跟着节气学计算机视觉|趣味科学课堂课件_第1页
跟着节气学计算机视觉|趣味科学课堂课件_第2页
跟着节气学计算机视觉|趣味科学课堂课件_第3页
跟着节气学计算机视觉|趣味科学课堂课件_第4页
跟着节气学计算机视觉|趣味科学课堂课件_第5页
已阅读5页,还剩49页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

202X1.课程开篇:从节气到计算机视觉的相遇演讲人2026-06-12XXXX有限公司202X04/课堂实操:典型节气主题的教学案例03/课程整体设计:以节气为线索的CV教学体系02/基础认知:先搞懂两个核心概念01/课程开篇:从节气到计算机视觉的相遇06/拓展延伸:从课堂到生活的CV应用05/教学实施与效果反馈目录07/课程总结与展望跟着节气学计算机视觉|趣味科学课堂课件作为一名深耕计算机视觉科普与教育领域8年的从业者,我曾在无数次公开课上被问到同一个问题:“计算机视觉到底是什么?能不能用我们熟悉的东西来解释?”直到2021年的一次校园科普活动,我带着学生用手机拍摄校园里的植物,并用AI模型识别它们的种类,有个六年级的学生指着屏幕上的“桃”字说:“这不就是我们课本里的惊蛰吗?”那一刻我突然意识到,二十四节气——这个承载了千年农耕智慧的时间坐标,或许就是连接大众与计算机视觉的最佳桥梁。本课件将以节气为线索,循序渐进地拆解计算机视觉的核心概念与应用场景,让传统文化与前沿科技在课堂上碰撞出火花。XXXX有限公司202001PART.课程开篇:从节气到计算机视觉的相遇1我的从业背景与课程初衷2015年我从计算机视觉专业硕士毕业后,先后参与过工业缺陷检测、医疗影像辅助诊断等项目,在一线技术落地中发现一个普遍问题:多数人对计算机视觉的认知停留在“人脸识别”“自动驾驶”等宏大场景中,认为这是只有专业人士才能接触的“黑科技”。2020年疫情期间,我开始尝试做线上科普,最初用“给AI喂猫片”的例子讲解图像分类,却发现学生们的注意力很难持续。直到那次惊蛰节气的校园拍摄活动,学生们将拍到的蜜蜂与课本里的“蛰虫始振”联系起来,我才找到破解困境的方向:将科技与大众熟悉的文化符号结合,而二十四节气无疑是最具共鸣的载体。2节气与CV的天然契合点我在设计课程时,总结出节气与计算机视觉的四大天然适配性:可量化的特征规律:每个节气的温度、光照、物候都有明确的周期性变化,比如立春后气温回升、惊蛰后昆虫复苏,这些特征可以被转化为计算机可以识别的图像数据;场景多样性:每个节气对应独特的自然景观与人文活动,从春日的梅花到冬日的雪景,从清明的青团到冬至的饺子,覆盖了图像分类、目标检测等几乎所有基础CV任务场景;文化共情基础:作为中华优秀传统文化的核心符号,多数中国人对节气有基础认知,能够快速进入学习场景;教学的递进性:从立春到大寒,节气的视觉特征从简单到复杂,恰好匹配CV任务从入门到进阶的学习节奏。XXXX有限公司202002PART.基础认知:先搞懂两个核心概念1二十四节气:农耕文明的时间智慧二十四节气起源于先秦时期,在西汉《淮南子》中完成完整记载,是古人通过观察太阳周年运动,总结出的指导农耕的时间体系。每个节气分为三候,共72候,每候对应一种物候现象:比如立春三候为“东风解冻、蛰虫始振、鱼陟负冰”,清明三候为“桐始华、田鼠化为鴽、虹始见”。直到今天,节气依然影响着我们的生活,比如清明祭扫、冬至吃饺子等习俗,都是节气文化的延续。2计算机视觉:让机器“看懂”世界计算机视觉(ComputerVision,简称CV)是人工智能的一个分支,核心目标是让计算机像人类一样“看懂”图像与视频数据。我在课堂上会用一个简单的比喻解释:“就像我们的眼睛会先识别轮廓,再识别细节,CV模型就是通过学习大量图像数据,让计算机学会识别物体、理解场景的技术。”