《图像识别特训营——卷积神经网络应用》教学设计
课型 新授课 学时 1 授课年级 七年级
课程指南 C1人工智能关
键技术
人工智能领域不同子领域中占据主导地位的技术工具。
C2人工智能工
具选择
认识人工智能技术框架工具的常见实例及其特点与适用范
围，具备基于问题选择适切的工具的能力。
C3人工智能应
用
能够基于人工智能技术框架工具开展实践的应用活动，做到
理论与实践的结合。
内容分析
本节课的主题是卷积神经网络在中药图像识别应用中的实际操作。学生将通
过在线 AI平台进行实际的图像采集、模型训练和应用，从而深入理解卷积神
经网络的工作原理和应用流程。
学情分析
知识基础：
学生们已经接触过神经网络的基本概念，具有一定的人工智能基础知识，已
有卷积神经网络基本概念的理解，包括卷积和池化操作。学生可能缺乏实际
操作平台进行模型训练和图像处理的经验。
学习动机：
学生对 AI和机器学习有高度兴趣，特别是其在图像识别等实际应用中的实用
性。实际操作和见证模型工作可能会进一步激发学生的学习热情，尤其是对
于期待看到即时结果的学生。
学习风格：
学生可能偏好学生可能偏好实践操作和直观体验学习，通过亲自动手实现理
论到实践的转换。通过互动平台进行学习可能更符合数字时代学生的学习习
惯，可以通过视觉和操作的结合提高学习效率。
教学目标
人工智能关键
技术
理解卷积神经网络的工作流程：使学生通过亲自操作学习卷
积神经网络的整个工作流程，包括图像的采集、模型的训
练、以及使用模型进行图像识别。
人工智能工具
选择
掌握图像数据处理和模型训练的基本技能：学生能够独立处
理图像数据，训练一个基本的图像识别模型，并理解模型训
练中的参数如何影响结果。
人工智能应用 应用知识解决实际问题：通过使用训练好的模型进行中药图
像的识别，让学生体验和理解卷积神经网络在实际应用中的
价值和效果。
教学重难
点
教学重点 1.详细介绍模型从开始训练到完成的整个过程，包括数据的
准备、模型的选择、训练的启动和监控。
2.教授学生如何处理图像以提高模型训练效率和识别准确
率，例如图像的预处理和增强。
教学难点 1.模型训练中参数的选择和调整往往比较复杂，需要教师详
细解释其原理和影响，帮助学生理解如何选择合适的参数。
2.在 AI平台上进行模型训练和应用时可能会遇到技术问
题，如软件使用、代码调试等，需要逐一解决。
教学方法 采用案例教学、实践操作和互动式学习相结合的方式，通过在线 AI平台亲手
进行图像采集、模型训练和图像识别的操作，实践中学习理论知识。
教学环境
与
教学资源
需要配备计算机、投影仪或智能白板，便于展示 PPT和进行互动演示。
学生个人电脑或平板设备，确保每个学生可以参与在线互动活动
教学课件、学习任务单、《人工智能读本》
教学环节 教师活动 学生活动 设计意图
课程回顾
与引入
1.回顾上节课内容：
教师回顾卷积神经网络的结构及其主
要应用领域，强调卷积神经网络最关
键的两个步骤——卷积和池化
2.介绍课程目标和内容：
介绍课程的主要内容和目标，解释本
节课将如何通过实际操作来深入理解
卷积神经网络的结构及其应用。
学生在教师介绍
过程中，对教师
介绍的课程内容
和目标进行反
思，提出他们期
待解决或了解的
具体问题。
让学生清楚本节
课的学习目标和
预期成果，帮助
他们在学习过程
中有明确的方向
和动力。。
模型的训
练与应用
1.引导学生进行图像采集：
教师指导学生如何从网上下载或现场
拍摄中草药图像，并强调图像质量对
模型训练结果的重要性。
解释图像背景应尽可能干净，并且每
种中草药需要至少 20张不同的图片
以确保数据多样性。
2.演示如何上传数据和训练模型：
指导学生如何登录 AI平台，并导航
到相关的数据上传和模型训练区域。
在 AI平台上演示如何上传图像并准
备数据集，训练中草药识别模型，训
练完成后，可在右侧窗口查看模型准
确度。
3.下载与应用模型：
指导学生如何从平台下载训练好的模
型，以及如何在本地或在线环境中加
载这些模型。
演示如何使用下载的模型进行图像识
别，包括如何输入新的中药图像到模
型中并获取识别结果。
教授学生如何解析和理解模型的识别
结果，包括如何检查和评估模型识别
的准确性和可靠性。
实际操作图像采
集：
学生根据教师指
导在线下载或拍
摄中草药图像。
确保图像符合训
练要求，如背景
干净、图像清
晰。
上传和准备训练
数据：
学生自行操作上
传图像至 AI平
台，准备开始模
型训练。
加载模型并显示
识别结果。
通过让学生亲自
操作图像采集、
上传和模型训
练，增强其实际
操作能力，使他
们能够独立处理
类似任务。
通过实际的问题
和错误的出现，
鼓励学生分析问
题原因，探索解
决方案，培养他
们的问题解决能
力和批判性思
维。
模仿练习
与总结
1.模仿练习：
引导学生参考“识别结果为八角”的
程序，完善“识别结果为人参的程
序”。
2.监督学生实操：
执行图像识别：
学生独立在 AI平
台上操作，上传
中药图像并使用
模型进行识别。
通过模仿教师演
示的流程，学生
能够实际操作并
理解每个步骤的
重要性和技术细
监督学生在 AI平台上自行上传图
像，应用训练好的模型进行识别。确
保每位学生都能独立操作，从上传图
像到获取识别结果。
随时解答学生在操作过程中遇到的技
术问题，提供必要的技术支持。
实际应用所学的
知识来解决实际
问题，体验从理
论到实践的过
渡。
参与结果讨论：
学生展示自己的
识别结果，与同
学共享学习经验
和识别过程中遇
到的挑战。
分析识别结果，
讨论改进策略。
节，从而加深对
卷积神经网络在
图像识别中应用
的理解。
实操可以帮助学
生更好地理解理
论知识，并能够
将其应用于解决
实际问题
板书设计
卷积神经网络—中药识别
一、课程目标：掌握图像识别流程
二、操作步骤：
1.图像采集
2.模型训练
3.应用模型
4.结果分析
三、常见问题：图像质量，流程出错
教学反思
/4
