原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
课题
跨学科活动：昆虫的识别
单元
第二单元
学科
信息科技
年级
八年级下
核心素
养目标
信息意识：能意识到数据的来源、质量和重要性，对数据的收集、处理和分析能理解如何利用信息技术来解决实际问题。
计算思维：通过学习本课，可以将复杂的昆虫识别问题转化为可以通过算法解决的形式，包括数据预处理、特征提取和模型训练等。
数字化学习与创新：通过运用神经网络和深度学习技术，能够在数字化环境中进行学习和实验，探索新的识别方法和技术，推动创新。
信息社会责任：在进行昆虫识别时，需要考虑到数据隐私、知识产权和生态保护等社会责任，确保技术的应用不会对环境和社会造成负面影响。
教学重点
1、熟练掌握并运用神经网络完成昆虫识别系统搭建。
教学难点
1、认识神经网络能够帮助解决生活的问题。
教学过程
教学环节
教师活动
学生活动
设计意图
导入新课
板书课题。
本课中你将体验：
如何设计一个神经网络识别昆虫项目
如何搭建识别昆虫的神经网络
如何转换模型并部署应用
在某些地区，农作物经常受到不同虫害的侵袭，导致产量下降。请同学们应用所学的生物学知识和深度学习技术识别多种昆虫，帮助家乡的农民监测农作物虫害情况，减少经济损失。
2、观看教学视频。
学习新知引入，观看教学视频。
用提问的方式引入课题，增强课堂互动性。将学生的注意吸引到课堂。
讲授新课
新知讲解
一、需求分析
在设计神经网络识别昆虫时，必须从当地的实际情况出发，挖掘真实需求。在项目需求方面，需要有大量当地昆虫图像组成的数据集，并借助深度学习技术，训练一个神经网络识别出不同昆虫，把训练好的神经网络模型部署到实际应用场景中去，完成一个智能应用。请你结合前面的学习，根据项目需求将表2.4.1填写完整。
二、分工合作
方案设计完成后，你的小组需要进行分工合作，小组成员的分工角色与合作职责，可以参照表2.4.2所示范例设计，也可以另行设计。
姓名
角色
分工
A
组长
负责项目统筹、监督与管理
B
成员
负责进行数据集制作与文档撰写
C
成员
负责模型训练与评估
D
成员
负责模型部署与程序测试
E
成员
负责总结内容
三、规划实施
神经网络识别昆虫项目的实施过程，可分为项目方案设计、收集整理图像素材、训练神经网络模型、部署与应用模型。
1.项目方案设计
项目方案的设计包括：如何准备图像数据，是从网络上下载，还是通过摄像头采集；收集好图像数据后，制作成哪种格式的数据集(如ImageNet格式或COC0格式);选用哪种平台进行模型训练(如MMEdu):训练好的模型如何转化，以及如何部署在边缘设备上使用。请搜索并学习相关知识，以更好地设计你们的方案。
2.收集整理图像素材
图像素材主要的收集方式有网络下载、拍摄录制与编写绘制等，其中网络下载要尊重版权，并通过正规渠道获取。对收集到的原始素材，通常还要进行加工处理并分类保存。素材收集完成后，按分类需求填人表2.4.3中。
3.训练神经网络模型
已经学习了MMEdu训练模型的核心步骤和代码，现在用自建的昆虫数据集进行模型训练。以小组为单位，尝试使用不同的SOTA训练昆虫分类模型，留下一个最好的模型。当然，也可以采用无代码的方式进行训练。对于这两种方式，你更喜欢哪一种?
4.部署与应用
模型不同的深度学习开发框架都有自己特定类型的模型文件，为了方便部署和应用，我们需要进行模型转换，MMEdu提供了转换函数，可以方便地转换为ONNX格式，然后进行边缘设备部署。
四、交流评价
项目成果交流，分成果整理与交流两个环节。成果整理，其内容涉及项目需求分析、项目方案设计、素材收集、模型部署和应用等方面，并为之制作汇报交流用的PPT。
项目成果评价，可基于表2.4.4所示的评价量规，来对自己与他人的项目成果进行客观的评价，并记录评价结果。
五、课堂练习
完成PPT17页——19页课堂作业。
六、拓展延伸
1、深度学习技术在生活中的其他应用
图像识别：深度学习广泛应用于图像识别技术中，如人脸识别、物体检测和自动驾驶汽车的视觉系统。
自然语言处理：在语音识别、机器翻译和聊天机器人等领域，深度学习技术被用于理解和生成自然语言。
医疗诊断：深度学习被用于分析医学影像（如X光片、CT扫描）以辅助医生进行疾病诊断。
推荐系统：电商平台和流媒体服务利用深度学习算法分析用户行为，提供个性化的产品和内容推荐。
金融服务：在信贷评估、欺诈检测和算法交易中，深度学习被用来分析大量数据并做出决策。
2、数据收集、清洗和分析的基本技能
数据收集：这是数据科学的第一步，通常通过各种来源获取数据，如数据库、API、Web抓取、开放数据集等。常用的数据收集工具包括Python中的`requests`库、`pandas`、`beautifulsoup`等。
数据清洗
文档评论（0）