信息学院刘闯获评第六届全国计算机类课程实验教学案例设计竞赛（人工智能类）二等奖

近年来，随着人工智能的迅猛发展和广泛应用，围绕人工智能的相关教育以及在工业领域的相关应用变得愈发普及。然而人工智能算法，尤其是深度学习，需要在大量精准的数据集上进行训练，学习者因难以参与数据集的取样、处理和建立，导致培训后的学习者缺乏使用深度学习解决实际问题的能力。因此，开发一种快速而准确地生成数据集的方法是当前人工智能教育的当务之急。

信息学院教学平台高级工程师刘闯开发了一种自动化的数据集自动生成装置，并将数据集在百度PaddlePaddle平台进行训练得到人工智能模型，再配置环境使得人工智能模型在树莓派硬件上实际运行。项目实现了数据集的采集、处理、建立和深度学习模型的训练，以及模型实际运行的全过程，旨在帮助学生能更好地利用数据集进行训练，掌握将人工智能学以致用的能力。该案例也顺利获评了第六届全国计算机类课程实验教学案例设计竞赛（人工智能类）二等奖。

图|获奖证书

刘闯老师在实际教学过程中试验了案例并取得了一定成效。他将实验设置为基于PaddlePaddle的刻度识别自动化模型训练系统，由两个子系统组成。第一个子系统为数据集自动生成系统，第二个系统为基于PaddlePaddle的智能识别系统。

图|课堂照片

数据集自动生成系统包括：刻度反馈模块、刻度模块、传动模块、图像采集模块，如下图所示。

图1数据集自动生成系统实物图

学生需要使用基于树莓派的平台与自制仪器搭建数据集自动生成装置，并使用PaddlePaddle对其自动产生的数据进行训练，最终可用于对表盘的识别。将刻度盘与高精度旋转电位器、直流驱动电机相连，电位器的阻值与刻度盘的数值一一对应。图像采集系统对刻度盘拍照，并对照片的尺寸和光线进行处理，得到标准统一的照片，并根据嵌入式系统测量得到的刻度数据标记该刻度盘照片。以此方法，生成足够多的标记刻度盘照片就建立了完整的数据集。

图|数据集自动生成框架图

数据集自动生成系统将产生的大量数据集，如下图所示。每一张图片的命名为刻度盘标识的读数，可以明显看到刻度盘分为千分位、百分位、十分位和个位，精度很高，识别的图像类型也非常全面。

图|自动生成数据集展示

案例创新之处在于设计出了一种可以自动生成并标定数据集的方案和设备，有效地解决了生成数据集过程繁复的问题，使得建立和标定数据集可以加入人工智能项目学习中，帮助学生全面地了解整个人工智能项目开展过程，使得学习链更加完整而富有实用性，同时也降低了学习成本，有助于人工智能学习教育的推广和完善。