人工智能概论（财经商贸AI技术与应用）课件 单元1-6 人工智能技术发展及应用 - 操控机器“看懂”图像世界

模块一

开启人工智能之旅单元一

人工智能技术发展及应用人工智能概论——财经商贸AI技术与应用第一节

人工智能发展历程一、人工智能的萌芽期（一）数学与逻辑的基（二）计算机技术的突破二、人工智能发展的黄金时代（一）达特茅斯会议与AI命名（二）符号主义主导的早期成果（三）政策与资金支持三、人工智能发展的第一个寒冬期（一）挑战与批评（二）资金断崖与研究停滞四、人工智能复苏与知识工程时代（一）专家系统崛起（二）神经网络复兴五、人工智能发展的第二个寒冬与低谷期（一）商业泡沫破裂（二）低谷中的孕育与转向六、人工智能进入数据驱动时代（一）大数据与计算力突破（二）关键技术突破七、现代AI时代（一）里程碑事件（二）技术趋势与核心挑战八、人工智能的当前挑战与未来方向（一）人工智能发展面临的主要挑战（二）人工智能的未来发展方向一、人工智能的萌芽期1936年至1956年间可以称为人工智能的萌芽期，此阶段的核心在于理论奠基与物理实现的初始探索。研究者们通过对数学、逻辑和计算本质的追问，从理论上回答了“什么是智能行为”以及“如何用机器实现”，并在早期计算机上进行了初步实践，为人工智能学科的诞生铺平了道路。一、人工智能的萌芽期（一）数学与逻辑的基础本阶段解决了智能计算的“可能性”与“评判标准”两大根本问题。1936年，图灵提出“图灵机”理论，为机器模拟智能提供了理论依据。1950年，他提出“图灵测试”，首次为判定机器智能提供了可操作标准，奠定了人工智能的研究方向。（二）计算机技术的突破1943年M-P模型将神经元简化为二元逻辑单元，开创连接主义范式。1951年SNARC成为首台神经网络硬件，用3000个真空管模拟40个神经元，以赫布规则实现试错学习，电子老鼠迷宫实验成为机器学习里程碑。二、人工智能发展的黄金时代1956年至1974年间可以称为人工智能发展的黄金时代，此阶段是人工智能作为独立学科的“创立与乐观探索期”。在“物理符号系统假设”（即智能行为可以通过对符号的操纵来实现）的信念下，研究者们试图用逻辑和规则来让机器模仿人类的推理、学习和语言能力，并在诸多领域取得了开创性成果，催生了第一波对通用人工智能的乐观预期。二、人工智能发展的黄金时代（一）达特茅斯会议与AI命名1956达特茅斯会议确立“人工智能（AI）”学科名称标志AI成为独立研究领域奠定未来数十年研究格局（二）符号主义主导的早期成果时间系统贡献局限1957感知机首个学习模型，从样例中学习仅线性可分1966ELIZA人机对话先驱，引发哲学讨论无真正理解1970sSHRDLU符号主义巅峰，自然语言推理手工规则，难以扩展（三）政策与资金支持DARPA长期资助MIT、斯坦福、卡内基梅隆等高校AI项目，将学术探索与国家需求结合，加速原型开发，培育顶尖研究团队，奠定美国AI领先地位的制度基础。三、人工智能发展的第一个寒冬期1974年，AI因《莱特希尔报告》和资金断裂，陷入首个寒冬期。维度核心内容时间1974-1980年技术根源符号主义局限（无法处理模糊性与常识）+硬件瓶颈（内存小、速度慢）+感知机理论局限致命一击1973年《莱特希尔报告》批评AI未实现承诺，英国停止资助资金断崖DARPA大幅削减通用AI资助后果学术项目终止、工业实验室关闭，研究陷入约六年低潮标志词“AI寒冬”成为科研泡沫破裂经典案例四、人工智能复苏与知识工程时代1980年代，专家系统商业化与反向传播算法成熟，推动AI复苏。维度核心内容时间1980-1990年核心范式知识工程（智能源于领域知识）专家系统XCON系统：2500条规则，准确率60%→95%，年省4000万美元，首个“杀手级应用”第五代计算机日本1982年启动，未完全成功，但促使全球加大AI投入神经网络复兴1986年反向传播算法成熟，解决多层网络训练难题，宣告连接主义复兴历史意义为21世纪深度学习爆发奠定理论与人才基础五、人工智能发展的第二个寒冬与低谷期1990年代，专家系统泡沫破裂致AI再入寒冬，而“深蓝”的胜利预示了新纪元的到来。维度核心内容时间1990-2000年寒冬原因专家系统手工知识成本高、无法泛化；LISP市场崩溃，资本撤资理论转向从符号主义转向统计学习，SVM发展，神经网络持续探索工程巅峰1997年“深蓝”击败卡斯帕罗夫，每秒评估2亿个位置历史定位专用智能的终点，通用智能的起点六、人工智能进入数据驱动时代深度学习引爆第三次AI浪潮，征服视觉与游戏。维度核心内容范式转变知识工程→数据驱动的表示学习算力引擎GPU并行计算，2006年起步，2009年验证，2012年AlexNet引爆标志算法2006年深度信念网络（深度学习正式成型）视觉突破2012年AlexNet，ImageNet错误率26%→15.3%决策突破2015年DQN，Atari游戏超越人类七、现代AI时代2016-2022年，Transformer奠基，生成式AI崛起，全球治理从共识走向立法。维度核心内容AlphaGo2016击败李世石，超越人类直觉BERT2018预训练+微调范式，变革NLPChatGPT2022用户两月破亿，AI从识别到创造技术基石2017Transformer架构，统一多模态全球治理2021联合国伦理建议书；2024欧盟AI法案获批八、人工智能的当前挑战与未来方向人工智能的最终成功，取决于人类能否在技术创新与社会价值之间、在能力跃升与风险控制之间，找到一条稳健、包容且可持续的平衡发展之路。维度核心内容当前定位转折点：技术瞩目，挑战严峻三大挑战AGI认知鸿沟·粗放式资源依赖·伦理安全风险显性化四大方向轻量化/稀疏化·多模态与具身智能·可解释性AI·负责任创新全球治理2024欧盟AI法案获批，2026透明度条款生效核心理念从“更大”转向“更巧”“更绿”“更可信”第二节人工智能关键技术与应用实践一、规则系统与专家系统（一）规则系统（二）专家系统二、机器学习（一）机器学习是从“编程知识”到“学习模式”的范式演进（二）代表性技术与核心算法三、深度学习（一）深度学习的技术范式（二）深度学习的代表性技术四、大模型（一）大模型的技术范式（二）大模型的代表性技术八、人工智能的当前挑战与未来方向人工智能技术范式与能力演进简表时间阶段技术范式决策式AI代表生成式AI代表关键事件1950s—1980s规则系统专家系统逻辑推理——达特茅斯会议(1956)1990s—2010机器学习支持向量机决策树——DeepBlue(1997)2006—2019深度学习图像分类语音识别RNN（循环神经网络）

