备课

类型

新授课

设计教师

一备：（叶小宝），二备：（叶小宝）

上课

课题

第13课  图像识别技术

课时

1课时

教材

与

学情

分析

本节课是八年级下第三单元《人工智能基础》的第4课，在人工智能技术中，图像识别技术是- -种十分重要的技术。随着信息时代的不断发展，图像识别技术逐渐兴起并得到广泛应用。图像识别的本质是模式识别，其要点是提取图像中的主要特征，再到相应的库中去匹配这些特征，找到匹配度最高的答案。根据图像应用的场景，可以大致把图像识别分为文字识别、动植物识别和人体人脸和指纹等)识别等领域。引导学生在图像识别前，先要进行分类，识别不同的图像，最好采用不同的方法，进而提高识别的正确率。无论方法是否相同，图像识别的原理是相同的，都是通过特征提取与比对来识别图像。卷积神经网络在图像特征提取上有着非常出色的表现，但该知识点比较抽象，学生很难理解。要求学生掌握卷积神经网络，采用多个层来不断加强图像的特征。将从上一-层提取出来的特征输人到下-层，再进行特征变换，进- 步加强特征信息。

第1课

时

教学目标

1.根据具体的应用案例，能够鉴别使用的图像识别技术。

2.了解图像识别的过程。

3.了解卷积神经网络的功能。

教学重点

难点

重点：图像识别的本质和识别过程

难点：特征提取及卷积神经网络的功能。

教学

准备

1.网络教室。

2.视频、或软件百度、腾讯、华为等人工智能开放平台的软件开发工具包。

预设

流程

环节一：导入新课

学习目标：初步了解图像识别技术

学生活动：观看视频，思考图像识别在哪些场景中应用

学习指导：

同学们，上课前，我们来观看一段小视频？

观看视频

从此视频当中，我们了解到计算机可以通过编写好的代码进行人脸识别，在生活中，很多公安系统通过图像识别进行破案。

实验心理学家赤瑞特拉证实：人类获取信息83%来自视觉，11%来自听觉。

关键问题：图像识别在哪些场景中应用？

设计意图：通过视频初步了解图像识别技术。

环节二：讲授新课 学习新知

学习目标：了解图像识别的应用场景和识别过程

学生活动：观看视频，总结理解图像识别的过程

学习指导：

 一、 图像识别

 图像识别技术是指利用计算机对图像进行处理、分析和理解，来识别图像中的对象的技术。每个图像都有独特的特征，图象识别技术通过获取图像的主要特征来识别图像。

 亲身体验：

采用识别文字的APP或软件，将图像中的文字识别为文本形式。

   二、图象识别技术的应用场景

图像识别技术在生活中的应用越来越多。如图13-1所示，在文字识别领域，识别车牌号码、身份证号等；在图形识别领域，可以鉴别出各种植物、动物等；在人脸识别领域，可以实现手机支付、解锁等功能。

亲身体验

举例你身边使用图像识别技术的应用案例。

1、火车站检票口人脸识别

2、手机人脸解锁

3、扫一扫二维码

4、自动驾驶

三、图像识别的过程

 图像识别的可以分为以下几个步骤：图像信息的获取、预处理、选择分类器并识别出图像，如图13-2所示。

   1.图像数字化

图像的数字化过程主要分为采样、量化与编码三个部分。

（1）采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。

（2）量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。

（3）编码可以实现压缩图像数据量，数字化后得到的图像数据量一般较大，编码技术可以压缩存储量。例如，一个分辨率为16×16像素的黑白字形图（如图13-3），若用“0”表示白、“1”表示黑，如图13-4所示的是未经压缩的图像数字化表示。

2.预处理

   指图像处理中的去噪、平滑、变换等操作，从而加强图像的主要特征。图像经过预处理的前后效果对比，如图13-5所示。

3.特征提取

         特征提取是指获取图像主要特征的过程。例如，在人脸识别过程中，人脸器官的形状、它们之间的距离等是图像的主要特征，如图13-6所示。

 卷积神经网络在图像特征提取上有非常出色的表现。通过深度学习，卷积神经网络能以逐层抽象的方式来学习数据中蕴含的特征，通过多层变换之后，卷积神经网络可以将原始图像变换为更高层次的、抽象的特征，如图13-7所示。

