前言：寻找写作灵感？中文期刊网用心挑选的人工智能课程实践教学改革分析，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要：围绕人工智能课程教学中存在的问题，将“吊牌识别”案例引入人工智能课程实践教学，以此提高人工智能课程理论教学质量，激发学生学习人工智能技术的兴趣，从而更好地培养学生在人工智能领域的实践能力与创新能力。
关键词：人工智能；实践教学；吊牌识别
人工智能融合了计算机、控制学、语言学、数学、心理学、神经学等多学科专业知识[1-3]。2017年7月，国务院发布了《新一代人工智能发展规划》[4-5]。2018年4月，教育部印发《高等学校人工智能创新行动计划》，其核心是推动人工智能领域人才的培养[6-7]。《2020—2026年中国人工智能行业市场竞争格局及未来发展趋势报告》的统计数据显示[8]，2018年中国人工智能市场规模为339亿元，增长率达56.2%，而2019年中国人工智能市场规模增长到516亿元。人工智能技术发展突飞猛进，伴随而来的是人工智能领域人才需求激增。近三年，越来越多的高校开设了人工智能专业，并在计算机、信息科学和自动化等专业开设人工智能课程，还有部分高校将人工智能课程纳入通识课程体系。但人工智能理论知识具有抽象性、复杂性和涉及面广等特点，教学过程枯燥乏味，使得学生在学习的过程中很难保持热情。如何更好地将人工智能理论知识与实践教学相结合[9-10]，是本文研究的重点。本文结合笔者的教学经验，将综合性较强的案例融入实践教学，再以实践教学促进人工智能课程理论教学，激发学生的学习动力，培养学生运用相关理论知识解决实际问题的能力。
1人工智能课程教学中存在的问题
1.1师资力量不足
目前，很多高等院校开始开设人工智能专业，但能够承担该专业授课任务的教师不多，且部分教师是从计算机专业转到人工智能专业的，很多知识也是“现学现卖”，在讲授过程中很难把握好知识的难度和学生的接受程度。
1.2教学条件不达标特别是实验设备不足
人工智能专业的教学不能仅局限于软件编程和模拟实验，要想让学生感受人工智能技术的强大，必须结合实验设备开设实验项目，但部分学校没有经济实力购买人工智能教学相关的实验设备。
1.3学生存在畏难情绪学习兴趣不高
很多学生刚开始学习人工智能只是抱着一种“玩”的心态，认为学好该专业之后可以开发很多智能终端，但学了之后发现该专业的学习需要具备很好的数学基础和编程能力，这方面较差的学生慢慢会对人工智能课程失去学习兴趣。针对以上问题，课题组经过三年的教学改革实践，提出结合教师科研课题的实际案例教学方法，即以实践教学带动理论教学，激发学生的学习热情，解决暂时的实验设备不足的难题，同时也可以带动和培养一批年轻教师加入人工智能课程的教学和建设中来。
2“吊牌识别”案例教学在人工智能课程实践教学中的实现
“吊牌识别”案例教学在人工智能课程实践教学中可用8～12学时来完成，也可以作为课程设计的选题。本文简单介绍了该案例的组成模块和操作流程，重点介绍了案例实现的两项核心技术。
2.1组成模块介绍
“吊牌识别”案例可实现对吊牌、洗水唛的自动检测，与现实生活中学生常见的文字、卡牌和文本管理数字化等识别方案有相似之处。该案例涉及图像文字识别技术、嵌入式开发、深度学习等方面的知识，具体模块划分如表1所示。
2.1.1模式选择
模式选择模块包括3.5寸串口屏、免驱USB2.0索尼IMX214高清1100万像素20帧自动对焦拍照摄像头模组、英伟达JETSONNANO嵌入式开发板。
2.1.2输入单元