LSTM（长短期记忆网络）GAN（生成对抗网络）AlexNet(2012)AlphaGo(2016)2020—至今大模型多任务判别增强分析GPT系列DALL-ESoraTransformer(2017)GPT-3(2020)ChatGPT(2022)一、规则系统与专家系统规则系统是AI起点，专家系统是首座商业化高峰。维度核心内容规则系统IF-THEN规则，计算机自动执行专家系统规则系统的巅峰应用，狭窄领域模拟专家决策关键能力庞大知识库+不确定性处理+决策解释典型应用信贷审批、税务合规审计二、机器学习机器学习从“人类编程知识”转向“机器从数据中归纳规律”。维度核心内容范式跃迁从“编程知识”到“学习模式”核心逻辑算法从历史数据中学习决策函数，实现对新数据的预测逻辑回归二分类问题（是/否），简洁高效决策树树状规则，直观可解释支持向量机高维复杂数据，小样本优势三、深度学习深度学习实现自动特征提取，赋予AI感知能力。维度核心内容核心突破自动特征提取，摆脱人工依赖预测任务CNN（图像）、RNN/Transformer（语音、NLP）决策任务深度强化学习（围棋、自动驾驶、机器人）生成式AI起点GAN（生成-对抗博弈，2014）；VAE（压缩-还原，2013）历史意义从“识别”走向“创作”，引爆大模型时代四、大模型大模型从“专才”走向“通才”，以“预训练+微调/提示”实现“一模型万事通”。维度核心内容范式跃迁从“专才”到“通才”→“一模型万事通”核心机制预训练（吸收通用知识）+微调/提示（适配具体任务）预测决策多任务判别+逻辑推理与深度解读→“全能顾问”生成式AIGPT（对话/代码）、DALL-E（文生图）、Sora（文生视频）国产代表DeepSeek、智谱GLM、阿里千问等单元小结本单元梳理AI演进脉络：从理论奠基到专家系统，从神经网络到深度学习与大模型，揭示了从符号到连接、从规则到数据的范式变迁，为后续应用学习奠定基础。维度核心内容起点图灵测试、M-P模型范式演进符号主义→连接主义→数据驱动关键路径专家系统→神经网络→深度学习→大模型核心规律从规则驱动到数据驱动，从“专才”到“通才”学习目标理解AI发展内在逻辑，为各领域应用奠定基础模块一

开启人工智能之旅单元二

人工智能核心技术人工智能概论——财经商贸AI技术与应用第一节机器学习基本概念一、机器学习方法(一)监督学习(二)无监督学习(三)半监督学习(四)强化学习二、体验机器学习的“规律发现与预测”能力一、机器学习方法监督学习依赖标注数据，适用于信用评级等精准预测；无监督学习自主发现数据模式，适用于客户细分与异常检测；半监督学习结合少量标注与大量未标注数据，适用于风险预警；强化学习通过试错反馈优化策略，适用于自动驾驶与游戏博弈。一、机器学习方法方法核心逻辑适用场景监督学习带答案的数据训练，学完再预测信用评级、图像识别、医疗诊断无监督学习无答案，自主发现隐藏规律客户细分、异常检测、基因分析半监督学习少量答案+大量无答案，省力高效财务风险预警、大额交易审查强化学习尝试-反馈-优化，从奖惩中学策略自动驾驶、机器人控制、量化交易二、体验机器学习的“规律发现与预测”能力月份123456广告投入（万元）101512182025销售额（万元）506055707590若有某公司过去6个月中每月的广告投入和销售额数据如表2-1所示，现需分析广告投入和销售额之间是否存在关系？若该公司7月计划投入28万元广告费，请预测销售额可能达到多少？二、体验机器学习的“规律发现与预测”能力第二节深度学习基本概念一、深度学习的学习过程二、体验深度学习的“复杂模式识别与生成”能力一、深度学习的学习过程深度学习的多层神经网络结构二、体验深度学习的“复杂模式识别与生成”能力单元小结本单元阐释机器学习与深度学习的核心概念，解析四种学习方法的特点与适用场景，探讨深度学习在图像识别、NLP等任务中的机制与优势。通过案例分析，理解AI“从数据中学习”的核心思想，为后续应用奠定基础。维度核心内容方法体系监督学习·无监督学习·半监督学习·强化学习深度学习图像识别、NLP等复杂模式识别中的机制与优势核心思想AI“从数据中学习”实践方式广告销售额预测、财经概念理解等案例学习目标掌握典型应用场景，为AI实战应用奠定基础模块一

