数据采集与预处理技术-P8T2-教案

授课教案20—20学年第学期_______学院________专业课程名称数据采集与预处理技术任课教师授课形式理论教学□课内实践□理论+实践☑习题复习□考核评价□其他活动□课时安排2学时（90分钟）序号30授课日期月日月日月日月日授课班级2026级相关专业教学班授课地点实训机房（多媒体）教学内容：项目八任务二图像和视频数据采集与预处理课程思政设计：1.版权意识与授权边界——教材明确要求注意图片的版权问题、遵循网站的使用条款、避免侵权纠纷。课堂把授权讲在采集之前，讲清批量下载不等于有权使用。2.责任意识与内容把关——平台面临着图片模糊、内容与商品无关、甚至包含未授权品牌标识等侵权元素的严峻挑战，这些问题直接影响内容的有效性和用户体验，甚至可能引发法律纠纷。课堂讲清自动化处理是平台的把关责任而不是可选项。3.辩证思维与存储权衡——视频码率和分辨率要在存储空间与画质需求之间取得平衡。课堂讲清技术参数都是取舍，没有一组参数适用于所有场景。4.个人信息保护——图像中的人物与视频中的人物画面属于个人信息，处理须授权、须脱敏。课堂明确教学演示用教材样例素材，不涉及真实人物画面。教学目标：知识目标：能说出图像和视频数据采集的三条途径及其各自的注意事项；能说出图像增强的三种常用方法及其适用情形；能说出目标检测与图像语义分割在输出形态上的区别；能说出视频切片抽帧的作用与固定间隔抽取关键帧的思路；能说出光流法在视频内容识别中的作用；能说出视频码率与分辨率的权衡原则。能力目标：能用PIL打开图片文件并做对比度调整；能实现批量图像增强函数并遍历整个输入目录；能在输出目录不存在时自动创建；能说明FFmpeg在格式转换与视频抽帧中的作用；能说出YOLOv5与U-Net两个模型各自解决什么问题。素质目标：养成采集图片前先确认版权与使用条款的习惯，不下载了就用；养成处理前先判断画质是否需要增强的习惯，不一律套增强；养成在存储空间与画质之间做明确取舍的习惯，并能说出取舍理由。教学重难点及解决方法：教学重点：批量图像增强函数的实现；遍历目录与自动创建输出目录；目标检测与语义分割的分工。教学难点：目标检测与语义分割的区别；视频码率与分辨率的权衡。学生容易把两种图像理解技术混为一谈，对增强参数不是越大越好这一点也常凭直觉判断。解决方法：针对难点：拿同一张商品图并列投屏两种结果——目标检测给出一个边框和标签，语义分割把商品、背景、人物分别涂成不同颜色，学生看图就知道一个管图里有什么、一个管每一块像素是什么；权衡用一组数字讲清：同样十分钟的视频，高码率清晰但占用大，低码率省空间但细节丢失，学生按平台场景自行选择并说明理由。针对重点问题：采用边讲边练，每讲完一种增强方法或一段代码，即在课程在线教学平台推送1～2道限时练习当堂消化；把采集—增强—检测—抽帧整理成四步固定流程，每步都有可观察的输出；实操期间教师巡视，重点检查输出目录是否自动创建、增强参数是否说明过理由；课后按练习正确率推送分层强化题。教学环境及平台：实训机房（多媒体），每人一机，配备投影与广播教学软件；Python3.9运行环境（PIL、os）；课程在线教学平台。软件与工具：Anaconda、JupyterNotebook、PyCharm/VSCode、FFmpeg、图像浏览工具。数据与素材：教材示例商品图片集（raw_images目录，含清晰与模糊两类样本）、样例开箱视频。教学资源：①教材《数据采集与预处理技术》第212–213页正文、示例代码与配套素材；②本课程课件与演示代码（含批量增强脚本、目标检测与语义分割对比图、抽帧脚本）；③课程在线教学平台（预习测验、随堂练习、课后答疑）与课程AI智能体。