人工智能Tensorflow工具在海洋裝備教學中的應用與展望

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，在生產應用領域主要表現在三個方面，即人工智能在語音識別與語義理解方面的應用、在大數據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等人，將人工智能的語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算法。根據谷歌對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網絡為理論基礎，是處理某一問題時，部分代替了人腦和專家經驗，可以對有關領域，比如圖像、語音、數據進行智能化的分析。從工程實現角度講，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絡實現，倘若在沒有網絡的情況下，是無法完成人工智能的實現過程的;把人工智能模型放在本地的邊緣計算方式，優點是離線的、不需要網絡即可計算出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，教學培養方案中明確規定“培養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的一般原理和知識，能夠處理和解決與專業方向近領域有關的科學與工程問題。”海洋裝備中的數據很多是以圖像作為分析依據的，比如海洋養魚的網箱、漁網、海洋生物、海洋裝備的種類等，都是基于海洋環境中的圖像作為教學依據的。

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，可以實現如下功能：（1）可以通過手機對海洋環境中特定的裝備實現智能化的局部識別，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“海洋網箱”和“海洋捕魚船”，查詢云端服務器，從而實現查詢數據庫。（3）根據數據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容，教學指導內容不限于文字、圖像和視頻。

五、展望

根據上圖中的原理，教學中教師可以自行設計要識別的圖像內容，根據AI算法訓練出指定的識別內容，進而可以生成特定的數據庫。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生如下影響：（1）學習的高效化。當學生看到任何海洋環境中不懂的物體時，可以借助手機人工智能App對準海洋環境，實現智能化的分析環境或圖像中的內容。（2）學習的深入化。根據智能的識別結果，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方式，接著闡述了當前最具有影響力的谷歌AI開發工具Tensorflow，然后針對海洋裝備中的教學特點，結合海洋工程的環境養魚網箱實例，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展方向。