开启人工智能之旅单元三AI工具及其应用人工智能概论——财经商贸AI技术与应用第一节AI工具DeepSeek一、认识AI工具二、认识基于大语言模型的AI工具DeepSeek(一)DeepSeek初步认知(二)DeepSeek的使用方式(三)DeepSeek在财经商贸领域的典型应用场景一、认识AI工具AI工具是识别用户指令并作出响应的智能应用，涵盖生活与专业场景。传统AI功能单一，大模型驱动的新型AI（DeepSeek、Kimi、文心一言等）实现精准理解与流畅生成，可完成信息检索、内容创作、数据分析等任务，正成为数字经济基础设施。二、认识基于大语言模型的AI工具DeepSeek（一）DeepSeek初步认知DeepSeek是深度求索公司的智能助手品牌。具备强推理、多轮对话与超长上下文处理能力，可直接分析完整财报与法规文档。支持Python代码生成与Excel/CSV解析，可完成统计分析。擅长理解会计、税务、金融等专业术语，是财经商贸领域的得力工具。二、认识基于大语言模型的AI工具DeepSeek（二）DeepSeek的使用方式1．官方网页端与移动App2．API接口调用3．编程工具插件二、认识基于大语言模型的AI工具DeepSeek（三）DeepSeek在财经商贸领域的典型应用场景场景核心能力1.专业知识问答解读会计准则、税法、基本面分析、贸易术语2.数据洞察与风险识别解析财报、税负异常、市场趋势、库存中断风险3.决策支持与方案优化核算调整、税务筹划、投资组合、库存优化4.自动化流程与代码生成Excel公式、Python脚本、量化策略、自动抓取5.报告生成与内容创作审计说明、税务报告、投资建议书、供应商评估第二节AI工具高效交互技巧一、提示词与提示词工程二、高效提示词的核心四要素三、在DeepSeek中实践RBTO原则一、提示词与提示词工程向AI提问如同给新助手布置任务——指令越具体，反馈越精准。此类指令称为提示词，系统优化提示词的方法称为提示词工程。二、高效提示词的核心四要素要素核心内容示例R-Role明确AI扮演的角色“你是一位资深财务分析师”B-Background提供背景信息与约束“这是A公司2025年财报数据”T-Task动词开头的具体任务“计算毛利率并分析变动原因”O-Output规定输出形式与格式“以表格形式呈现，500字以内”三、在DeepSeek中实践RBTO原则采用低效提示词进行提问：什么是利润率？三、在DeepSeek中实践RBTO原则在提示词中引入角色与任务以财经导师的角色，向大一新生通俗易懂地解释“利润率”的概念。三、在DeepSeek中实践RBTO原则在提示词中补充背景与具体任务假设身为财经分析师，正在分析一家营业收入50万元、净利润10万元的奶茶店财务报表。请计算其净利润率，并阐释该计算结果的经济含义。三、在DeepSeek中实践RBTO原则在提示词中规定完整输出要求请扮演一位财经分析师角色。背景信息：一家奶茶店的营业收入为50万元，净利润为10万元。请完成以下任务：1．计算其销售净利率。2．以表格形式，对比该奶茶店与餐饮行业平均净利率（假设为15%）的差异。3．分析造成上述差异的两个潜在原因。4．撰写一段结论性文字。三、在DeepSeek中实践RBTO原则第三节AI工具分析报表数据一、使用DeepSeek探索数据二、使用DeepSeek进行数据分析三、迭代优化分析与AI结果验证一、使用DeepSeek探索数据一、使用DeepSeek探索数据二、使用DeepSeek进行数据分析二、使用DeepSeek进行数据分析二、使用DeepSeek进行数据分析三、迭代优化分析与AI结果验证你是一名高级会计师，请分析有没有平均净利润率的说法？三、迭代优化分析与AI结果验证你是一名高级会计师，请分析有没有平均净利润率的说法？单元小结本单元介绍DeepSeek等大模型AI工具的原理与应用，阐释提示词工程RBTO原则（角色、背景、任务、输出）。通过上市公司财务数据实战，训练数据探索、指标计算、报告生成等能力，初步形成AI辅助决策的思维模式。维度核心内容知识模块DeepSeek等大模型AI工具的基本原理与功能特点方法论提示词工程RBTO原则（角色·背景·任务·输出）实战任务上市公司真实财务数据→数据探索·指标计算·行业对比·财务分析报告核心目标掌握AI协作流程，理解人机协同逻辑思维培养初步形成AI赋能数据处理与决策分析的思维模式奠定基础为后续AI数据分析应用与创新提供支撑模块一

开启人工智能之旅单元四人工智能编程利器——Python人工智能概论——财经商贸AI技术与应用第一节Python语言及其在财经商贸领域的应用一、初识Python语言二、Python在财经商贸领域的典型应用一、初识Python语言Python三大优势：语法简洁（类似英语，易读易学）、生态强大（海量数据分析与AI专用库）、交互式体验（JupyterNotebook支持“提问-验证”式探索）。对财经从业者是自动化重复工作的“钥匙”，释放精力专注决策。维度核心内容语法简洁类似英语，无编程背景也易阅读生态强大数据分析、AI、可视化专用库丰富交互式体验JupyterNotebook，以代码块为单位，符合“提问-验证”思维财经价值自动化清洗、合并、计算等重复工作，承接AI生成代码二、Python在财经商贸领域的典型应用Python已深度融入财经商贸各领域核心环节，成为数字化转型的关键技术支撑。领域核心应用财会与审计报表合并·账务校验·OCR发票识别税务管理自动计税·发票验真·政策动态监控金融投资估值建模·策略回测·市场舆情分析风险管理信用评分模型·异常交易检测供应链与贸易需求预测·库存优化·全局可视化·合同解析第二节Python在线编程环境一、注册与访问BaiduAIStudio二、创建项目三、编写与运行代码一、注册与访问BaiduAIStudioPython在线编程环境分两类：国际平台有GoogleColab（免费GPU/TPU，预装主流库，适合入门）和KaggleNotebooks（海量数据集，适合实战）；国内平台有Modelscope（阿里云，流畅免费，适合AI应用）和BaiduAIStudio（百度，学练一体，适合初学者）。平台特点适合人群GoogleColab免费GPU/TPU，预装主流库，开箱即用初学者入门KaggleNotebooks海量真实数据集，社区活跃进阶实战练习Modelscope阿里云，流畅免费，AI模型库集成AI大模型应用探索BaiduAIStudio百度，学练一体，课程资源丰富按路径学习的初学者一、注册与访问BaiduAIStudioBaiduAIStudio是由百度推出的AI学习与实训社区，具有网络流畅、免费算力、课程丰富及集成百度PaddlePaddle框架等优势，能为初学者提供“学练一体”的完整体验。本节以BaiduAIStudio为例，演示Python在线编程环境的基本使用方法。二、创建项目步骤1：创建Notebook项目二、创建项目步骤2：创建自己的第一个Python程序二、创建项目步骤3：BaiduAIStudio创建的新NoteBook项目二、创建项目步骤4：启动项目环境三、编写与运行代码步骤1：新增代码单元格三、编写与运行代码步骤2：与“星河小桨智能助理”对话三、编写与运行代码步骤3：“星河小桨智能助理”返回的问答结果步骤4：运行“星河小桨智能助理”生成的Python代码单元小结本单元介绍Python核心优势及其在财会、税务、金融、供应链等领域的应用，以BaiduAIStudio为例演示在线编程全流程。通过学习理解Python的赋能价值，掌握与AI协作编程的基本方法，为后续数据分析打基础。维度核心内容工具定位Python：AI与数据分析主导编程语言应用场景财会·税务·金融风控·供应链与贸易核心价值赋能财经商贸工作智能化转型实践平台BaiduAIStudio：创建项目→AI协作生成代码→运行查看结果学习目标理解Python价值+掌握AI协作编程基本方法后续铺垫为数据智能化处理与分析奠定基础模块二体验机器“感知与理解”世界单元五操控机器“触达”物理世界人工智能概论——财经商贸AI技术与应用第一节机器“感知”物理世界的基本原理一、传感器的“电五官”之说与基

