侯明鑫 俞國燕 劉海濤 張靜 劉皞春

摘要：人工智能是近年來很熱門的領域，在生產(chǎn)應用領域主要表現(xiàn)在三個方面，即人工智能在語音識別與語義理解方面的應用、在大數(shù)據(jù)智能分析方面的應用和在圖像分類與物體追蹤方面的應用。文章基于谷歌Tensorflow工具結合在圖像處理方面的模型訓練與物體識別，針對海洋裝備教學的特點，通過AI技術與海洋裝備的結合，實現(xiàn)了智能化分析。同時，展望了未來AI技術與教育教學相結合的發(fā)展方向。

關鍵詞：人工智能;Tensorflow;海洋裝備;教學

中圖分類號：G642.0? ? ?文獻標志碼：A? ? ?文章編號：1674-9324（2020）10-0199-02

一、引言

人工智能（Artificial Intelligence），即人們簡稱的AI，是讓設備具有像人一樣思考與處理問題的能力。目前學者們的研究可以分成兩個主流方向，一個主流方向是研究人工智能的算法模型的理論本質與模型生成[1，2]，另一個主流研究方向是對AI技術的應用[3，4]。在AI理論與應用不斷實施和熱度不斷升溫的當下，國內(nèi)的一些教育專家們也將AI應用到教育教學當中，比如重慶郵電大學的張聰?shù)热耍瑢⑷斯ぶ悄艿恼Z音識別應用到智慧課堂的漢語教學中[5]，華東師范大學的劉勉將動作識別系統(tǒng)引入實訓型未來課堂的理念，并初步構建了相應的教學行為研究方式[6]。

本文結合當下人工智能常用的谷歌公司Tensorflow工具，針對海洋裝備教育教學中的特點，從應用角度研究了AI對海洋裝備教學的影響，并且展望了未來AI技術在海洋工程教學中的發(fā)展趨勢。

二、Tensorflow

Tensor即張量，flow即流動，從字面上講Tensorflow是張量的流動。對于技術本質上說是以張量圖為核心的流動層數(shù)算法。根據(jù)谷歌對Tensorflow的定義“Tensorflow是針對機器學習設計的端到端的開源平臺”，無論是初學者還是專家，都很容易上手生成機器學習的模型。機器學習的模型以神經(jīng)網(wǎng)絡為理論基礎，是處理某一問題時，部分代替了人腦和專家經(jīng)驗，可以對有關領域，比如圖像、語音、數(shù)據(jù)進行智能化的分析。從工程實現(xiàn)角度講，Tensorflow生成模型后，主要有兩種應用方式，一種是把模型放在云端服務器;另一種是邊緣計算，即把生成的模型放在本地，本地可以是智能手機、嵌入式IC處理器、PC機等。這兩種人工智能的模型應用各有特點：放在云端的主要原因是模型的功能強大，云端的存儲與計算能力遠超過本地，但這種方式要求整個AI的計算過程要基于網(wǎng)絡實現(xiàn)，倘若在沒有網(wǎng)絡的情況下，是無法完成人工智能的實現(xiàn)過程的;把人工智能模型放在本地的邊緣計算方式，優(yōu)點是離線的、不需要網(wǎng)絡即可計算出AI的結果，但缺點是本地計算能力與存儲能力有限，不能識別過多的復雜情況。所以，基于Tensorflow生成人工智能模型后，AI的專家們根據(jù)應用場景選擇將模型放在服務器云端或者本地端進行邊緣計算。

三、海洋裝備專業(yè)的教學特點

海洋裝備屬于海洋工程的一個分支，涉及機械學、電子學、光學、聲學等知識，教學培養(yǎng)方案中明確規(guī)定“培養(yǎng)學生應具備知識拓展能力，通過掌握聲學、光學和信息應用技術等相近專業(yè)的一般原理和知識，能夠處理和解決與專業(yè)方向近領域有關的科學與工程問題。”海洋裝備中的數(shù)據(jù)很多是以圖像作為分析依據(jù)的，比如海洋養(yǎng)魚的網(wǎng)箱、漁網(wǎng)、海洋生物、海洋裝備的種類等，都是基于海洋環(huán)境中的圖像作為教學依據(jù)的。

四、人工智能在海洋裝備教學中的應用

海洋裝備是以圖像為基礎交流的，所以人工智能在海洋裝備學科的應用應以AI的物體識別為切入點進行拓展。典型的人工智能圖像處理的模型包括：MobileNet、PoseNet、Coco SSD、BodyPix和DeepLab v3。通常在做人工智能項目圖像中物體追蹤時，首要分析與選取的是人工智能的模型，比如以瀏覽器為核心的項目通常選取PoseNet和BodyPix模型，鑒于海洋裝備學科教育教學的特點，學生與教師通常使用的工具是智能手機，所以本文中的人工智能模型是以MobileNet為基礎的應用，應用方式可以通過本地的手機中的模型進行邊緣計算，也可以將訓練好的模型上傳到云端，從而實現(xiàn)更復雜的海洋裝備教學中的圖像識別。通過選取MobileNet為人工智能模型，與海洋裝備教學的圖像相結合，可以實現(xiàn)如下功能：（1）可以通過手機對海洋環(huán)境中特定的裝備實現(xiàn)智能化的局部識別，識別結果如下圖所示。（2）針對識別結果，比如下圖中手機AI應用App識別的“海洋網(wǎng)箱”和“海洋捕魚船”，查詢云端服務器，從而實現(xiàn)查詢數(shù)據(jù)庫。（3）根據(jù)數(shù)據(jù)庫的查詢關鍵詞結果，輸出具體的針對教育教學中的指導內(nèi)容，教學指導內(nèi)容不限于文字、圖像和視頻。

五、展望

根據(jù)上圖中的原理，教學中教師可以自行設計要識別的圖像內(nèi)容，根據(jù)AI算法訓練出指定的識別內(nèi)容，進而可以生成特定的數(shù)據(jù)庫。因此，本文針對人工智能模型算法與海洋裝備教學中的特點，展望未來AI技術將會對海洋學科產(chǎn)生如下影響：（1）學習的高效化。當學生看到任何海洋環(huán)境中不懂的物體時，可以借助手機人工智能App對準海洋環(huán)境，實現(xiàn)智能化的分析環(huán)境或圖像中的內(nèi)容。（2）學習的深入化。根據(jù)智能的識別結果，學生或教師可以進一步地檢索云端服務器內(nèi)容，瞬間調出有針對性的且能深入理解的文字、圖像和視頻。（3）教學的智能化。人工智能技術與海洋工程的結合，改變了傳統(tǒng)的教學模式，使得教學變得智能化，且隨著智能手機的普及，學生們可快速應用學習。

六、結論

本文首先介紹了人工智能的研究方向與應用實現(xiàn)方式，接著闡述了當前最具有影響力的谷歌AI開發(fā)工具Tensorflow，然后針對海洋裝備中的教學特點，結合海洋工程的環(huán)境養(yǎng)魚網(wǎng)箱實例，展示了的AI應用與教學的結合方式，最后本文展望了AI與教育教學結合的發(fā)展方向。