4.分类并识别

   分类并识别是指计算机先对图像进行种类预测，得到种类分布，再根据种类在相应训练好的模型中，用提取到的特征与模型中的数据进行匹配，从而的得到相应的结论。

关键问题：图像识别是如何实现的？

设计意图：通过学生实践、观看视频、教师讲解图像的应用场景和图像识别的过程，感受图像识别技术给生活带来的便利。落实本课教学的重点。

环节三：图像的实践

学习目标：实践加深理解图像识别的过程

学生活动：

从网上搜集一种植物的多张图像，利用人工智能开放平台进行识别。

学习指导：

人工智能开放平台一般提供若干类别的图像模型。借助这些平台，可以实现不同类别图像的识别。以百度语音识别软件开发工具包为例，识别动物图片的过程如图13-8所示。

关键问题：植物是如何识别出来的呢？

设计意图：通过实践尝试利用人工智能开放平台进行图像识别的尝试。加深对图像识别过程的理解。

环节四：课堂小结，总结提升

学习目标：巩固控制与反馈

学生活动：师生互动进行课堂小结。

1、图像识别技术是指利用计算机对图像进行处理、分析和理解，来识别图像中的对象的技术

2、图象识别的应用领域：文字识别领域，识别车牌号码、身份证号等智能识别。

3、图像识别的可以分为以下几个步骤：图像信息的获取、预处理、选择分类器并识别出图像。

4、在人工智能开放平台上识别植物。

【设计意图】锻炼学生的总结能力，逻辑思维、语言表达能力。

作业

设计

从网上搜集一种植物的多张图像，利用人工智能开放平台进行识别。

板书

设计

教学反思

备课

类型

新授课

设计教师

一备：（叶小宝），二备：（叶小宝）

上课

课题

第13课  图像识别技术

课时

1课时

教材

与

学情

分析

本节课是八年级下第三单元《人工智能基础》的第4课，在人工智能技术中，图像识别技术是- -种十分重要的技术。随着信息时代的不断发展，图像识别技术逐渐兴起并得到广泛应用。图像识别的本质是模式识别，其要点是提取图像中的主要特征，再到相应的库中去匹配这些特征，找到匹配度最高的答案。根据图像应用的场景，可以大致把图像识别分为文字识别、动植物识别和人体人脸和指纹等)识别等领域。引导学生在图像识别前，先要进行分类，识别不同的图像，最好采用不同的方法，进而提高识别的正确率。无论方法是否相同，图像识别的原理是相同的，都是通过特征提取与比对来识别图像。卷积神经网络在图像特征提取上有着非常出色的表现，但该知识点比较抽象，学生很难理解。要求学生掌握卷积神经网络，采用多个层来不断加强图像的特征。将从上一-层提取出来的特征输人到下-层，再进行特征变换，进- 步加强特征信息。

