圖形化編程系統設計探究

劉立勛 姜晨波

摘 要

針對日益受重視的少兒編程問題，本文提出了一種圖形化編程系統的設計方案，并介紹了此系統的核心算法，即卷積神經網絡（Convolutional neural net-works， CNN）。此設計適合8～14的兒童和青少年，以少兒用戶的特點為核心，堅持簡單易懂、激發興趣的原則，對少兒編程思想的啟蒙具有重大的意義。

關鍵詞

少兒編程;圖形化編程系統;卷積神經網絡（CNN）

中圖分類號： TP391.44;TN929.5 ? ? ? ? ?文獻標識碼： A

DOI：10.19694/j.cnki.issn2095-2457.2020.07.039

Abstract

Aiming at the problem of children's programming，this paper puts forward a design scheme of graphic programming system，and introduces the core algorithm of this system，that is，convolutional neural network（CNN）.This design is suitable for 8-14 children and teenagers.It takes the characteristics of children's users as the core，adheres to the principle of easy to understand and arouses interest，and has great significance for the Enlightenment of children's programming thought.

Key Words

Children's programming;Graphical programming system;Convolutional neural network（CNN）

隨著科技的不斷進步和發展，人工智能逐漸進入人們的視野，計算機技能的地位日益提升。目前，國內青少年的編程教育還停留在初起階段，而國外在少兒時就十分注重編程思想的啟蒙。在計算機領域，編程邏輯和算法是決定程序質量高低的關鍵。而兒童時期的悟性可以讓我們養成更好的編程思維和算法邏輯。實體化編程更可以幫助使用者形成良好的編程邏輯和算法思維，幫助他們更好地融入人工智能社會。

從2007年麻省理工學院專門為青少年開發scratch軟件開始，以色列和英國緊隨其后在青少年的必修課內納入編程，隨后2017年我國國務院發文，建議實施全民智能教育項目[1]。在過去的幾年中，圍繞少兒編程教育的問題持續升溫，少兒編程的可視化、游戲化發展風向愈發明顯，少兒編程的機遇已經到來。

1 方案

首先，我們設計了簡易程序模塊，綜合考慮泡沫板的形狀、大小，并制作泡沫板;其次，把設計的簡易程序模塊印刷在泡沫板上，使用者只需根據需要拼接泡沫板，也就是簡易程序模塊;在使用者確定泡沫板完成拼接后，調用視覺系統來完成泡沫板圖像信息的采集，并將采集的圖像上載到圖像識別與圖像分析模塊;然后運用模式識別技術把采集到的圖像信息翻譯成源程序代碼，最后，待源程序代碼編譯完成后，下載到目標小車或機器人上，完成指定動作。系統運行流程如圖1。

2 模塊說明

圖形化編程系統主要包括以下幾個模塊：

（1）泡沫板程序模塊。首先，我們提前設計了簡易程序模塊，并把所有的簡易程序模塊分別印刷在各不同顏色的泡沫板上，每一塊泡沫板上的程序都可以看作編程軟件中所對應的簡易程序。

（2）泡沫板拼接。使用者可以直接根據自己的需求將泡沫板進行拼接、增加和減少，類似于積木的搭接。由于是實物，使用者可以隨時變動泡沫板，改變模塊程序的連接關系，或添加、刪減泡沫板來達到修改程序，改變功能的目的。

（3）圖像信息采集模塊。完成泡沫板拼接后，我們的圖形化編程軟件可通過圖形化控件庫調用視覺模塊，對各簡易程序模塊組成的邏輯塊進行信息采集。然后上傳到圖像識別和圖像分析模塊，完成圖像信息的采集。

（4）運用圖像識別和圖像分析技術翻譯成源程序。采集完成的圖像是二維空間的圖形對象，圖形對象之間按照一定的邏輯順序連接，組成了整個邏輯塊程序。我們的視覺系統會自動識別、提取和解析圖像信息，并將提取的信息譯為源程序代碼，即類c語言代碼。

（5）類c語言程序編譯、上載模塊。在生成類c語言代碼后，對其進行編譯。編譯過程為選擇編譯事件，從該事件所對應程序的類c語言代碼中讀取字符，產生對應的可執行代碼，進行保存，完成編譯。上載過程是由我們的第三方庫將源程序代碼與校驗碼進行校驗及解析，校驗成功后將下載到目標小車、目標機器人等，令其完成由程序指定的動作。系統整體技術路線框架如圖2。

3 算法

本系統圖像的識別與分析采用卷積神經網絡算法。其在模式識別領域表現突出，可以得到更深層的特征，擁有更高的識別率。CNN層次結構如圖3。

4 結語

少兒編程本是屬于STEAM教育的一部分，但隨著其逐步的發展，出現了專注于此領域的項目和公司，促進了少兒編程成為一個相對獨立的領域。我們如今處于一個編程的時代，學習編程，這有利于我們了解這個世界正在發生什么，將會發生什么。語言是自然社會必不可少的構成因素，而編程是互聯網形成的基礎。程序已經不再是只有互聯網人才會談論的話題，我們的衣、食、住、行幾乎被互聯網包圍，而編程這門看似枯燥、深奧的技能正是構成這一切的基礎。讓下一代提早學習編程，有利于他們更清晰地理解他們當前所處的時代。少兒編程教育并不是培養未來的程序員，而是讓孩子學會熟練地用科技表達自己，由科技時代的消費者轉變為創造者。因此，少兒編程的研究具有重大意義。

參考文獻

[1]王婷婷，王丹力，路璐，何亮，王宏安，戴國忠.面向兒童的圖形化編程語言和工具[J].計算機輔助設計與圖形學學報，2013，25（04）：584-591.