学习效果评价方式：过程性评价40%＋终结性评价60%的综合评价方式，本次课成绩计入平时成绩，对应其中三项：①课堂实操（主要部分）：提交批量图像增强脚本与增强结果，按目录处理完整性、参数选择理由、输出正确性三项评分；②随堂测验：下课前5题（三条采集途径、三种增强方法、目标检测与语义分割的区别、码率权衡），平台自动批改，当场讲评错误率最高的一题；③课后作业：提交完整脚本与增强前后对比图，附所调参数与理由。课前预习：平台3道诊断题（图片版权与采集途径），统计错误率用于调整讲授重点。课后小结：填表说明：1.序号，指该课程授课的顺序号，应与授课计划一致；2.授课形式在相应的选项打“√”。教学内容及过程时间分配方法及手段思政元素【教师活动】1.承接任务一：上一任务把杂乱的评论文本清洗成了可供分析的语料。提问：换成图片和视频，还能用正则去噪吗？2.给出本次任务情境：用户日均上传的50万张商品实拍图与大量开箱视频，以其生动、直观的特点，极大地增强了商品展示的真实感与说服力。3.点明问题：平台同时面临着图片模糊、内容与商品无关，甚至包含未授权品牌标识等侵权元素的严峻挑战，这些问题直接影响内容的有效性和用户体验，甚至可能引发法律纠纷。4.投屏一组对比图：清晰商品图、模糊商品图、含无关内容的图各一张，让学生逐张判断是否可用。5.追问：50万张图靠人一张张看要多久？引导学生说出必须自动化处理。6.点明本任务：建立一套针对图像和视频媒体的自动化处理管线，包括采集、格式统一、质量增强与内容识别四个环节。【学生活动】口述上一任务文本预处理的四个步骤；逐张判断投屏图片是否可用并说明理由；估算人工审核50万张图所需时间。【设计意图】对应知识目标1。以任务一刚建立的文本处理流程为参照，学生自然会尝试套用，随即发现正则等办法对图片无效，认知冲突来自媒介形态的差别；先让学生自己判断图片可用与否，后面的质量增强与内容识别才有明确判据；用50万这个数量级把自动化讲成必然选择而不是技术偏好，直接回应思政中的内容把关。环节一任务情境：50万张实拍图怎么自动把关（8分钟）任务驱动法直观演示法（投屏＋图片对比）责任意识：内容把关是平台责任【教师活动】1.讲网络图片爬取：借助图像爬虫工具从电商平台、论坛等网站批量获取商品图片。2.强调两条约束：注意图片的版权问题，遵循网站的使用条款，避免侵权纠纷。3.讲提高采集质量的做法：在爬取过程中可通过设置过滤条件提高采集图片的质量和相关性，例如只爬取分辨率高于一定阈值的图片，以确保图片的可用性。4.讲视频流采集：通过FFmpeg等工具采集用户上传的视频流，可对视频进行实时转码、格式转换，以统一存储格式，并提取关键帧进行初步内容分析。5.讲采集过程中的权衡：要合理控制视频码率和分辨率，平衡存储空间和画质需求，在保证视频内容可识别的前提下，尽量减少存储空间占用。6.讲电商平台图片视频API：部分电商平台开放了商品图片视频的API，允许开发者按照规定的权限和配额获取相关数据；这种方式获取的数据具有较高的组织性和规范性，便于后续处理。7.讲API方式的约束：要注意API的使用限制和数据授权范围，确保合规使用数据。8.并列三条途径的优缺点并板书对照，强调共同前提都是合规。【学生活动】记录三条途径各自的约束条件；说出分辨率阈值过滤的作用；说出码率与分辨率的权衡原则。【设计意图】对应知识目标1。三条途径都是在讲采集，但每条的注意点不同：图片侧重版权、视频侧重存储、API侧重授权范围，分开讲学生才知道约束在哪一层；把版权讲在技术实现之前，直接落实思政中的版权意识；码率与分辨率的权衡单独成句，为环节五讲视频处理预埋依据。