常见的CV任务包括:2计算机视觉:让机器“看懂”世界2.1图像分类给整张图像贴上标签,比如判断一张照片是“春日梅花”还是“冬日雪景”,是最基础的CV任务;2计算机视觉:让机器“看懂”世界2.2目标检测在图像中找到特定物体的位置,并用矩形框标注出来,比如在惊蛰的照片中找到蜜蜂;2计算机视觉:让机器“看懂”世界2.3语义分割将图像中的每个像素分到对应的类别中,比如将清明的照片分为“草地、天空、建筑”三个类别;2计算机视觉:让机器“看懂”世界2.4姿态估计分析图像中物体或人体的空间姿态,比如测量夏至日的影子长度,计算太阳高度角;2计算机视觉:让机器“看懂”世界2.5图像生成通过AI模型生成全新的图像,比如根据“冬至雪景”的描述生成对应的画面。XXXX有限公司202003PART.课程整体设计:以节气为线索的CV教学体系1教学目标与受众定位能够使用轻量化CV工具完成节气相关的图像处理;理解5种基础CV任务的核心逻辑;掌握二十四节气的基本常识与物候特征;建立“科技与文化融合”的思维方式。本课程的受众主要为3-9年级的中小学生,以及对计算机视觉感兴趣的普通大众。核心教学目标包括:2课程阶段划分:从入门到进阶我将整个课程分为三个阶段,循序渐进地推进学习:2课程阶段划分:从入门到进阶2.1入门阶段(1-2课时)聚焦基础概念学习,以立春、雨水两个节气为载体,完成图像分类任务,让学生快速建立对CV的直观认知;2课程阶段划分:从入门到进阶2.2进阶阶段(3-4课时)学习目标检测、语义分割等任务,以惊蛰、清明、立夏等节气为载体,拆解节气场景的视觉特征;2课程阶段划分:从入门到进阶2.3创新阶段(1-2课时)学习姿态估计、图像生成等进阶任务,以夏至、冬至等节气为载体,完成自主创作与拓展实践。3分节气的CV任务对应表为了让课程逻辑更清晰,我整理了一套完整的节气与CV任务对应表,覆盖全部24个节气:|节气|对应CV任务类型|核心学习目标||--------|----------------------|----------------------------------||立春|图像分类|识别春日标志性景物||雨水|目标检测|寻找春雨后的水珠与返青植物||惊蛰|目标检测|识别蛰伏的昆虫与发芽的枝条||春分|语义分割|拆解春分时节的田野与河流场景||清明|图像分类+目标检测|识别祭扫场景与清明特色食物|3分节气的CV任务对应表|谷雨|语义分割|区分茶园与稻田的视觉差异||小满|目标检测|寻找成熟的麦穗与枇杷||芒种|语义分割|识别麦田与稻田的收割场景||夏至|姿态估计|测量最短影子长度与太阳高度角||小暑|图像生成|生成夏日避暑场景的AI画作||大暑|目标检测|寻找夜间的萤火虫||立秋|图像分类|识别秋日落叶与桂花||处暑|语义分割|区分山林与农田的秋季景观||白露|目标检测|寻找叶片上的露水||立夏|图像分类|识别夏日荷花与蝉蜕等特征|3分节气的CV任务对应表|秋分|姿态估计|测量太阳高度角的变化||寒露|图像生成|生成秋日夜景的AI画作||霜降|目标检测|识别霜花与红叶||立冬|图像分类|识别冬日腊梅与雪景||小雪|语义分割|区分屋顶、树木与地面的积雪场景||大雪|图像生成|生成冬日故宫雪景的AI画作||冬至|姿态估计|测量最长影子长度与日照时长||小寒|目标检测|寻找冰挂与雾凇||大寒|图像分类+图像生成|识别年货与春联,生成冬日团圆场景|XXXX有限公司202004PART.课堂实操:典型节气主题的教学案例1案例一:立春图像分类——识别春日特征1.1节气知识引入(5分钟)我会先播放一段1分钟的立春物候短视频,讲解立春的三候与咬春饼的习俗,随后提问:“大家能说出3种春天的标志性事物吗?”学生们通常会回答梅花、新芽、风筝等,我会将这些关键词写在黑板上,作为后续AI识别的参考标签。