小学五年级AI创客：智能杯子饮水机图像识别控制系统教案

小学五年级AI创客：智能杯子饮水机图像识别控制系统教案

一、教学设计基础

（一）学科定位与学段归属

本教学设计精准定位于小学五年级跨学科主题学习范畴，有机融合小学科学课程中物质科学领域“水的流动与利用”核心概念、小学信息科技课程中“过程与控制”“人工智能初步”模块的学业要求，以及劳动与技术教育课程中“简易模型设计与制作”的实践目标。依据《义务教育科学课程标准（2022年版）》中“技术与工程领域”跨学科主题建议与《义务教育信息科技课程标准（2022年版）》“人工智能与智慧生活”内容模块，本课将前沿AI技术降维至小学高年级认知基线，以真实问题为导向，开展深度项目式学习。

（二）课题溯源与育人价值

【非常重要】本课题“智能杯子饮水机图像识别控制系统”源于学生每日经历的校园饮水场景。传统按压式或拨杆式饮水设备存在手部接触式交叉感染风险，且无法针对不同容量杯具实现差异化出水。学生基于这一真实痛点，提出构建非接触式、具备简单视觉认知能力的智能饮水装置模型。通过引入人工智能图像识别技术，利用摄像头实时辨识放置在接水区的杯子类型（如矮胖杯、瘦高杯、异形杯），进而驱动水泵执行不同时长的出水动作，实现“识别—判断—执行”的闭环控制。本课题天然承载了科学原理实证（大气压、水位平衡、流体速度）、技术工具应用（传感器校准、执行器驱动、主控板编程）、工程思维迭代（需求分析、原型搭建、测试优化）、艺术审美表达（外观结构设计、人机交互界面）及数学逻辑建模（阈值设定、数据集划分）五大维度的整合，是STEAM教育理念在小学落地的高品质载体。【热点】在“人工智能教育普及化”与“创新人才培养早期化”的政策驱动下，本设计将通常仅在中学或大学接触的机器学习模型训练过程，以图形化、游戏化的方式完整引入小学课堂。学生将亲历“问题定义—数据采集—特征提取—模型训练—性能评估—应用部署”的微型AI工程全生命周期，不仅掌握图像分类技术原理，更在认知层面建立起“数据驱动决策”的系统观，有效培育计算思维、批判性思维及数字化创新与责任素养。

（三）课时架构与逻辑关联

本教案规划为4个连续课时，每课时40分钟，亦可整合为半日创客马拉松工作坊。第1课时锚定于真实情境，完成问题聚焦、需求分析与系统功能定义；第2课时深耕于算法内核，实施图像数据采集、机器学习模型训练及性能诊断；第3课时着眼于物理实现，开展结构件搭建、电路连接与底层程序烧录；第4课时回归于系统融合，进行整机联调、参数优化、路演展评与伦理反思。四课时形成“情境—算法—物化—升华”的螺旋上升闭环。

二、教学目标与核心素养锚点

依据核心素养导向的课程改革理念，本课教学目标采用可观察、可测量的具体行为动词表述，并分层级标注学业质量水平。

1.科学观念【基础】：准确描述饮水机实现自动供水的物理原理（连通器液面平衡、微型直流水泵扬程特性）；举例说明传感器（超声波测距、摄像头成像）在智能控制系统中的输入功能；识别人工智能图像识别技术中“数据—模型—预测”的三段式逻辑框架。

2.科学思维【重要】：运用系统论方法分解智能饮水机为感知层、决策层、执行层，绘制结构与功能流程图；通过控制变量法设计对比实验，系统探究训练图片数量、光照条件、杯子颜色对识别准确率的量化影响，并基于证据优化数据集构成；在调试故障时运用因果推理与二分法排查策略。