本工作原理二、传感器的分类(一)压力传感器(二)温湿度传感器(三)光照度传感器(四)图像传感器(五)声敏传感器(六)气敏传感器(七)生物传感器(八)距离传感器三、体验传感器的应用(一)体验光照度传感器(二)体验加速度传感器(三)体验距离传感器一、传感器的“电五官”之说与基本工作原理传感器是机器的“电五官”，遵循“感知—转换—输出”原理，将物理信号转为电信号。在商贸领域形成两大价值闭环：智能仓储实现“感知→执行”，无人零售实现“感知→认知→决策优化”。模块核心内容何为“电五官”视觉→光敏/图像；听觉→声敏；嗅觉→气敏；味觉→化学；触觉→力敏/温敏/压敏。工作原理感知（捕捉变化）→转换（转为电信号）→输出（放大/数字化）。闭环一：感知→执行温湿度传感器监测仓储环境，超阈值自动调控，降低损毁与跌价风险。闭环二：感知→认知→决策优化重量传感器+RFID完成结算，数据挖掘优化陈列与补货，提升周转率与坪效。二、传感器的分类在现代工业与智能化管理领域，各类传感器作为采集物理世界数据的关键元件，需根据具体的检测对象（如力、温湿度、光、位移）进行区分与选用。二、传感器的分类压力传感器（一）压力传感器压力传感器是一种将所受压力或力的变化转换为可测电信号的装置，在智能系统中广泛应用于物理量的精确采集。压力传感器集成于电子秤、搬运机器人等设备，实现货物自动称重、负载监测与分拣校验，为仓储物流自动化作业提供物理层数据支持。二、传感器的分类温湿度传感器

（二）温湿度传感器温湿度传感器是一种集成了温敏与湿敏元件的复合传感器，可同步检测环境中的温度与湿度。温湿度传感器实时监测冷链运输与医药仓储环境，保障温敏商品品质安全，其数据可上链存证，为供应链金融提供可信溯源支持。二、传感器的分类（三）光照度传感器光照度传感器通过光敏元件（如光敏二极管）感知环境光照强度，并将其转换为电信号，为智能系统提供光环境数据支持。光照度传感器

二、传感器的分类（四）图像传感器图像传感器通过感光单元阵列将光学图像捕获并转换为数字电信号，是现代计算机视觉系统的核心组件。

图像传感器二、传感器的分类（五）声敏传感器声敏传感器通过压电效应或电磁感应等原理，将气体、液体或固体中传播的声波信号转换为电信号。

声敏传感器二、传感器的分类（六）气敏传感器气敏传感器基于敏感材料（如金属氧化物半导体）的电学特性随特定气体分子吸附而发生变化的原理，实现对气体成分与浓度的检测。

气敏传感器二、传感器的分类（七）生物传感器生物传感器利用生物识别元件（如酶、抗体或DNA片段）与目标分子（如代谢产物、病原体）发生特异性结合反应，将生化信号转化为可检测的电信号或光学信号，从而实现对特定物质的精准识别与定量分析。

集成血糖生物传感器的血糖仪二、传感器的分类（八）距离传感器距离传感器通过发射并接收激光、红外光或超声波等信号，利用飞行时间法、相位差或三角测量原理，实现对目标物体间非接触式直线距离的高精度测量。

超声波测距传感器三、体验传感器的应用（一）体验光照度传感器

项目具体内容操作步骤1.下载应用：在应用商店搜索“传感器”等关键词，下载安装PhyPhox、SensorTouch等免费传感器检测App并打开。2.遮挡光源：用手遮挡手机屏幕上方（前置摄像头及听筒区域），观察屏幕数值变化。3.增强光源：打开手电筒照射同一区域，观察屏幕数值变化。观察现象遮挡时，屏幕上的光照数值迅速变小；增强光源时，数值急剧变大。技术原理手机内置的光照度传感器实时工作，将环境中的光照强度（物理量）即时转化为数字信号（电子数据）。实际应用实现自动调节屏幕亮度（省电、护眼），以及控制智能灯具等自动化功能。三、体验传感器的应用（二）体验加速度传感器