1案例一:立春图像分类——识别春日特征1.2CV原理讲解(10分钟)我会拿出提前准备的两张照片:一张是春日的梅花,一张是冬日的雪景,然后问学生:“你怎么分辨这两张照片?”学生们会回答“颜色”“植物状态”等,随后我会引出图像分类的概念:“AI就像我们一样,会通过学习大量的春日照片,记住梅花的颜色、新芽的形状这些特征,从而判断一张照片是不是春天的。”我会现场演示用GoogleTeachableMachine这个免费工具,上传10张春日照片与10张冬日照片,训练一个简单的分类模型,随后用新的照片测试,展示识别结果。1案例一:立春图像分类——识别春日特征1.3实操环节(20分钟)我会给每个小组分发提前准备好的图像数据集,包括20张图像,其中10张是春日场景,10张是其他季节的场景。学生们需要用训练好的模型识别每张照片,并记录识别结果,对比自己的初始判断与AI的识别结果。我会在教室里巡视,帮助有困难的小组调整模型参数。1案例一:立春图像分类——识别春日特征1.4小组讨论(10分钟)每个小组需要派代表分享“AI最容易识别错的图像是什么?为什么?”,比如有小组会发现“带雪的梅花照片”容易被识别为冬日场景,引导学生总结出“光照、背景”等影响CV识别的因素。2案例二:惊蛰目标检测——寻找蛰伏的生命2.1节气知识引入(5分钟)我会讲解惊蛰的“蛰虫始振”,展示校园里拍到的蜜蜂、柳树新芽的照片,提问:“惊蛰的时候,哪些小动物会从冬眠中醒来?”学生们会回答蜜蜂、蝴蝶、青蛙等,随后我会展示一张没有标注的校园惊蛰照片,问:“大家能在这张照片里找到几只蜜蜂?”2案例二:惊蛰目标检测——寻找蛰伏的生命2.2CV原理讲解(10分钟)我会引出目标检测的概念:“就像我们能在花丛里找到蜜蜂,AI也能通过学习大量的蜜蜂照片,学会在图像中框出蜜蜂的位置。”我会现场演示用百度AI开放平台的目标检测工具,上传一张蜜蜂的照片,展示识别框的效果,随后讲解“卷积神经网络”的基本逻辑——就像我们的眼睛会先识别蜜蜂的翅膀、触角这些特征,再确定它的位置。2案例二:惊蛰目标检测——寻找蛰伏的生命2.3实操环节(20分钟)每个小组会拿到5张提前拍摄的校园惊蛰场景照片,需要用目标检测工具上传照片,框出里面的小动物与植物,统计每个小组找到的物体数量。我会设置一个小竞赛,找到最多物体的小组可以获得小奖品。2案例二:惊蛰目标检测——寻找蛰伏的生命2.4拓展环节(10分钟)我会给学生们展示一张夜晚拍摄的蜜蜂照片,问:“这时候AI还能找到蜜蜂吗?”引导学生讨论光照对CV识别的影响,随后让学生们尝试用调整亮度的方式,让AI重新识别照片。3案例三:夏至姿态估计——测量光影的秘密3.1节气知识引入(5分钟)我会讲解夏至是一年中白昼最长的一天,太阳高度角最高,影子最短,随后提问:“大家知道怎么测量影子的长度吗?”学生们会回答用尺子量,我会进一步提问:“如果我们不在现场,能不能用照片测量影子的长度?”3案例三:夏至姿态估计——测量光影的秘密3.2CV原理讲解(10分钟)我会引出姿态估计的概念:“AI可以通过识别图像中的人体与影子,计算出像素比例,再结合已知的人体身高,换算出影子的实际长度。”我会现场演示用MediaPipe这个开源工具,上传一张人体照片,识别出人体的关键点,随后计算影子的像素长度。3案例三:夏至姿态估计——测量光影的秘密3.3实操环节(20分钟)我会让学生们在夏至当天的正午,用手机拍摄自己的影子,随后上传到姿态估计工具,识别出自己的身高与影子的像素长度,计算出实际的影子长度,对比用尺子测量的结果。我会给学生们展示一个计算示例:“如果我们的身高是1.5米,影子的像素长度是300像素,照片里的尺子像素长度是100像素,实际尺子长度是30厘米,那么影子的实际长度就是(300/100)*30=90厘米。”