算法，應(yīng)該基于學(xué)生的年齡、知識背景，從可理解的人工智能模型、前處理/后處理方法入手，設(shè)計教法、開發(fā)課程。依照該思路，作者選取了計算機視覺中的經(jīng)典任務(wù)——物體識別，以識別花朵的圖像處理算法為例，設(shè)計了一堂面向中學(xué)生的人工智能算法課，利用學(xué)生已有的數(shù)學(xué)基礎(chǔ)和生活實例，用小步子教學(xué)法逐步深入，降低算法理解難度。

物體識別算法的教學(xué)實例探究

計算機視覺的任務(wù)通常分為預(yù)處理、特征提取、檢測/模式識別、驗證等步驟，物體識別算法也不例外。通過學(xué)習(xí)物體識別算法，學(xué)生可以了解計算機視覺乃至人工智能的一般算法步驟，從而建立對人工智能算法的初步認識。實例所用的花朵識別算法，將該過程分為了四個大步驟：一是預(yù)處理：顏色空間由RGB格式轉(zhuǎn)為HSV；二是特征提?。捍_定花的色調(diào)區(qū)間，并轉(zhuǎn)化為黑白圖片；三是檢測/模式識別：邊緣處理，圓形查找算法標記花朵；四是驗證：與手工結(jié)果對比，計算正確率。

1.預(yù)處理—— 顏色空間轉(zhuǎn)換的“小游戲”

第一步是預(yù)處理。用于計算機視覺的圖片來源各異，圖片的大小、格式、分辨率、顏色也各異，關(guān)鍵信息往往用較少的顏色、分辨率等維度即可體現(xiàn)，因此，預(yù)處理需要對圖片格式進行統(tǒng)一規(guī)范和降維處理。該算法中，顏色從RGB格式到HSV格式。RGB格式的本質(zhì)是用紅綠藍三種相互獨立的顏色作為顏色空間的參數(shù)，因此這三種顏色的值相當于三維直角坐標系的三個方向上的值。HSV格式的表示形式如圖1所示。其中，S（飽和度）和V（亮度值）用兩個相互獨立的方向上的距離表示，H（色調(diào)）用角度表示。圓柱坐標系由徑向距離、方位角、高度（“一角度兩距離”）表示，與HSV格式一致。因此，HSV格式可以理解為數(shù)學(xué)中的圓柱坐標系。圓柱坐標系是二維的極坐標系擴展到三維坐標系后的其中一種，另一種是球坐標系。球坐標系由方位角、仰角和距離（“兩角度一距離”）三種元素構(gòu)成[1][2][3]。

中學(xué)生只學(xué)習(xí)了直角坐標系，極坐標系的概念是高中的內(nèi)容[4]，需要作為新知識點引入介紹，對于原本時間十分有限的課堂時間形成了不小的挑戰(zhàn)。為了抓住學(xué)生的眼球，同時實現(xiàn)有效的教學(xué)，本課使用了學(xué)生常接觸的游戲為例，說明不同坐標系的作用，并進行比較。首先，給出五子棋的例子，引導(dǎo)學(xué)生思考，用直角坐標系來表示五子棋的位置，便捷且直觀。極坐標系的概念相對陌生且不容易說清楚，因此借鑒了常見的“黃金礦工”小游戲的例子。該游戲通過控制發(fā)射抓手的方向，決定所獲得的獎品，抓手的方向相當于極坐標系中的角度。根據(jù)課堂反饋，學(xué)生都玩過這個游戲且熟悉規(guī)則，并知道關(guān)鍵在于角度的選擇。接下來，引入極坐標系的概念，由角度和距離組成。由平面極坐標系可以延伸到圓柱坐標系，用一個角度和兩個距離表示點。直角坐標系和圓柱坐標系都介紹完后，便可以解釋顏色的兩種表示方法：RGB格式和HSV格式。需要強調(diào)的是，色調(diào)（角度）表示的是顏色，按照赤橙黃綠青藍紫轉(zhuǎn)了360°。因為色調(diào)是下一步處理的基礎(chǔ)，轉(zhuǎn)換過程不需要詳解，只需要告訴學(xué)生有公式可以套用即可。

結(jié)合學(xué)生熟悉的游戲案例教學(xué)極坐標系，讓學(xué)生能夠感知極坐標系的特點，且不會因枯燥的純數(shù)學(xué)知識影響學(xué)習(xí)積極性；運用接觸過的游戲案例，引起學(xué)生共鳴的同時激發(fā)思考欲和探索欲，學(xué)生能積極主動地參與新知識教授過程的反饋，讓教學(xué)者能夠及時了解學(xué)生的學(xué)習(xí)情況。實踐中，較低年級的中學(xué)生也能夠通過該案例理解極坐標系的概念和顏色空間的轉(zhuǎn)換過程。

2.特征提取—— 色調(diào)與顏料盤

第二步是特征提取，將與任務(wù)目標相關(guān)的特征與無關(guān)特征進行分離，減少噪聲，增強對比，進一步實現(xiàn)降低維度。因為目標黃色大丁草花朵是黃色的，因此需要確定對應(yīng)黃色像素點，并轉(zhuǎn)化為黑白圖片?；ǖ牟糠钟冒咨硎?，其他部分用黑色表示，實現(xiàn)目標分離。