项目具体内容操作步骤1.打开水平仪或指南针类App。2.手机平放桌面，观察气泡/角度是否归零。3.抬起一侧，观察气泡/角度随倾斜变化。4.水平旋转手机，观察方向/角度连续变化。观察现象平放归零；抬起时数值随倾斜改变；旋转时数值连续变化。技术原理加速度传感器将手机三维运动（倾斜、旋转、加速）转化为数字信号。实际应用支撑游戏操控、步行导航、计步等姿态识别与运动跟踪功能。三、体验传感器的应用（三）体验距离传感器

项目具体内容操作步骤1.拨打电话后将手机贴近耳边，观察屏幕是否熄灭。2.将手机移开，观察屏幕是否亮起。观察现象贴近时屏幕自动熄灭，移开后屏幕立刻亮起。技术原理距离传感器发射并接收红外信号，判断物体靠近与否，自动控制屏幕亮灭。实际应用实现通话防误触，提升使用体验。第二节机器“自动识别”物理世界的基本原理一、自动识别技术的基本原理二、自动识别技术的分类(一)条码识别技术(二)二维码识别技术(三)射频识别技术(四)近场通信技术(五)生物特征识别技术三、体验自动识别技术的应用(一)体验扫码识物(二)体验文本提取(三)从识别到生成一、自动识别技术的基本原理自动识别技术的工作原理，可以理解为一个

“信息采集—信息转换—特征识别—结果输出”

的智能闭环，类似于人类“看见事物并理解其含义”的认知过程。环节核心动作形象比喻具体说明输出内容（1）信息采集看见感官用扫码枪、摄像头等设备获取原始信息（条码、射频信号、图像等）原始信号/图像（2）信息转换理解准备翻译官将各类原始信息转为统一的数字信号或数字图像标准化数字信息（3）特征识别理解与确认大脑提取关键特征并与数据库比对，确认目标身份匹配/判定结果（4）结果输出告知发言人将成功识别的结果转为结构化数据，输出给后台业务系统结构化数据指令二、自动识别技术的分类一维条码（一）条码识别技术条码识别技术是利用光学扫描设备（如激光扫描器、手机摄像头），对按特定规则排列的宽窄条纹（一维条码）或图形矩阵（二维条码，如二维码）进行自动识读、解码，从而获取其中所承载信息的技术。一套完整的条码识别系统通常包含三个部分：编码系统、识读设备、解码软件。二、自动识别技术的分类二维码（二）二维码识别技术二维码是一种在水平和垂直两个方向上存储信息的矩阵式条码，它通过特定编码规则，将数字、字节、文本甚至汉字等数据转换为由黑白方块组成的矩形图案，可通过图像传感器（如摄像头）进行快速采集，并由识读设备完成解码与信息提取。一个完整的二维码识别系统通常包括：编码规范、识读设备、解码算法。二、自动识别技术的分类ETC收费标志（三）射频识别技术射频识别（RadioFrequencyIdentification，RFID）技术是一种基于无线电波实现非接触式自动识别的技术。它通过读写器与附着在物体上的电子标签之间的无线通信，完成对目标的识别和数据读写。一套典型的RFID系统主要包括三个组成部分：电子标签（Tag）、读写器（Reader）、天线（Antenna）。二、自动识别技术的分类支付宝NFC收款设备（四）近场通信技术NFC技术是一种基于RFID技术发展而来的短距离高频无线通信技术，工作在13.56MHz频率，通信距离通常小于10厘米。此技术通过电磁感应耦合实现设备间的双向数据交换，支持主动和被动两种通信模式，具有集成度高、安全性强、交互便捷的特点。一套完整的NFC系统主要包括：NFC芯片、天线、安全单元。二、自动识别技术的分类指纹识别设备（五）生物特征识别技术生物特征识别技术是一种通过采集和分析人体固有的生理特征（如指纹、人脸、虹膜等）或行为特征（如声纹、步态、笔迹等），进行个人身份自动识别和认证的技术。该技术基于特征提取、模式匹配和决策判断的原理，将生物特征转化为数字模板并进行比对验证。一套生物特征识别系统主要包括三个部分：特征采集设备、特征提取与处理算法、识别决策模块。三、体验自动识别技术的应用（一）体验扫码识物

步骤操作内容技术作用结果/说明步骤1使用微信“扫一扫”扫描教材侧边栏的资源二维码。二维码识别技术将印刷图形瞬间解码，变为一条指令（网址）。快速获取信息并触发跳转步骤2手机自动跳转至相应页面。解码后的指令驱动手机执行访问任务。呈现目标内容三、体验自动识别技术的应用（二）体验文本提取

步骤操作内容技术作用结果/说明步骤1打开手机相机或文本提取工具（如“智慧视觉”、“实况文本”、扫描App），对准发票、名片等含文本的实物拍摄。采集包含文字的原始图像信息。获取待识别的图片素材步骤2App自动框选文字区域并快速识别。将图片中的文字转化为可复制、编辑或搜索的电子文本。将“图片信息”转化为“结构化数据”三、体验自动识别技术的应用（三）从识别到生成

步骤操作内容说明/示例结果/说明步骤1选择在线生成工具在浏览器中搜索并打开免费“在线二维码生成器”（如草料二维码、QRCodeGenerator），以下以草料二维码为例步骤2输入编码内容输入文本、网址、文件、图片等，此处以输入网址为例步骤3生成并下载二维码单击“生成二维码”按钮，页面立即显示专属二维码图片步骤4验证与分享用手机“扫一扫”扫描二维码，瞬间解码并跳转至对应网站；可分享或下载二维码第三节云平台体验感知数据的可视化一、物联网技术层级结构二、物联网系统层级间的协同工作原理三、体验华为云平台的感知数据可视化(一)真实传感器数据上云的核心步骤(二)基于华为云虚拟设备实现烟雾数据可视化一、物联网技术层级结构物联网系统通常可划分为四个核心层级，自下而上依次为感知层、网络层、平台层和应用层。每一层各司其职，共同协作，完成从数据采集到业务应用的完整闭环。