环节二图像视频采集三条路（15分钟）讲授＋板书对比讲授案例分析版权意识：下载不等于有权使用【教师活动】1.讲图像增强的目的：采用直方图均衡化、对比度调整、锐化等方法提升图像质量，使模糊图片更清晰，细节更突出。2.讲直方图均衡化：对于暗部细节较多的商品图片，可通过直方图均衡化增强其对比度，让商品特征更明显。投屏同一张暗部图的增强前后两版。3.讲对比度调整：直接改变明暗差异，适合整体偏灰的图片。投屏增强前后两版。4.讲锐化：突出边缘与纹理，适合细节模糊的图片。投屏增强前后两版。5.并列三种方法的适用情形并板书对照，强调方法选择要看图片问题出在哪，不是一律套用。6.示范PIL的用法并逐句讲解：从PIL导入Image与ImageEnhance；定义增强函数，先判断输出目录是否存在，不存在则创建；遍历输入目录下的每个文件；拼接完整路径并打开图片；构造对比度增强器；调用增强方法增强；保存到输出目录。7.讲参数含义：本例增强倍数取1.5，表示把原有对比度放大到1.5倍；取1.0则不变，取值过大反而会丢掉暗部与亮部细节。8.让学生把参数分别改成1.0与3.0各跑一次，对比三张结果图。【学生活动】记录三种增强方法各自的适用情形；跟做批量增强，记录处理的文件数量；把参数改成1.0与3.0各跑一次，说出三张结果图的差别。【设计意图】对应能力目标1、2、3。三种方法并列讲并各自投屏，学生看到效果差别才知道方法是针对问题选的；把参数讲成可调取值而不是固定写法，学生用1.0与3.0各跑一遍就能自己得出结论，直接落实思政中的辩证思维；自动创建输出目录这一步单独讲清，是因为它是批量处理脚本的通用骨架，学生以后写别的批量任务能直接复用。环节三图像增强三种方法（18分钟）对比演示讲练结合（投屏＋Python）辩证思维：增强不是越大越好【教师活动】1.讲目标检测与识别：运用卷积神经网络模型识别图像中的商品主体、违禁物品；在大量标注数据上训练模型后，模型能够准确定位并识别图片中的关键物体，从而实现对违规内容的筛选和过滤。2.讲输出形态：目标检测给出的是边框与标签，回答图里有什么、在哪里。3.讲图像语义分割：利用U-Net等模型对图像进行像素级分类，区分商品、背景、人物等不同区域。4.讲输出形态：语义分割给出的是每个像素属于哪一类，回答每一块是什么。5.并列两者并板书对照：一个是框级，一个是像素级。6.讲语义分割的用途：为后续的内容理解分析提供更细致的图像信息，例如分析商品在图片中的占比和位置，评估图片的构图合理性。7.投屏同一张商品图的目标检测结果图与语义分割结果图，让学生自己说出两张图分别回答了什么问题。8.讲本案例中的作用：目标检测负责筛出含违禁物品的图片，语义分割负责判断商品在图中的占比是否合理，两者共同完成内容把关。9.提醒模型前提：这类模型需要在大量标注数据上训练，课堂演示使用现成结果，重点是让学生看懂输出形态而不是训练过程。【学生活动】观察两张结果图，说出它们分别回答了什么问题；说出目标检测与语义分割在输出形态上的区别；说出语义分割能支撑的两项分析。【设计意图】对应知识目标3。同一张图的两种结果并列投屏是本环节的核心，学生看到图就能说出差别，比文字定义有效得多；把用途讲成内容把关的两道关卡，学生会用而不是只会说名词；提醒模型前提，避免学生误以为课堂演示等于自己训练了模型，直接落实思政中的求实态度。环节四目标检测与语义分割（18分钟）对比演示直观演示法（投屏＋结果图）求实态度：看懂输出不等于会训练【教师活动】1.