上一步將RGB轉(zhuǎn)換為HSV后，只需選取HSV中表示色調(diào)的部分進行篩選。這里需要向?qū)W生展示HSV的圓錐3D圖（圖1左），并指出色調(diào)所在的維度是角度。如0°代表紅色，120°代表綠色，240°代表藍色（圖1右），形如一個調(diào)色盤，所有顏色是以紅橙黃綠青藍紫連續(xù)變化的，最終紫色和紅色相接，形成閉環(huán)。另外兩個維度（飽和度、值）只會影響顏色的深淺和亮暗。將黃色色調(diào)的區(qū)域轉(zhuǎn)換為白色，其他色調(diào)區(qū)域轉(zhuǎn)換為黑色。這樣原本每個像素點有三個數(shù)字表示，現(xiàn)在簡化為0或1的黑白圖，并且充分保留了花朵的信息，為下一步處理提供了便利。

聯(lián)系學(xué)生熟知的紅橙黃綠青藍紫的顏色序列，調(diào)色盤的比喻將色調(diào)閉環(huán)的概念具象化，方便了學(xué)習(xí)者理解色調(diào)的含義。顏色空間轉(zhuǎn)換和色調(diào)選取都是人工智能計算機圖像領(lǐng)域的常用預(yù)處理方法，無論是圖像分類還是體態(tài)分析等算法的預(yù)處理，都需要用到，因此，這兩個步驟的教學(xué)為未來的人工智能圖像處理算法學(xué)習(xí)打下了良好基礎(chǔ)。

3.檢測/模式識別—— 手動體驗核心算法

第三步，檢測/模式識別包含計算機視覺任務(wù)的核心模型和關(guān)鍵算法，在該目標識別任務(wù)中，包含了目標形狀修飾和目標形狀搜索。其中目標形狀修飾使用了邊緣處理，目標形狀搜索使用了圓形查找算法。假定目標的花朵形狀近似于圓形，使用邊緣處理使其趨向圓形（圖2a→b）；然后將黑白的交界處轉(zhuǎn)為白色，其余部分轉(zhuǎn)為黑色（圖2b→c）；最后，使用圓形查找算法找出圓形（圖2c→f）。

圓形查找算法體驗時，讓學(xué)生使用不同的半徑，以白色邊緣上的點為圓心畫圓。在畫圓的過程中，學(xué)生能夠感受到該算法的查找過程，即同一半徑畫的圓如果能找到共同交點，即為找到一個圓的圓心（圖2f，交點以三角形表示），若畫圓的半徑偏小（圖2d）或偏大（圖2e），都無法找到交點。每個被標記的圓圈將被作為一朵花。

圓形查找算法是該物體識別算法的核心部分，理解該算法能夠讓學(xué)生體會到人工智能的算法之美。對于編程基礎(chǔ)有限的中學(xué)生，編程實現(xiàn)并不現(xiàn)實，此處利用了圓規(guī)畫圓找規(guī)律的活動，讓學(xué)生主動觀察思考，發(fā)現(xiàn)所選半徑和交點的關(guān)系，從而深刻理解圓形查找算法的關(guān)鍵點，成功實現(xiàn)了直觀理解。

4.驗證—— 體驗人工智能的高效精準

第四步，驗證算法的有效性和準確性，體現(xiàn)人工智能圖像識別算法的高效、精準，同時指出存在的不足，讓學(xué)生充分體會人工智能圖像識別算法的優(yōu)勢和潛在改進的地方。

與手工結(jié)果對比，計算正確率。這個步驟較為簡單，只需數(shù)出圖片中圓圈的數(shù)量，再從彩圖中數(shù)出花的數(shù)量，前者除以后者，便可得到正確率。學(xué)生基本可以看著圖自行完成。同時，總結(jié)該算法的準確率，能夠算出花的數(shù)量，但是有一定的誤差，讓學(xué)生看到算法有可提升的空間，鼓勵學(xué)生樹立進行人工智能算法研究的志向。

總結(jié)與反思

本研究探索了以趣味化、實例化、體驗式的方法進行計算機視覺目標識別算法的教學(xué)。前處理中顏色空間轉(zhuǎn)換采用了游戲案例比喻，將數(shù)學(xué)知識趣味化呈現(xiàn)；色調(diào)的講解結(jié)合了調(diào)色盤的實例，將抽象概念實例化；核心算法的教學(xué)設(shè)計了動手體驗的活動，將抽象算法變成了具體的任務(wù)，實現(xiàn)了“做中學(xué)”“玩中學(xué)”。前兩步驟是人工智能計算機視覺的常見前處理方法，為學(xué)生將來學(xué)習(xí)其他人工智能圖像算法奠定了良好基礎(chǔ)。核心算法的教學(xué)證明了讓中學(xué)生理解人工智能算法并不是遙不可及的任務(wù)，需要教師廣泛且深入地了解人工智能的各項算法，同時結(jié)合中學(xué)生的數(shù)學(xué)、物理等知識背景設(shè)計活動，是可以實現(xiàn)中學(xué)生直觀理解人工智能算法的。

參考文獻

孫堅，臧濤成， 駱者虎，等. 在球和柱坐標系下作用于矢量函數(shù)的拉普拉斯算子[J]. 蘇州科技大學(xué)學(xué)報（自然科學(xué)版），2019（1）.

彭玉忠. 中學(xué)數(shù)學(xué)幾種新增坐標系的構(gòu)造及其應(yīng)用[J].湘潭師范學(xué)院學(xué)報（自然科學(xué)版）， 2009（1）.

王涵云. 淺析極坐標系與坐標旋轉(zhuǎn)[J]. 讀寫算： 教研版，2015（18）.

劉殿芳，劉秀輝. 淺談極坐標在高中數(shù)學(xué)中的應(yīng)用[J].中學(xué)課程輔導(dǎo)（教學(xué)研究）， 2018，12（26）.

Bairwa N，Agrawal N K. Counting of flowers using image processing[J]. International Journal of Computer Applications， 2014（3）： 0975-8887.

作者單位：福建廈門大學(xué)附屬科技中學(xué)

編? ?輯：徐靖程