侯明鑫 俞国燕 刘海涛 张静 刘皞春

摘要：人工智能是近年来很热门的领域，在生产应用领域主要表现在三个方面，即人工智能在语音识别与语义理解方面的应用、在大数据智能分析方面的应用和在图像分类与物体追踪方面的应用。文章基于谷歌Tensorflow工具结合在图像处理方面的模型训练与物体识别，针对海洋装备教学的特点，通过AI技术与海洋装备的结合，实现了智能化分析。同时，展望了未来AI技术与教育教学相结合的发展方向。

关键词：人工智能;Tensorflow;海洋装备;教学

中图分类号：G642.0     文献标志码：A     文章编号：1674-9324（2020）10-0199-02

一、引言

人工智能（Artificial Intelligence），即人们简称的AI，是让设备具有像人一样思考与处理问题的能力。目前学者们的研究可以分成两个主流方向，一个主流方向是研究人工智能的算法模型的理论本质与模型生成[1，2]，另一个主流研究方向是对AI技术的应用[3，4]。在AI理论与应用不断实施和热度不断升温的当下，国内的一些教育专家们也将AI应用到教育教学当中，比如重庆邮电大学的张聪等人，将人工智能的语音识别應用到智慧课堂的汉语教学中[5]，华东师范大学的刘勉将动作识别系统引入实训型未来课堂的理念，并初步构建了相应的教学行为研究方式[6]。

本文结合当下人工智能常用的谷歌公司Tensorflow工具，针对海洋装备教育教学中的特点，从应用角度研究了AI对海洋装备教学的影响，并且展望了未来AI技术在海洋工程教学中的发展趋势。

二、Tensorflow

Tensor即张量，flow即流动，从字面上讲Tensorflow是张量的流动。对于技术本质上说是以张量图为核心的流动层数算法。根据谷歌对Tensorflow的定义“Tensorflow是针对机器学习设计的端到端的开源平台”，无论是初学者还是专家，都很容易上手生成机器学习的模型。机器学习的模型以神经网络为理论基础，是处理某一问题时，部分代替了人脑和专家经验，可以对有关领域，比如图像、语音、数据进行智能化的分析。从工程实现角度讲，Tensorflow生成模型后，主要有两种应用方式，一种是把模型放在云端服务器;另一种是边缘计算，即把生成的模型放在本地，本地可以是智能手机、嵌入式IC处理器、PC机等。这两种人工智能的模型应用各有特点：放在云端的主要原因是模型的功能强大，云端的存储与计算能力远超过本地，但这种方式要求整个AI的计算过程要基于网络实现，倘若在没有网络的情况下，是无法完成人工智能的实现过程的;把人工智能模型放在本地的边缘计算方式，优点是离线的、不需要网络即可计算出AI的结果，但缺点是本地计算能力与存储能力有限，不能识别过多的复杂情况。所以，基于Tensorflow生成人工智能模型后，AI的专家们根据应用场景选择将模型放在服务器云端或者本地端进行边缘计算。

三、海洋装备专业的教学特点

海洋装备属于海洋工程的一个分支，涉及机械学、电子学、光学、声学等知识，教学培养方案中明确规定“培养学生应具备知识拓展能力，通过掌握声学、光学和信息应用技术等相近专业的一般原理和知识，能够处理和解决与专业方向近领域有关的科学与工程问题。”海洋装备中的数据很多是以图像作为分析依据的，比如海洋养鱼的网箱、渔网、海洋生物、海洋装备的种类等，都是基于海洋环境中的图像作为教学依据的。

四、人工智能在海洋装备教学中的应用

海洋装备是以图像为基础交流的，所以人工智能在海洋装备学科的应用应以AI的物体识别为切入点进行拓展。典型的人工智能图像处理的模型包括：MobileNet、PoseNet、Coco SSD、BodyPix和DeepLab v3。通常在做人工智能项目图像中物体追踪时，首要分析与选取的是人工智能的模型，比如以浏览器为核心的项目通常选取PoseNet和BodyPix模型，鉴于海洋装备学科教育教学的特点，学生与教师通常使用的工具是智能手机，所以本文中的人工智能模型是以MobileNet为基础的应用，应用方式可以通过本地的手机中的模型进行边缘计算，也可以将训练好的模型上传到云端，从而实现更复杂的海洋装备教学中的图像识别。通过选取MobileNet为人工智能模型，与海洋装备教学的图像相结合，可以实现如下功能：（1）可以通过手机对海洋环境中特定的装备实现智能化的局部识别，识别结果如下图所示。（2）针对识别结果，比如下图中手机AI应用App识别的“海洋网箱”和“海洋捕鱼船”，查询云端服务器，从而实现查询数据库。（3）根据数据库的查询关键词结果，输出具体的针对教育教学中的指导内容，教学指导内容不限于文字、图像和视频。

五、展望

根据上图中的原理，教学中教师可以自行设计要识别的图像内容，根据AI算法训练出指定的识别内容，进而可以生成特定的数据库。因此，本文针对人工智能模型算法与海洋装备教学中的特点，展望未来AI技术将会对海洋学科产生如下影响：（1）学习的高效化。当学生看到任何海洋环境中不懂的物体时，可以借助手机人工智能App对准海洋环境，实现智能化的分析环境或图像中的内容。（2）学习的深入化。根据智能的识别结果，学生或教师可以进一步地检索云端服务器内容，瞬间调出有针对性的且能深入理解的文字、图像和视频。（3）教学的智能化。人工智能技术与海洋工程的结合，改变了传统的教学模式，使得教学变得智能化，且随着智能手机的普及，学生们可快速应用学习。

六、结论

本文首先介绍了人工智能的研究方向与应用实现方式，接着阐述了当前最具有影响力的谷歌AI开发工具Tensorflow，然后针对海洋装备中的教学特点，结合海洋工程的环境养鱼网箱实例，展示了的AI应用与教学的结合方式，最后本文展望了AI与教育教学结合的发展方向。