物联网技术架构图二、物联网系统层级间的协同工作原理物联网四层架构的协同工作，是一个自下而上数据感知传输和自上而下智能决策反馈的闭环过程。其中，感知层负责采集数据（发生了什么）；网络层负责传输数据（把消息送出去）；平台层负责处理数据（理解消息并记住它）；应用层负责利用数据（告诉使用者该怎么做，并展示结果）。

层级角色比喻参与设备/技术数据流转输出/作用步骤1：感知层 数据的“采集官”RFID标签、RFID读写器、温湿度传感器读写器读取标签ID及时间；传感器采集温湿度数据。产生原始、未加工的信号。原始数据（如标签ID、温度值）步骤2：网络层数据的“快递员”Wi-Fi、5G等无线网络将感知层采集的原始数据打包，通过无线网络传输至云计算平台。数据包从本地送达云平台步骤3：平台层数据的“大脑”与“管理员”云计算平台（含数据库）匹配标签ID获知商品信息；判断温湿度是否正常；生成结构化记录并更新库存。结构化信息（如商品入库记录）步骤4：应用层数据的“价值呈现官”用户交互界面（图表、地图、警报等）将平台层处理好的数据以可视化方式呈现给不同角色的使用者驱动业务决策和行动三、体验华为云平台的感知数据可视化（一）真实传感器数据上云的核心步骤

步骤环节名称核心操作关键要素/说明1设备准备选择支持MQTT等物联网协议且支持远程配置的烟雾传感器模块。硬件选型需满足通信协议和远程配置要求。2云端创建设备在华为云IoT平台创建项目，定义产品模型（规定设备上报属性），并注册具体设备，获取设备ID和密钥。产品模型定义数据模板；设备ID和密钥用于后续认证。3设备端开发编写代码嵌入传感器，使其完成：连接Wi-Fi/蜂窝网络；用设备ID和密钥认证并连接华为云平台；定时采集数据并按格式封装；通过MQTT协议发送至平台指定通道。数据格式需与产品模型一致；通信协议为MQTT。4平台接收数据华为云平台对接收到的数据进行校验、解析和存储。数据进入平台后自动完成后续处理。三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化1．注册和登录华为云账号步骤1：注册华为云账号。打开华为云官网主页，进入物联网平台服务。步骤2：单击主页右上角的【注册】按钮，完成注册后进行实名认证。

华为云平台的官网界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化2．开通免费单元步骤1：注册并成功登录后，单击界面右上角账号名称左侧的【控制台】。步骤2：在【控制台】界面中，单击界面左上角的服务列表。

单击服务列表三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化2．开通免费单元步骤3：在服务列表中单击【所有服务】|【IoT物联网】，再单击对应页面中的【设备接入IoTDA】。

单击【设备接入IoTDA】三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化2．开通免费单元步骤4：将访问区域设为“华北-北京四”，然后单击【开通免费单元】（此功能免费，不收取任何费用）。再单击当前页面右下角的【立即创建】按钮，完成免费单元的开通。

设置访问区域并开通免费单元创建免费单元三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化3．创建产品步骤1：单击运行中的标准版选项，进入创建产品环节。

进入标准版选项界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化3．创建产品步骤2：单击【向导式极速体验】，进入创建产品界面。

进入【向导式极速体验】界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化3．创建产品步骤3：输入自定义的产品名称，或者直接采用默认产品名称，再单击【创建产品】。

命名产品名称三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化3．创建产品步骤4：输入自定义的设备标识码及设备名称，也可直接采用默认值，再单击界面右下角的【注册设备】。注意：不同模型产品的设备标识码不能相同。

命名设备标识码及设备名称界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化4．下载演示包及安装运行环境步骤1：在【选择设备演示包】界面，选择相应的设备平台、设备连接协议、开发语言等参数后，单击【下一步】。若未安装JDK环境，或版本低于JDK1.8，则可点击“最新JDK下载链接”进行安装升级。

设备演示包参数选择界面JDK环境下载安装三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化4．下载演示包及安装运行环境步骤2：在跳转出的页面上单击【下载设备演示包】，会保存到电脑的默认路径下，下载完成后在页面右上角会看到下载的演示包压缩文件。

下载设备演示包界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤1：将下载的演示压缩包解压缩后，在对应的文件夹中双击start.bat文件。

运行start.bat文件界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤2：在弹出的电脑运行窗口中可以看到模拟烟雾传感器设备实时采集的温度、湿度、烟雾浓度、有无报警等数值。例如蓝色框线中的数据表明：数据实时显示时间为2026年2月1日11时18分52秒，此时温度值为16.634422，触发报警（alarm值为1），湿度值为96，烟雾浓度为59.365677。

运行窗口界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤3：在华为云平台界面可看到设备此时已在线，且在上报时间一栏可看到实时更新的数据。对于上述数据的时间频率还可以手动输入进行控制。可输入1-100之间的任意整数，例如输入2，则表示每隔2秒上报更新一次监测数据，单击下发命令，如不再修改上报时间则单击右下角的体验完成。下发命令完成后，在运行窗口界面可看到上报数据的更新时间为每2秒更新一次。

华为云平台数据实时显示界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤3：在华为云平台界面可看到设备此时已在线，且在上报时间一栏可看到实时更新的数据。对于上述数据的时间频率还可以手动输入进行控制。可输入1-100之间的任意整数，例如输入2，则表示每隔2秒上报更新一次监测数据，单击下发命令，如不再修改上报时间则单击右下角的体验完成。下发命令完成后，在运行窗口界面可看到上报数据的更新时间为每2秒更新一次。

华为云平台数据上报时间频率设置界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤3：在华为云平台界面可看到设备此时已在线，且在上报时间一栏可看到实时更新的数据。对于上述数据的时间频率还可以手动输入进行控制。可输入1-100之间的任意整数，例如输入2，则表示每隔2秒上报更新一次监测数据，单击下发命令，如不再修改上报时间则单击右下角的体验完成。下发命令完成后，在运行窗口界面可看到上报数据的更新时间为每2秒更新一次。