第1课

时

教学目标

1.根据具体的应用案例，能够鉴别使用的图像识别技术。

2.了解图像识别的过程。

3.了解卷积神经网络的功能。

素养目标：通过对图像识别技术和具体应用场景相融合的创想活动，感知图像识别的社会价值，提高信息意识。

通过小组合作探究和在线分享，体验图像识别的真实应用，感受利用互联网和数字化工具进行学习的便利，提高合作学习能力，利用技术解决生活问题的能力。

教学重点

难点

重点：图像识别的本质和识别过程

难点：特征提取及卷积神经网络的功能。

教学

准备

1.网络教室。

2.视频、软件百度、腾讯、华为等人工智能开放平台的软件开发工具包。

预设

流程

环节一：导入新课

学习目标：初步了解图像识别技术

学生活动：观看视频，思考图像识别在哪些场景中应用

学习指导：

同学们，上课前，我们来观看一段小视频？

观看视频

从此视频当中，我们了解到计算机可以通过编写好的代码进行人脸识别，在生活中，很多公安系统通过图像识别进行破案。

实验心理学家赤瑞特拉证实：人类获取信息83%来自视觉，11%来自听觉。

关键问题：图像识别在哪些场景中应用？

设计意图：通过视频初步了解图像识别技术。

环节二：讲授新课 学习新知

学习目标：了解图像识别的应用场景和识别过程

学生活动：观看视频，总结理解图像识别的过程

学习指导：

 一、 图像识别

 图像识别技术是指利用计算机对图像进行处理、分析和理解，来识别图像中的对象的技术。每个图像都有独特的特征，图象识别技术通过获取图像的主要特征来识别图像。

 亲身体验：

采用识别文字的APP或软件，将图像中的文字识别为文本形式。

   二、图象识别技术的应用场景

图像识别技术在生活中的应用越来越多。如图13-1所示，在文字识别领域，识别车牌号码、身份证号等；在图形识别领域，可以鉴别出各种植物、动物等；在人脸识别领域，可以实现手机支付、解锁等功能。

亲身体验

举例你身边使用图像识别技术的应用案例。

1、火车站检票口人脸识别

2、手机人脸解锁

3、扫一扫二维码

4、自动驾驶

三、图像识别的过程

 图像识别的可以分为以下几个步骤：图像信息的获取、预处理、选择分类器并识别出图像，如图13-2所示。

   1.图像数字化

图像的数字化过程主要分为采样、量化与编码三个部分。

（1）采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。

（2）量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。

（3）编码可以实现压缩图像数据量，数字化后得到的图像数据量一般较大，编码技术可以压缩存储量。例如，一个分辨率为16×16像素的黑白字形图（如图13-3），若用“0”表示白、“1”表示黑，如图13-4所示的是未经压缩的图像数字化表示。

2.预处理

   指图像处理中的去噪、平滑、变换等操作，从而加强图像的主要特征。图像经过预处理的前后效果对比，如图13-5所示。

3.特征提取

         特征提取是指获取图像主要特征的过程。例如，在人脸识别过程中，人脸器官的形状、它们之间的距离等是图像的主要特征，如图13-6所示。

 卷积神经网络在图像特征提取上有非常出色的表现。通过深度学习，卷积神经网络能以逐层抽象的方式来学习数据中蕴含的特征，通过多层变换之后，卷积神经网络可以将原始图像变换为更高层次的、抽象的特征，如图13-7所示。

4.分类并识别

   分类并识别是指计算机先对图像进行种类预测，得到种类分布，再根据种类在相应训练好的模型中，用提取到的特征与模型中的数据进行匹配，从而的得到相应的结论。

关键问题：图像识别是如何实现的？

设计意图：通过学生实践、观看视频、教师讲解图像的应用场景和图像识别的过程，感受图像识别技术给生活带来的便利。落实本课教学的重点。

环节三：图像的实践

学习目标：实践加深理解图像识别的过程

学生活动：

从网上搜集一种植物的多张图像，利用人工智能开放平台进行识别。

学习指导：

人工智能开放平台一般提供若干类别的图像模型。借助这些平台，可以实现不同类别图像的识别。以百度语音识别软件开发工具包为例，识别动物图片的过程如图13-8所示。

关键问题：植物是如何识别出来的呢？

设计意图：通过实践尝试利用人工智能开放平台进行图像识别的尝试。加深对图像识别过程的理解。

环节四：课堂小结，总结提升

学习目标：巩固控制与反馈

学生活动：师生互动进行课堂小结。

1、图像识别技术是指利用计算机对图像进行处理、分析和理解，来识别图像中的对象的技术

2、图象识别的应用领域：文字识别领域，识别车牌号码、身份证号等智能识别。

3、图像识别的可以分为以下几个步骤：图像信息的获取、预处理、选择分类器并识别出图像。

4、在人工智能开放平台上识别植物。

【设计意图】锻炼学生的总结能力，逻辑思维、语言表达能力。

作业

设计

从网上搜集一种植物的多张图像，利用人工智能开放平台进行识别。

板书

设计

教学反思

从教学效果来看，学生兴趣盎然，经历“认识、体验、探究、创想”的学习过程，在实践中体验，在思考中感知，在交流中提升，很好地达成了所设定的教学目标。可以说本课为在初中进行人工智能教学做了一个有益的尝试。

本课在关注课程内容的同时，也关注学生的信息技术核心素养：基于真实情境，利用图像识别解决生活、学习中的实际问题，增强信息意识。将移动终端作为学习工具，借助微课等学习资源，利用互动平台在线分享，培养学生数字化学习的意识和能力。