郭彥哲

【摘 要】本研究探索了在中學(xué)教授人工智能計(jì)算機(jī)視覺算法的教學(xué)方法，總結(jié)了計(jì)算機(jī)視覺算法教學(xué)的要點(diǎn)和技巧。作者選取了計(jì)算機(jī)視覺中的經(jīng)典任務(wù)物體識(shí)別作為探究對(duì)象，以花朵的物體識(shí)別為例，通過將物體識(shí)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(shí)背景，選擇重點(diǎn)進(jìn)行教學(xué)并設(shè)計(jì)教法。該物體識(shí)別算法被分為顏色空間轉(zhuǎn)換、色調(diào)降維、圓圈算法、驗(yàn)證等四個(gè)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(shí)例化、活動(dòng)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(dòng)的案例。

【關(guān)鍵詞】人工智能；計(jì)算機(jī)視覺；物體識(shí)別；算法教學(xué)

【中圖分類號(hào)】G434? 【文獻(xiàn)標(biāo)識(shí)碼】A

【論文編號(hào)】1671-7384（2023）04-084-03

當(dāng)前，K12人工智能教育開展得如火如荼，各類機(jī)構(gòu)、賽事、課程眼花繚亂。同時(shí)，人工智能也被各高校、研究機(jī)構(gòu)、互聯(lián)網(wǎng)企業(yè)視為必爭(zhēng)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(jī)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(shí)，如線性代數(shù)、微積分、統(tǒng)計(jì)學(xué)等。對(duì)大部分成年人來說尚且生澀的知識(shí)，對(duì)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(duì)人工智能的感知，以及傳統(tǒng)的機(jī)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(duì)人工智能建立較科學(xué)的認(rèn)識(shí)的問題。本研究將人工智能計(jì)算機(jī)視覺領(lǐng)域的算法引入中學(xué)課堂，以經(jīng)典的物體識(shí)別任務(wù)為例，讓學(xué)生親身體會(huì)人工智能算法的精妙之處，點(diǎn)燃學(xué)生對(duì)人工智能研究的興趣，讓學(xué)生對(duì)人工智能算法有客觀的認(rèn)識(shí)。

人工智能發(fā)展現(xiàn)狀與教學(xué)難點(diǎn)

目前人工智能的研究主要面向兩大方向，計(jì)算機(jī)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?yàn)閭鹘y(tǒng)數(shù)據(jù)算法往往是基于關(guān)系型數(shù)據(jù)庫(kù)基礎(chǔ)上建立的結(jié)構(gòu)化數(shù)據(jù)，對(duì)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(diǎn)，正在于對(duì)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(qiáng)壯）。人工智能的算法模型雖然基于上述高等數(shù)學(xué)知識(shí)，但是對(duì)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(gè)模型的表現(xiàn)。即使是當(dāng)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(jì)算機(jī)算法，有的是新提出的針對(duì)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(jī)），有的并不需要數(shù)學(xué)背景知識(shí)（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(shí)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(jì)教法、開發(fā)課程。依照該思路，作者選取了計(jì)算機(jī)視覺中的經(jīng)典任務(wù)——物體識(shí)別，以識(shí)別花朵的圖像處理算法為例，設(shè)計(jì)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(shí)例，用小步子教學(xué)法逐步深入，降低算法理解難度。