运行窗口界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤4：在体验完成界面单击右下角的“返回快速体验”按钮。在弹出界面单击左上角的“快速体验”返回按钮。在返回至界面，单击“设备”折叠选项。

体验完成界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤4：在体验完成界面单击右下角的“返回快速体验”按钮。在弹出界面单击左上角的“快速体验”返回按钮。在返回至界面，单击“设备”折叠选项。

快速体验界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤4：在体验完成界面单击右下角的“返回快速体验”按钮。在弹出界面单击左上角的“快速体验”返回按钮。在返回至界面，单击“设备”折叠选项。

设备选项界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤5：在所有设备选项列表中，可以看到自己创建的设备名称为mysmoker01的模拟烟雾传感器设备，此设备已处于“在线”状态。

烟雾传感器模拟设备在线界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤6：单击【详情】，可以看到按一定时间间隔接收到的模拟烟雾传感器采集上传的数据。

烟雾传感器采集数据实时显示界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤7：单击【云端下发】|【命令下发】下【同步命令下发】下的【命令下发】，进入数据上报频率界面。

云端下发命令界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤8：在【value】处输入一个正整数3，这表示将每隔3秒接收一次烟雾传感器的上传数据，单击确定。

设置数据上报频率界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤9：此时可通过两种方式查看每隔3秒上报一次的数据。方式一：打开仍在运行的运行窗口界面，可看到实时数据每3秒更新一次。

运行窗口界面三、体验华为云平台的感知数据可视化（二）基于华为云虚拟设备实现烟雾数据可视化5．查看虚拟设备数据步骤9：此时可通过两种方式查看每隔3秒上报一次的数据。方式二：单击【设备信息】选项。在页面的最底端，通过物模型数据中的“最新更新时间”可以得到验证。

华为云平台设备信息界面华为云平台物模型数据更新界面单元小结本单元系统介绍了传感器技术与自动识别技术在财经商贸领域的应用。首先，介绍了传感器技术如何捕捉物理世界的各种信号或变化，实现对环境、设备或过程的监控。其次，阐述了自动识别技术如何高效采集票据、商品等关键信息。最后，通过云平台实践，引导读者利用传感器模型体验数据的可视化呈现过程，将物理信息转化为直观洞察维度核心内容技术流程信号捕捉→信息采集→数据可视化核心逻辑“感知-采集-呈现”物理信息转化为直观洞察实战平台云平台（传感器数据可视化实践）实战任务传感器模型接入→数据上传→可视化呈现学习目标理解感知技术基础原理及其在财经场景中的应用价值，初步掌握利用云端工具进行数据感知与可视化的方法模块二体验机器“感知与理解”世界单元六操控机器“看懂”图像世界人工智能概论——财经商贸AI技术与应用第一节机器"看懂"世界的基本原理一、图像获取(一)连续的模拟世界和离散的数字世界(二)认识计算机中的图像二、图像预处理(一)图像去噪(二)对比度增强(三)几何校正三、特征提取(一)形状特征提取(二)颜色特征提取(三)纹理特征提取四、图像理解一、图像获取图像获取是计算机视觉起点，通过采样（空间分割）和量化（亮度映射0–255）将连续光学信号转为数字像素矩阵。灰度图每像素单值，彩色图每像素R、G、B三值。像素矩阵是机器“看见”世界的唯一对象。维度核心内容核心任务连续光学信号→离散数字图像信号（像素矩阵）采样空间上分割为网格（如28×28点阵）量化亮度映射为0–255整数（0纯黑/255纯白）灰度图像每像素单值（0–255），仅亮度信息彩色图像每像素R、G、B三值（0–255），组合表色关键认知机器“看”到的唯一对象是数字矩阵一、图像获取采样与量化：计算机无法直接处理连续信号，需通过采样（空间上分割为网格，如28×28）和量化（亮度映射为0–255整数）两步转换。最终连续图像变为计算机唯一处理的数字矩阵。一、图像获取图像类型：数字矩阵中每个单元称为像素。灰度图像每个像素一个数值（0–255），仅含亮度信息；彩色图像每个像素由R、G、B三通道数值（0–255）组成。理解像素与图像类型是学习后续图像预处理、特征提取的基础。维度核心内容核心任务连续光学信号→离散数字图像信号（像素矩阵）采样空间上分割为网格（如28×28点阵）量化亮度映射为0–255整数（0纯黑/255纯白）灰度图像每像素单值（0–255），仅亮度信息彩色图像每像素R、G、B三值（0–255），组合表色关键认知机器“看”到的唯一对象是数字矩阵二、图像预处理图像预处理改善图像质量。去噪：高斯滤波处理高斯噪声（均匀颗粒感）但会模糊边缘；中值滤波处理椒盐噪声（孤立亮点/暗点）且保留边缘。对比度增强用直方图均衡化拉开明暗层次。几何校正确纠正图像倾斜与变形，常用于文档扫描校正。二、图像预处理含高斯噪声的图像原始图像含椒盐噪声的图像（一）图像去噪高斯噪声（传感器热噪声引起，均匀颗粒感）用高斯滤波处理，但会模糊边缘；椒盐噪声（极亮/极暗孤立点）用中值滤波处理，能有效清除噪点而保留边缘。二、图像预处理高斯滤波去噪前后对比

（一）图像去噪高斯噪声（传感器热噪声引起，均匀颗粒感）用高斯滤波处理，但会模糊边缘；椒盐噪声（极亮/极暗孤立点）用中值滤波处理，能有效清除噪点而保留边缘。二、图像预处理（一）图像去噪高斯噪声（传感器热噪声引起，均匀颗粒感）用高斯滤波处理，但会模糊边缘；椒盐噪声（极亮/极暗孤立点）用中值滤波处理，能有效清除噪点而保留边缘。中值滤波去噪前后对比