讲视频切片与抽帧：根据视频时长和内容特点，将视频分割为多个片段，并按固定间隔抽取关键帧图片，便于后续分析处理。2.举教材例子：对于开箱视频，可根据时间每隔几秒抽取一帧，生成一系列能够反映视频内容的图片序列。3.讲抽帧的价值：把连续视频转成离散图片序列，减少数据处理量，同时让后续的图像分析方法可以直接复用。4.讲视频内容识别：结合光流法分析视频动作特征，识别视频中的人物行为和场景变化，判断视频是否包含违规内容或与商品无关的片段。5.讲音视频同步分析：利用音视频同步分析技术，关联视频画面和音频解说，更全面理解视频主题和内容重点。6.讲三条的衔接：切片抽帧解决数据量大，光流法解决动作识别，音视频同步解决单靠画面看不全。7.提问：一段十分钟的开箱视频，抽帧间隔设几秒合适？让学生按总帧数算一笔账，教师补充说明间隔太大漏内容、太小则浪费存储。8.讲与安全意识的连接：视频中出现人物画面时涉及个人信息，处理须先确认授权范围。【学生活动】记录抽帧间隔与总帧数的对应关系；说出光流法能识别的两类内容；讨论十分钟视频的抽帧间隔并说明理由。【设计意图】对应知识目标4、5、6。三条技术按解决的问题排列，学生记住的先是问题再是方法；抽帧间隔的算法交给学生自己算，把固定间隔从一个参数变成可讨论的决策；个人信息提醒放在视频内容识别之后讲，是因为学生刚看到人物行为分析，此时提出授权问题最自然，直接落实思政中的个人信息保护。环节五视频切片抽帧与内容识别（13分钟）讲授＋板书问题驱动法讲练结合个人信息保护：人物画面须先确认授权【教师活动】1.布置任务：把前面学的内容整合成完整脚本，完成商品图片的批量增强处理。2.示范三段结构：导入工具与设定目录、定义批量增强函数、调用函数并处理整个目录。3.逐段演示并说明每段的输出：第一段导入PIL的Image与ImageEnhance以及os，设定输入目录与输出目录两个变量；第二段定义函数，先判断输出目录是否存在、不存在则创建，再遍历目录逐个处理；第三段调用函数，传入两个目录名。4.投屏执行结果，让学生数出输出目录中的文件数量是否与输入目录一致。5.讲三个常见错误：目录中若混入非图片文件会在打开时报错；输出目录与输入目录同名会覆盖原图；增强倍数取值过大细节会丢失。6.学生实操期间巡视，重点检查输出目录设定、增强倍数理由、是否对全部文件执行了处理。7.收尾讲本案例的落脚点：批量增强把模糊的实拍图变得清晰可用，为后续的目标检测与内容把关提供了合格输入。【学生活动】独立实现完整脚本并运行，记录处理的文件数量；核对输出目录文件数与输入目录是否一致；与同桌比对增强倍数与结果图，差异明显的互相检查目录设定。【设计意图】对应能力目标1、2、3，是本次课的综合产出。文件数量一致是可自检的硬指标，学生不依赖教师也能判断批量处理有没有漏；三个常见错误单独点名，让学生的检查有明确目标；与同桌比对增强倍数制造同伴校验，把个人错误在课堂内消化掉；收尾把增强接到内容把关上，让学生知道自己这一步在整条管线里的位置。环节六综合实施：批量图像增强（13分钟）项目教学法演示—实操—巡视同伴互校规范意识：先建目录再写文件【教师活动】1.引导学生用三句话小结：①图像视频采集三条路，共同前提是合规；②增强有三种方法，选哪个看问题出在哪，参数不是越大越好；③目标检测管图里有什么，语义分割管每块像素是什么。2.板书知识框架：采集→增强→检测→分割→抽帧，学生拍照记录。3.课程在线教学平台推送当堂检测5题（三条采集途径、三种增强方法、目标检测与语义分割的区别、抽帧作用、码率权衡），限时5分钟，系统自动批改，当场讲评错误率最高的一题。4.布置作业并预告：下一任务处理音频，请课前思考一段录音和一张图