3案例三:夏至姿态估计——测量光影的秘密3.4讨论环节(10分钟)每个小组会分享自己的测量结果,讨论“为什么每个人的影子长度不一样?”,引导学生总结出太阳高度角、纬度、时间等影响影子长度的因素。4案例四:冬至图像生成——绘制冬日意境4.1节气知识引入(5分钟)我会讲解冬至的“阴极之至,阳气始生”,以及冬至吃饺子的习俗,随后提问:“大家印象中的冬至是什么样子的?”学生们会回答雪景、腊梅、吃饺子的一家人等,我会将这些关键词写在黑板上,作为后续AI生成的提示词。4案例四:冬至图像生成——绘制冬日意境4.2CV原理讲解(10分钟)我会引出图像生成的概念:“AI可以通过学习大量的冬至场景照片,学会生成新的冬至图像,就像我们自己画一幅画一样。”我会展示几个用StableDiffusion生成的冬至雪景图片,讲解扩散模型的基本逻辑——从一张噪声图开始,一步一步地还原出我们想要的图像。4案例四:冬至图像生成——绘制冬日意境4.3实操环节(20分钟)每个小组需要用文心一言的图像生成功能,输入提示词“冬至的雪景,腊梅,吃饺子的一家人”,生成自己的冬至图像,随后展示给全班同学,讲解自己的提示词。我会让学生们尝试修改提示词,比如“冬至的故宫雪景”“冬至的乡村雪景”,对比不同提示词的生成效果。4案例四:冬至图像生成——绘制冬日意境4.4创作环节(10分钟)学生们需要为自己生成的冬至图像写一段100字的描述,解释自己的创作思路,随后我会将优秀的作品贴在教室的展示墙上。XXXX有限公司202005PART.教学实施与效果反馈1课堂流程设计(以45分钟课时为例)以立春的图像分类课程为例,我会按照以下流程开展教学:1课堂流程设计(以45分钟课时为例)|时间节点|教学内容|215|----------|------------------------------||0-5分钟|课程引入,播放立春物候短视频||30-40分钟|小组讨论,总结识别特征|4|15-30分钟|实操环节,训练与测试分类模型|3|5-15分钟|讲解节气常识与图像分类原理|6|40-45分钟|课程总结,布置课后作业|2试点课程的真实反馈05040203012022年我在杭州某小学试点了12节节气CV课程,共覆盖240名学生,课后我收集了学生与老师的反馈:学生参与度:92%的学生表示“非常感兴趣”,8%的学生表示“比较感兴趣”,没有学生表示“不感兴趣”;知识掌握情况:课后测试显示,85%的学生能够正确说出图像分类的定义,78%的学生能够识别3种以上的春日特征;反馈意见:有学生提出“能不能用自己拍的照片来做实验”,有学生提出“能不能用CV来识别节气的食物”;教师反馈:该小学的科学老师表示,“这个课程将传统文化与科技结合,让学生在玩中学,既学到了节气知识,又了解了AI的基本原理,非常适合中小学生的科普教育”。2试点课程的真实反馈其中有个六年级的学生课后跟我说:“原来我每天背的二十四节气,不是只有课本里的文字,还有这么多科技的小秘密。”这句话让我坚定了继续推进这个课程的决心。XXXX有限公司202006PART.拓展延伸:从课堂到生活的CV应用1结合物联网的节气监测我曾与杭州某农业科技公司合作,将CV技术与物联网结合,应用于茶园的节气监测:通过安装在茶园的摄像头,用CV模型识别茶叶的生长阶段,结合二十四节气的时间规律,判断采茶的最佳时机。这个项目不仅提高了采茶的效率,也让学生们了解到CV技术在农业生产中的实际应用。2自主创作节气科技作品制作一个“节气检测器”,用手机拍摄照片,识别照片对应的节气;制作一个“节气生成器”,用AI生成自己的节气海报。制作一个“节气相册”,用CV工具分类自己拍摄的节气照片;学生们可以在课后完成以下节气科技作品:3跨学科融合STEP03STEP04STEP01ST

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论