二、图像预处理（二）对比度增强图像“发灰”时用直方图均衡化重新分配灰度值，拉开明暗层次。局限：会同步增强噪声，对局部明暗差异大的场景适应性不足。

对比度增强前后对比二、图像预处理（三）几何校正通过数学变换纠正图像倾斜或变形（如旋转变换矩阵），为后续分析提供准确的形状基础，常用于文档扫描校正和工业视觉检测。

几何校正前后对比三、特征提取特征提取将像素提炼为特征向量。形状特征：边缘检测勾勒轮廓，角点检测定位关键点。颜色特征：颜色直方图是“色彩指纹”。纹理特征：对比度值量化粗糙度，值越高越粗糙，可区分材质。

特征类型核心方法作用形状特征边缘检测、角点检测勾勒轮廓、定位关键点颜色特征颜色直方图图像“色彩指纹”，概括明暗与风格纹理特征对比度值计算量化粗糙度：值越高越粗糙，区分材质三、特征提取形状特征提取：关注几何形态。边缘检测（如Canny算子）通过分析梯度突变勾勒轮廓；角点检测（如Harris算法）定位各方向变化显著的关键点。

（a）原图

（b）提取的边缘（轮廓）

（c）检测到的角点（蓝点）形状特征提取示例三、特征提取颜色特征提取：颜色直方图统计各颜色出现频率，是图像的“色彩指纹”，概括明暗基调与色彩风格。

颜色特征提取示例三、特征提取纹理特征提取：量化像素灰度空间变化模式，如计算对比度值——值越高纹理越粗糙，值越低越平滑。可用于客观区分不同材质。

（a）皮革与织物图像

（b）纹理对比度值对比（值越大越粗糙）纹理特征提取示例四、图像理解图像理解是计算机视觉的最终目标，通过机器学习对特征进行分类和定位，回答“有什么”“在哪里”。如根据纹理对比度值（决策边界10.25）区分皮革与织物，将数值映射为语义，可解释性强。

计算机理解图像示例第二节计算机视觉的常见任务一、计算机视觉的常见任务(一)图像分类(二)目标检测(三)图像分割(四)其他任务二、体验计算机视觉的应用(一)体验图像分类模型(二)体验目标检测模型(三)体验语义分割模型(四)体验实例分割模型(五)体验姿态估计模型(六)体验OCR模型一、计算机视觉的常见任务图像分类（是什么）、目标检测（是什么+在哪里）、图像分割（语义分割标类别但不分个体；实例分割区分每个个体）、姿态估计（如何动）、人脸识别（你是谁）、OCR（写了什么）。各任务对应不同应用场景。任务核心问题典型应用图像分类是什么？图像检索、内容审核目标检测是什么？在哪里？自动驾驶、安防监控物体区域分离前景vs背景目标识别预处理语义分割像素属哪类街景理解（不分个体）实例分割每个独立个体区分同类不同对象姿态估计如何动？体育分析、人机交互人脸识别你是谁？手机解锁、金融支付OCR写了什么？文档数字化、票据录入一、计算机视觉的常见任务图像分类——解决“是什么？”判断图像包含哪个预定义类别，如图像检索、内容审核。目标检测示意目标检测——解决“是什么？在哪里？”定位目标位置并识别类别，如自动驾驶、安防监控。一、计算机视觉的常见任务图像分割：物体区域分离（区分前景与背景）；语义分割（为每个像素赋予类别标签，但无法区分同类个体）；实例分割（精确分割每个独立个体，可区分同类不同对象）。(a)原图(b)前景物体分离(c)去除干扰背景

前景与背景分割效果一、计算机视觉的常见任务图像分割：物体区域分离（区分前景与背景）；语义分割（为每个像素赋予类别标签，但无法区分同类个体）；实例分割（精确分割每个独立个体，可区分同类不同对象）。语义分割效果

(a)原图(b)语义分割：分割出每种类别一、计算机视觉的常见任务图像分割：物体区域分离（区分前景与背景）；语义分割（为每个像素赋予类别标签，但无法区分同类个体）；实例分割（精确分割每个独立个体，可区分同类不同对象）。实例分割效果

(a)原图(b)实例分割：每只狗单独分割一、计算机视觉的常见任务姿态估计——解决“如何动？”检测人体关键点构建骨架，用于体育分析、人机交互。

人脸识别——解决“你是谁？”通过检测、对齐、特征比对实现身份验证，用于手机解锁、金融支付。OCR——解决“写了什么？”将图像文字转为可编辑文本，用于文档数字化、票据录入。二、体验计算机视觉的应用通过ModelScope魔搭社区零代码体验计算机视觉任务：

（一）体验图像分类模型二、体验计算机视觉的应用通过ModelScope魔搭社区零代码体验计算机视觉任务：

（一）体验图像分类模型二、体验计算机视觉的应用通过ModelScope魔搭社区零代码体验计算机视觉任务：

（一）体验图像分类模型二、体验计算机视觉的应用通过ModelScope魔搭社区零代码体验计算机视觉任务：

（二）体验目标检测模型二、体验计算机视觉的应用通过ModelScope魔搭社区零代码体验计算机视觉任务：

（二）体验目标检测模型二、体验计算机视觉的应用通过ModelScope魔搭社区零代码体验计算机视觉任务：

（三）体验语义分割模型二、体验计算机视觉的应用通过ModelScope魔搭社区零代码体验计算机视觉任务：

（三）体验语义分割模型二、体验计算机视觉的应用通过ModelScope魔搭社区零代码体验计算机视觉任务：

（三）体验语义分割模型预测种类概率（≈像素占比）解读grass-merged

(草地)1图片中很大一部分区域被识别为草地sky-other-merged

(天空)1天空占据了图片的显著部分fence-merged

(栅栏)1图中包含栅栏tree-merged

(树木)1图中包含树木water-other

(水体-其他)1图中包含一部分水体river

(河流)1河流是水体的具体类别elephant

(大象)1关键目标，图中包含大象二、体验计算机视觉的应用通过ModelScope魔搭社区零代码体验计算机视觉任务：

（四）体验实例分割模型二、体验计算机视觉的应用通过ModelScope魔搭社区零代码体验计算机视觉任务：

（四