物體識(shí)別算法的教學(xué)實(shí)例探究

計(jì)算機(jī)視覺的任務(wù)通常分為預(yù)處理、特征提取、檢測(cè)/模式識(shí)別、驗(yàn)證等步驟，物體識(shí)別算法也不例外。通過學(xué)習(xí)物體識(shí)別算法，學(xué)生可以了解計(jì)算機(jī)視覺乃至人工智能的一般算法步驟，從而建立對(duì)人工智能算法的初步認(rèn)識(shí)。實(shí)例所用的花朵識(shí)別算法，將該過程分為了四個(gè)大步驟：一是預(yù)處理：顏色空間由RGB格式轉(zhuǎn)為HSV；二是特征提取：確定花的色調(diào)區(qū)間，并轉(zhuǎn)化為黑白圖片；三是檢測(cè)/模式識(shí)別：邊緣處理，圓形查找算法標(biāo)記花朵；四是驗(yàn)證：與手工結(jié)果對(duì)比，計(jì)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(jì)算機(jī)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(duì)圖片格式進(jìn)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(lán)三種相互獨(dú)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(dāng)于三維直角坐標(biāo)系的三個(gè)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(gè)相互獨(dú)立的方向上的距離表示，H（色調(diào)）用角度表示。圓柱坐標(biāo)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(biāo)系。圓柱坐標(biāo)系是二維的極坐標(biāo)系擴(kuò)展到三維坐標(biāo)系后的其中一種，另一種是球坐標(biāo)系。球坐標(biāo)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(biāo)系，極坐標(biāo)系的概念是高中的內(nèi)容[4]，需要作為新知識(shí)點(diǎn)引入介紹，對(duì)于原本時(shí)間十分有限的課堂時(shí)間形成了不小的挑戰(zhàn)。為了抓住學(xué)生的眼球，同時(shí)實(shí)現(xiàn)有效的教學(xué)，本課使用了學(xué)生常接觸的游戲?yàn)槔f明不同坐標(biāo)系的作用，并進(jìn)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(biāo)系來表示五子棋的位置，便捷且直觀。極坐標(biāo)系的概念相對(duì)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(jiǎng)品，抓手的方向相當(dāng)于極坐標(biāo)系中的角度。根據(jù)課堂反饋，學(xué)生都玩過這個(gè)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(biāo)系的概念，由角度和距離組成。由平面極坐標(biāo)系可以延伸到圓柱坐標(biāo)系，用一個(gè)角度和兩個(gè)距離表示點(diǎn)。直角坐標(biāo)系和圓柱坐標(biāo)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(qiáng)調(diào)的是，色調(diào)（角度）表示的是顏色，按照赤橙黃綠青藍(lán)紫轉(zhuǎn)了360°。因?yàn)樯{(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(biāo)系，讓學(xué)生能夠感知極坐標(biāo)系的特點(diǎn)，且不會(huì)因枯燥的純數(shù)學(xué)知識(shí)影響學(xué)習(xí)積極性；運(yùn)用接觸過的游戲案例，引起學(xué)生共鳴的同時(shí)激發(fā)思考欲和探索欲，學(xué)生能積極主動(dòng)地參與新知識(shí)教授過程的反饋，讓教學(xué)者能夠及時(shí)了解學(xué)生的學(xué)習(xí)情況。實(shí)踐中，較低年級(jí)的中學(xué)生也能夠通過該案例理解極坐標(biāo)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(biāo)相關(guān)的特征與無關(guān)特征進(jìn)行分離，減少噪聲，增強(qiáng)對(duì)比，進(jìn)一步實(shí)現(xiàn)降低維度。因?yàn)槟繕?biāo)黃色大丁草花朵是黃色的，因此需要確定對(duì)應(yīng)黃色像素點(diǎn)，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(shí)現(xiàn)目標(biāo)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(jìn)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(lán)色（圖1右），形如一個(gè)調(diào)色盤，所有顏色是以紅橙黃綠青藍(lán)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(gè)維度（飽和度、值）只會(huì)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(gè)像素點(diǎn)有三個(gè)數(shù)字表示，現(xiàn)在簡(jiǎn)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(lán)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(jì)算機(jī)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(gè)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(cè)/模式識(shí)別—— 手動(dòng)體驗(yàn)核心算法

第三步，檢測(cè)/模式識(shí)別包含計(jì)算機(jī)視覺任務(wù)的核心模型和關(guān)鍵算法，在該目標(biāo)識(shí)別任務(wù)中，包含了目標(biāo)形狀修飾和目標(biāo)形狀搜索。其中目標(biāo)形狀修飾使用了邊緣處理，目標(biāo)形狀搜索使用了圓形查找算法。假定目標(biāo)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(yàn)時(shí)，讓學(xué)生使用不同的半徑，以白色邊緣上的點(diǎn)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(diǎn)，即為找到一個(gè)圓的圓心（圖2f，交點(diǎn)以三角形表示），若畫圓的半徑偏?。▓D2d）或偏大（圖2e），都無法找到交點(diǎn)。每個(gè)被標(biāo)記的圓圈將被作為一朵花。

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

4.驗(yàn)證—— 體驗(yàn)人工智能的高效精準(zhǔn)

第四步，驗(yàn)證算法的有效性和準(zhǔn)確性，體現(xiàn)人工智能圖像識(shí)別算法的高效、精準(zhǔn)，同時(shí)指出存在的不足，讓學(xué)生充分體會(huì)人工智能圖像識(shí)別算法的優(yōu)勢(shì)和潛在改進(jìn)的地方。

與手工結(jié)果對(duì)比，計(jì)算正確率。這個(gè)步驟較為簡(jiǎn)單，只需數(shù)出圖片中圓圈的數(shù)量，再?gòu)牟蕡D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(shí)，總結(jié)該算法的準(zhǔn)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(lì)學(xué)生樹立進(jìn)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(shí)例化、體驗(yàn)式的方法進(jìn)行計(jì)算機(jī)視覺目標(biāo)識(shí)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(shí)趣味化呈現(xiàn)；色調(diào)的講解結(jié)合了調(diào)色盤的實(shí)例，將抽象概念實(shí)例化；核心算法的教學(xué)設(shè)計(jì)了動(dòng)手體驗(yàn)的活動(dòng)，將抽象算法變成了具體的任務(wù)，實(shí)現(xiàn)了“做中學(xué)”“玩中學(xué)”。前兩步驟是人工智能計(jì)算機(jī)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(xiàng)算法，同時(shí)結(jié)合中學(xué)生的數(shù)學(xué)、物理等知識(shí)背景設(shè)計(jì)活動(dòng)，是可以實(shí)現(xiàn)中學(xué)生直觀理解人工智能算法的。

參考文獻(xiàn)

孫堅(jiān)，臧濤成， 駱者虎，等. 在球和柱坐標(biāo)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(bào)（自然科學(xué)版），2019（1）.

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

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

劉殿芳，劉秀輝. 淺談極坐標(biāo)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