3.探究实践【非常重要】：能够独立使用TeachableMachine或类似图形化机器学习平台，完成至少三类杯子（含负样本“无杯子”）的图像数据集构建，执行模型训练并实时测试；能够依据机械图纸使用瓦楞纸、亚克力或3D打印构件组装饮水机外壳及杯托；能够基于Micro:bit或Arduino平台编写结构化程序，通过串口/GPIO接收识别结果并控制继电器驱动水泵；完成具有基本智能识别功能的实物模型。

4.态度责任【重要】：在小组协作中自觉遵守工程伦理，主动讨论算法偏见对特殊人群（如使用加粗握柄杯的残障学生）的不公现象，并提出增加特殊类别训练数据等改进方案；形成节水护水意识，在设计中考量废水回收或溢水报警机制；尊重知识产权，在模型训练中不使用未经授权的图片素材。

5.【高频考点】图像识别技术核心三环节：图像采集、特征训练、分类预测；过程与控制系统的典型结构：输入（传感器）、计算（主控板）、输出（执行器）；机器学习基本术语：数据集、标签、准确率、泛化能力。

三、教学重难点精准界定

1.教学重点

【非常重要】图像分类模型的自主训练与迭代优化：学生不仅能够机械地点击“训练”按钮，更需理解训练数据规模与多样性如何直接影响模型性能，并主动通过增拍图片（不同角度、光线、背景）、均衡类别样本数量等手段提升模型鲁棒性。

【基础】智能控制系统工作流的具身建构：摄像头捕获杯子图像→AI推理引擎输出类别标签与置信度→主控板接收结果执行条件判断→水泵继电器吸合/释放→LED指示及出水动作。此流程序列化知识必须通过操作内化。

2.教学难点

【难点】机器学习中“过拟合”与“泛化”的隐性概念转化：五年级学生难以抽象理解模型在训练集上表现优异却在测试集上失效的现象。需借助“死记硬背型学生vs理解应用型学生”角色扮演类比，将算法黑箱透明化。

【难点】软硬件异构系统协同工作：图像识别模型可能运行于Web端或专用AI摄像头，而控制程序烧录于主控板，二者间需通过串口通信协议或I/O电平交互。小学生对通信波特率、数据帧解析易产生认知负荷，需提供高度封装的代码积木块及可视化调试工具。

四、教学全要素准备

1.教师资源包：计算机教室环境或移动终端设备，每小组配备一台连接互联网的笔记本电脑或Chromebook；TeachableMachine平台教师控制台预置演示项目；Micro:bitV2主控板及电机驱动扩展板、HuskylensAI摄像头（预置MobileNet轻量模型）或普通USB摄像头；微型潜水泵、硅胶水管、继电器模块、5V电源模组；激光切割亚克力结构件套材（含杯托、摄像头支架、底座）、瓦楞纸备用耗材；多种颜色及容积的塑料实验杯（250ml矮杯、500ml高杯、带把手异形杯）；教学PPT、四段微课（《怎样拍出好照片》《机器学习小侦探》《电路焊接安全须知》《调试排故四步法》）；学习任务单、小组互评量规、故障记录卡。

2.学生前置准备：以4人异质小组为单位，成员分别承担结构工程师（负责外观搭建）、算法工程师（负责模型训练）、硬件工程师（负责电路连接）、项目经理（负责统筹与汇报）；课前利用家庭资源采集10张不同角度、背景下的自备杯子照片；观看教师发布的2分钟动画《AI认杯子》，初步了解机器学习概念。

3.环境场域营造：教室桌椅重组为“六边形创客工岛”，每岛配置电源插排、工具收纳盒；墙壁张贴“AI工程伦理三原则”挂图、“传感器图鉴”海报；设置“材料自选区”与“故障问诊台”。

