以“垃圾分类”为例的图像识别课程案例设计

冯莹倩

摘要：该文以新《课程标准》为指导，以“垃圾分类”为主题，以Python为编程语言，设计适合高中生学习的图像识别课程案例。该案例的设计主要为了实现三个目的：（1）培养学生的计算思维及动手实践能力、创新创造能力;（2）让学生在设计制作项目的过程中强化垃圾分类的意识和行为习惯;（3）为“人工智能”课程的教学设计提供参考与帮助。

关键词：图像识别;人工智能;大数据;垃圾分类

中图分类号：G642 文献标识码：A

文章编号：1009-3044（2020）06-0174-02

1背景

教育部《普通高中信息技术课程标准（2017年版）》将“人工智能初步”作为六个选择性必修模块之一，要求学生通过该模块的学习，能够了解人工智能的发展及概念，并体验搭建简单的人工智能模块的过程，亲历设计与实现简单智能系统的基本过程与方法，增强利用智能技术服务人类发展的责任感。

本文以新《课程标准》为指导方针，以Python语言为基础，设计适合高中生学习的图像识别课程案例，让学生体验垃圾分类识别技术的创造过程，以期为“人工智能”课程的教学设计提供参考与帮助。

2“垃圾分类”图像识别课程案例的设计与应用

2.1活動一：获取“湿垃圾”图片

1）图像数据的下载

运用baidu_image.py文件，掌握利用Python批量下载图像的方法。这个方法可以比传统的网络上获取图片的方法更加快速、便捷，学生可以直观地感受到计算机解决问题的神奇之处。我们将下载后的图像数据以4：1的比例分成train_data（训练集文件）和val_data（测试集文件）两个文件夹。

2）图像数据的清洗

使用程序批量下载图片完毕，由于格式、像素等原因会产生一些“问题”图像，我们需要运用remove_error_image.py文件清洗下载好的图像，剔除“问题”图像。

3）图像数据的规整处理

我们还需要统一图像的尺寸，比如之后的程序运行也会要求图像的规格为224*224像素，那就要在这一环节运用flow_from_directoryO函数对图像数据进行规整处理，将图像统一为程序要求的尺寸。

关于图像处理的代码文件，教师会在学习资源中给出。

2.2活动二：搭建训练模型

接下来我们运用Pvthon代码让计算机提取已有图片数据的特征，完成机器学习的过程。

1）展示resnet50模型（训练模型）学习过程

我们运用keras.preprocessing.image.ImageDataGeneratorO来创建训练集图片读取器。按照按batch_size为单位，获取所有的训练数据及验证数据。具体代码如下：

4）训练及保存模型

现在就可以让基于resnet50的校园垃圾分类训练模型学习我们给它准备好的数据集了。我们可以按照下面的操作来完成这一个环节。具体代码如下：

2.4活动四：呈现项目

1）连接树莓派与电脑端

将树莓派作为采集视频的装置，连接树莓派（采集端）与电脑（接收端）。

2）编写树莓派代码

为了能让树莓派能够正常采集信息，我们需要先写一个简单的代码，命名为client.py，其中我们需要将第6行的路径换为自己电脑的IP或hostname，代码如下：

经历过这一步，树莓派摄像头已经打开，处于信息采集状态，接下来将编写代码把树莓派采集到的信息发送至电脑端，建立和电脑端的桥梁。

3）编写电脑端代码

首先我们需要在电脑cmd窗口中安装“依赖”，即运行创建环境，代码如下：

4）测试垃圾分类项目

完成以上操作就可以拍摄垃圾图像进行测试了，建议大家把测试结果记录下来，以便观察项目的可靠性。

2.5拓展

经过本项目的制作，教师可以引导学生思考：我们能否利用项目中的代码解决生活中其他问题呢？例如猫和狗的识别，机器猫和皮卡丘的识别，花和草的识别……课后，同学们可以选择一个感兴趣的主题，对本案例中的代码进行改写，创建一个属于自己的图像识别项目。