以“垃圾分類”為例的圖像識別課程案例設計

馮瑩倩

摘要：該文以新《課程標準》為指導，以“垃圾分類”為主題，以Python為編程語言，設計適合高中生學習的圖像識別課程案例。該案例的設計主要為了實現三個目的：（1）培養學生的計算思維及動手實踐能力、創新創造能力;（2）讓學生在設計制作項目的過程中強化垃圾分類的意識和行為習慣;（3）為“人工智能”課程的教學設計提供參考與幫助。

關鍵詞：圖像識別;人工智能;大數據;垃圾分類

中圖分類號：G642 文獻標識碼：A

文章編號：1009-3044（2020）06-0174-02

1背景

教育部《普通高中信息技術課程標準（2017年版）》將“人工智能初步”作為六個選擇性必修模塊之一，要求學生通過該模塊的學習，能夠了解人工智能的發展及概念，并體驗搭建簡單的人工智能模塊的過程，親歷設計與實現簡單智能系統的基本過程與方法，增強利用智能技術服務人類發展的責任感。

本文以新《課程標準》為指導方針，以Python語言為基礎，設計適合高中生學習的圖像識別課程案例，讓學生體驗垃圾分類識別技術的創造過程，以期為“人工智能”課程的教學設計提供參考與幫助。

2“垃圾分類”圖像識別課程案例的設計與應用

2.1活動一：獲取“濕垃圾”圖片

1）圖像數據的下載

運用baidu_image.py文件，掌握利用Python批量下載圖像的方法。這個方法可以比傳統的網絡上獲取圖片的方法更加快速、便捷，學生可以直觀地感受到計算機解決問題的神奇之處。我們將下載后的圖像數據以4：1的比例分成train_data（訓練集文件）和val_data（測試集文件）兩個文件夾。

2）圖像數據的清洗

使用程序批量下載圖片完畢，由于格式、像素等原因會產生一些“問題”圖像，我們需要運用remove_error_image.py文件清洗下載好的圖像，剔除“問題”圖像。

3）圖像數據的規整處理

我們還需要統一圖像的尺寸，比如之后的程序運行也會要求圖像的規格為224*224像素，那就要在這一環節運用flow_from_directoryO函數對圖像數據進行規整處理，將圖像統一為程序要求的尺寸。

關于圖像處理的代碼文件，教師會在學習資源中給出。

2.2活動二：搭建訓練模型

接下來我們運用Pvthon代碼讓計算機提取已有圖片數據的特征，完成機器學習的過程。

1）展示resnet50模型（訓練模型）學習過程

我們運用keras.preprocessing.image.ImageDataGeneratorO來創建訓練集圖片讀取器。按照按batch_size為單位，獲取所有的訓練數據及驗證數據。具體代碼如下：

4）訓練及保存模型

現在就可以讓基于resnet50的校園垃圾分類訓練模型學習我們給它準備好的數據集了。我們可以按照下面的操作來完成這一個環節。具體代碼如下：

2.4活動四：呈現項目

1）連接樹莓派與電腦端

將樹莓派作為采集視頻的裝置，連接樹莓派（采集端）與電腦（接收端）。

2）編寫樹莓派代碼

為了能讓樹莓派能夠正常采集信息，我們需要先寫一個簡單的代碼，命名為client.py，其中我們需要將第6行的路徑換為自己電腦的IP或hostname，代碼如下：

經歷過這一步，樹莓派攝像頭已經打開，處于信息采集狀態，接下來將編寫代碼把樹莓派采集到的信息發送至電腦端，建立和電腦端的橋梁。

3）編寫電腦端代碼

首先我們需要在電腦cmd窗口中安裝“依賴”，即運行創建環境，代碼如下：

4）測試垃圾分類項目

完成以上操作就可以拍攝垃圾圖像進行測試了，建議大家把測試結果記錄下來，以便觀察項目的可靠性。

2.5拓展

經過本項目的制作，教師可以引導學生思考：我們能否利用項目中的代碼解決生活中其他問題呢？例如貓和狗的識別，機器貓和皮卡丘的識別，花和草的識別……課后，同學們可以選擇一個感興趣的主題，對本案例中的代碼進行改寫，創建一個屬于自己的圖像識別項目。