五、教学实施过程深度解构

【非常重要】教学实施过程采用“四阶十二步”沉浸式项目学习范式，每一环节均渗透“教师作为引导者、学生作为探究者”的新型师生关系，以下呈现完全展开的课堂实录级描述。

（一）第一课时：问题域锚定与认知模型初构

1.超情境导入·激活旧知（5分钟）

教师播放剪辑视频：校园饮水机前长龙，一位手缠绷带的学生费力按压按钮，面露难色。定格画面，抛出发散性问题：“如何利用我们身边的技术，让这位受伤的同学无需接触就能接到水？”学生瞬时迸发方案：声控开关、脚踏板、红外线感应、人脸识别门禁改造……教师肯定所有创意，继而聚焦：“当前我们最易实现、成本可控且足够酷的方案是什么？”展示预制的半透明智能饮水机模型，现场演示：将红色水杯放入接水区，水泵自动启动3秒；放入蓝色高脚杯，水泵启动5秒。学生惊呼，认知冲突被成功激发。【重要】教师随即揭示课题，并将板书核心词锚定为“让机器看懂杯子——图像识别”。

2.需求解构与功能定义（10分钟）

各小组使用KWL策略表，左栏Write（我们已经知道的智能设备）、中栏Want（我们想让饮水机具备哪些本领）、右栏Learned留白。组内交流后，全班生成功能需求池。教师在电子白板分类汇总：【基础必备】自动识别杯子→立刻出水；自动停止→水满或杯子离开。【拓展进阶】不同杯型对应不同出水量；缺水报警。【创新挑战】语音播报水温；手势暂停。此环节是【高频考点】“系统输入—输出分析”的隐性渗透，学生自然将需求映射为“需要摄像头输入、需要水泵输出、需要单片机判断”。

3.人体黑箱模拟·具身认知（15分钟）

为化解机器学习抽象性，教师发起“我是智能饮水机”戏剧化体验活动。每组4人：A生站立手持不同杯子（传感器），B生背对A生，通过A生描述“杯子是矮胖、红色”等信息，在脑中匹配记忆（模型推理），然后大声喊出“这是小杯，出水3秒！”；C生听到指令后按压秒表（执行器），D生记录准确率。一轮后交换角色，教师引导复盘：“B生为何起初总是认错？因为他‘训练’时见过的杯子太少——就像机器学习需要海量照片。”学生顿悟：智能不是天生的，是喂数据喂出来的。【非常重要】至此，学生已自主建构AI系统的三个核心模块：采集、训练、推理。

4.概念锚点固化（8分钟）

教师播放自制微课《机器学习小侦探》，以“训练警犬识别违禁品”类比：先给狗看大量行李箱照片并标记（数据标注），狗记住特征（训练），安检时发现可疑箱包吠叫（预测）。无缝迁移至计算机视觉：照片→像素矩阵→特征层→分类得分。此处不涉及数学公式，仅强调“计算机通过反复比对像素差异来学会区分”。学生完成学习任务单第一部分：将“摄像头、模型、水泵、杯子”填入流程图箭头空缺。

5.设计思维可视化（2分钟）

发放半透明硫酸纸，小组合作绘制第一版智能饮水机工程草图，要求标注摄像头视野区、杯子放置定位槽、水管走向。教师巡回使用“三色便利贴”反馈：绿色贴表示结构合理，黄色贴提示考虑光线遮挡，红色贴建议重新思考水流路径。草图即形成性评价证据。

（二）第二课时：算法深度探究与数据伦理启蒙

1.数据采集规范现场建构（8分钟）

【难点】教师在大屏并列展示两组训练照片：A组10张，均为杯子在纯白背景、正面、强光下的照片；B组10张，包含侧面、俯视、弱光、背景杂乱、部分遮挡等状态。现场训练对比：A组模型对现场新杯子识别准确率仅40%，B组达85%。学生直观感知“多样性”的价值。教师顺势发布“优秀数据集五条军规”：足够多、各种角度、各种光线、背景变化、包含负样本。小组立即行动，用平板电脑摄像头拍摄本组实验杯，每类杯子拍摄15张以上，同时拍摄20张“空接水区”照片归入“无杯子”类别。数据采集过程中，教师强调【重要】“不要只拍完美照片，越乱越聪明”。