输入单元至少包括一台摄像机、照相机、网络摄像头、数字化图像设备或具有摄像功能的智能终端，在处理单元的控制下对传入的图像做判断处理，判断传入图像的清晰度和文字区域有无遮挡，再将其传递给处理单元。
2.1.3处理单元
处理单元包括图像预处理模块、字符比对模块和字符识别模块。在图像预处理模块中对输入的吊牌、洗水唛图像进行预处理，提取包含文字信息的文字图像；字符识别模块利用文字识别技术提取图像中的文字信息。
2.1.4输出单元
处理单元控制输出单元将匹配结果显示在屏幕上，并给出相应的错误提示。
2.2实施过程
选择具体的对象后，操作人员将吊牌或洗水唛整齐放入检测器规定的物料槽内，检测器上的摄像头将自动、不间断地获取待检测对象的图片，并将获取的图片发送给输入单元处理。输入单元对接收到的目标图片进行清晰度判断和噪点判断，如图1所示。若摄像头获取的对象图片没有达到设定的清晰度阈值和噪点阈值，系统将在自动丢弃本张图片后重新获取物料槽内的对象信息并进行判断。然后对通过判断的图片进行灰度化、降采样、高斯去噪、二值化、旋转、裁剪等预处理，如图2所示。图像预处理模块将预处理后的图片发送给字符比对模块和字符识别模块进行文字识别与文字比对。识别信息与比对结果被发送到输出单元并通过显示屏显示出来。比对结果包括两种，一是识别结果正确，匹配成功，如图3所示；二是识别结果错误，匹配失败，如图4所示。如果匹配失败，系统会在显示屏的右下角显示出具体的错误类型，如获取的吊牌颜色信息为110，数据库中储存的该吊牌颜色信息为150，则在提示信息阶段，系统会在显示屏的右下角提示：color。
2.3核心技术
2.3.1图像文字识别方法
通过教学，要让学生了解目前最流行的光学字符识别(OCR)技术。吊牌及洗水唛上的文字可能存在不规则形状字体，这里的不规则形状字体是因透视变形、文本位置弯曲等因素造成的。因此，在识别文字信息时需要先获取待识别对象对应的有效图像信息，这便需要用到OCR技术。另外，还要让学生重点掌握图像信息预处理操作(核心技术有灰度化、降采样、高斯去噪、二值化、旋转、裁剪)，这些教学内容通过两次实验完成，每项教学完成后教师要对比实验结果是否达到预期效果。
2.3.2文字识别模型
文字识别模型采用特征金字塔网络提取有效图像中的特征信息。其工作原理是：将特征信息输入区域生成网络中，生成所述有效图像对应的目标文本候选框的特征信息；将目标文本候选框的特征信息输入快速区域卷积神经网络中，根据目标文本候选框的特征信息，使用分类器对目标文本候选框进行分类；使用所述文本分割网络对目标文本候选框中的目标文本进行字符分割、实例分割及假阳性排除；采用基于注意力机制的序列到序列网络对分割后的字符和实例进行识别，得到识别结果；采用重建网络对识别结果进行整合，得到所述有效图像信息中的所有文字信息。教师在教学过程中可以结合文字识别模型帮助学生加强人工智能课程中深度学习理论知识部分的学习。在以往的教学中，这部分内容学生总是很难听懂，因为深度学习理论知识所涉及的公式复杂、知识点多、技术较新。结合实际案例进行讲授，能够让学生更容易理解和接受。
3结语
本文阐述了在人工智能课程实践教学中引入“吊牌识别”典型案例的教学方法。该案例教学能够让学生以更加直观的方式完成图像识别和深度学习理论等内容的学习，激发学生的兴趣，使其能够将理论知识灵活应用于实践，有效避免了因理论教学晦涩难懂导致学生产生畏难情绪的问题。该案例流程简单，涉及的技术与课堂理论教学吻合，能够让学生获得学以致用的感觉。因此，将实际案例引入人工智能课程实践教学，不仅可以提高教学质量，也可以让学生找到学习方向，了解目前市场上的需求，做到与时俱进。
作者：刘艳丽 张恒 单位：上海电机学院电子信息学院 华东交通大学信息工程学院