2.模型训练与实时测试（15分钟）

登录TeachableMachine平台，新建图像项目，将三类杯子（矮杯、高杯、异形杯）及负样本分别命名并上传图片。点击“训练模型”，20秒后训练完成。小组立刻用未参与训练的“陌生杯子”现场测试，界面显示各类别置信度条形图。教师组织快速数据汇总：哪个组准确率最高？为什么？胜出小组分享经验——他们特意在杯子里装了不同水位的水，让杯底图案有所变化。这一发现引发全场热议，学生主动追加图片，进入“训练—测试—再训练”循环。教师提炼【非常重要】核心概念：准确率不仅取决于图片数量，更取决于图片是否覆盖了未来使用时的各种变化。

3.模型导出与硬件对接桥接（5分钟）

面对“电脑上的模型怎么进入饮水机大脑”这一真实困惑，教师展示两种技术路线：方案A（低门槛）——使用HuskylensAI摄像头，将训练好的模型通过专用软件烧录至摄像头内置SD卡，摄像头独立完成采集与推理，并通过串口直接发送物体ID给Micro:bit；方案B（高挑战）——使用普通USB摄像头在电脑端推理，通过Python脚本将识别结果以模拟键盘按键方式发送给Micro:bit。根据本班学情，统一采用方案A，教师演示模型导出为.tflite文件并烧录的过程，学生记录关键步骤。

4.算法公平性思辨·社会情感学习（7分钟）

【热点】教师展示一只特殊杯子：握柄处缠绕了防滑胶带，外形非对称。提问：“我们的模型从没看过这种杯子，它会怎么判断？如果识别错误，导致出水量极少或不出水，这位使用者会有什么感受？”学生沉默后发言：他会觉得被歧视，AI不公平。教师引入“算法偏见”概念，并指出这不是杯子的问题，是训练数据的问题。小组紧急决议：为特殊人群增加“防滑握柄杯”类别，并现场拍摄该杯子不同角度的照片并入数据集重新训练。此环节将冰冷的技术操作赋予了温度，学生真切理解信息社会责任不是口号，而是代码中的一行行标签。

5.思维外化与迁移验证（5分钟）

学习任务单第二部分：绘制“图像识别流水线”工业风示意图，必须包含数据采集车、模型工厂、质检员（测试）三个车间。拓展情境题：“如果想用这套技术识别垃圾分类投放，你需要采集哪些图片？会遇到什么困难？”学生写出“可能有人把脏纸巾扔进可回收，模型会错”，体现了对模型鲁棒性的深度思考。

（三）第三课时：物理原型物化与工程约束体验

1.结构迭代设计与快速成型（10分钟）

各小组取出第一课时的设计草图，结合摄像头视场角参数（Huskylens有效识别距离15~40cm）及水泵尺寸，修正结构方案。利用教师提供的激光切割亚克力标准件（预留摄像头孔位、杯托凹槽、水泵舱）进行快速装配，部分小组选择用瓦楞纸板创意改装，制作动物造型外壳。教师强调【基础】“结构服务于功能”：摄像头必须正对杯托中央，水管不可弯折，电路板需远离水渍区。学生在真实约束中体验工程设计是“妥协与优化的艺术”。

2.电子电路符号识别与连接（12分钟）

硬件工程师领取元件盒，对照彩色电路图进行“搭积木”式连接：将继电器IN引脚接Micro:bitP8口，VCC接3.3V，GND共地；水泵正负极接入继电器常开端与COM口；外接5V电源为水泵供电，注意不可直接驱动Micro:bit。教师示范“防反接保护”：二极管串联避免电流倒灌。多数小组一次连接成功，少数小组出现水泵不转现象，教师引导使用万用表蜂鸣档检测线路通断，定位到继电器线圈虚焊，补焊后正常。此环节学生掌握【高频考点】“低电压控制高电压”的继电器核心作用。

3.结构化编程与阈值调参（13分钟）

提供MakeCode图形化代码半成品，主程序逻辑如下：无限循环，读取Huskylens中已训练框内的物体ID；若物体ID=1且置信度>80%，则P8输出高电平，等待3000毫秒（小杯），P8输出低电平；若物体ID=2，等待5000毫秒（大杯）。学生需修改两个参数：置信度阈值（70%与90%的效果差异）、出水时长（匹配真实杯容量）。【非常重要】部分小组发现置信度调至90%后模型经常无响应，意识到是训练样本不足导致置信度普遍偏低，遂返回第二课时补充图片——跨课时迭代真实发生。

4.单元测试与故障预演（5分钟）

分别进行模块独立测试：①使用摄像头识别单独物体，观察串口监视器输出ID；②将水泵置于水杯中，编写独立程序驱动水泵通断；③模拟杯子放置，触发红外对射传感器。填写《硬件测试报告单》，记录电压值、水泵流量估算值。为第四课时集成排除隐患。

（四）第四课时：系统融合、性能进化与价值发布

1.整机系统联调·工程巅峰时刻（18分钟）

激动人心的总装环节：将已烧录模型的Huskylens固定至支架，连接Micro:bit主控板，接通水泵管路，水桶置于底座下方。学生依次放入各类杯子，期望看到完美出水。然而意料之中的“混乱”发生了：A组摄像头被亚克力挡板遮挡，识别区域只有杯柄；B组水泵扬程不足，水流细弱；C组模型将蓝色矮杯误判为高杯，出水过多溢出。教师不直接修复，而是引导学生运用【难点突破】“二分法隔离排故”：先判断是机械问题还是程序问题？手动按下继电器，水泵若喷水强劲，则排除机械，聚焦于识别逻辑；若仍无力，则检查水管是否漏气。各组化身“故障侦探”，在《故障记录卡》上绘制因果链。最终所有小组均使模型成功运行，尽管部分准确率仅70%，但学生成就感爆棚——这是他们亲手调教出的AI。

2.参数优化与功能微创新（10分钟）

针对联调暴露的短板，各小组开展“性能调优冲刺”：识别率低的小组立刻追加10张暗光照片并重训模型；溢水风险高的小组在程序中增加条件——若连续出水超5秒强制关闭水泵，或加装水位传感器作为双重保险；创意小组额外实现“语音播报”：利用Micro:bit语音合成模块，识别出杯子后播报“请取水，水温适宜”。【热点】此环节体现了典型的敏捷开发思想——小步快跑，快速迭代。

3.产品发布会·多元评价（10分钟）

教室变身为“202X人工智能新品发布会”，每组3分钟，形式不限（PPT、情景剧、实物演示）。评价采用“2星1愿”法：听众必须说出2个欣赏点（如“数据集很全面”“外壳涂装很科幻”）和1个改进建议（如“水管可以隐藏”）。教师手持《项目量规》从科学（原理清晰度）、技术（实现复杂度）、工程（结构可靠性）、艺术（外观美感）、数学（数据统计分析）五维度给予雷达图反馈。【高频考点】学生陈述中自然复现“图像分类、置信度、过拟合”等术语，知识迁移达成。

4.伦理反思与未来畅想（2分钟）

教师展示一张照片：非洲干旱地区儿童长途打水。提问：“今天我们做的饮水机，能用那里的塑料桶代替杯子吗？需要重新训练什么？”学生意识到模型迁移需要新数据集。进而讨论：“如果每个人都可以训练自己的AI，世界会怎样？”答案充满哲学思辨。教师总结：AI是镜子，映射训练者的价值观。以此收尾，将技术课升华为立德树人课。

六、教学评价系统矩阵

1.过程性评价（权重60%）：【重要】依托“AI创客护照”实时记录。采集数据点包括：数据集图片数量与多样性评分（机器学习平台后台统计）、模型测试准确率变化曲线、电路连接成功率（教师移动端勾选）、小组合作互评等级。每周生成班级AI素养雷达图，诊断群体薄弱项。

2.终结性评价（权重40%）：【高频考点】实物作品按“基础功能分”（识别准确率≥80