返回首页
回到顶部
在大象版科学《云量与降水量》一课中，降水量的实验教学可借助雨量器顺利开展，学生能通过亲手操作、观测记录，直观理解降水量的测量方法和单位含义，有效落实教学重难点。但云量观测一直存在短板，传统教学中多依赖学生肉眼估测，将天空平均分成10份来判断云量占比，受主观经验、光照条件影响较大，缺乏科学精准的观测仪器，难以培养学生严谨的科学探究思维。
借助Mind+ V2的模型训练功能与二哈2识图模块，可完美解决这一教学难题，打造无代码智能云量观测仪器，实现云量观测的科学化、精准化。首先，利用Mind+ V2的图像分类训练功能，收集晴、少云、多云、阴天等不同天气的云图样本，按照教材云量分类标准标注类别，通过简单设置训练参数，让模型自主学习不同云量的图像特征，完成云量识别模型的训练，整个过程无需复杂编程，贴合小学生的认知水平。
随后，将训练好的模型部署到二哈2设备上，搭配简易支架固定二哈2的摄像头，使其能完整捕捉天空画面。二哈2可通过摄像头实时采集天空图像，调用训练好的模型自动识别云量类别，快速输出云量占比数据，替代传统肉眼估测，解决了人工观测主观性强的痛点。
这种拓展设计既贴合教材教学目标，又融合了人工智能技术，不仅让云量观测有了科学依据，还能引导学生体验模型训练、硬件部署的全过程，激发科学探究兴趣，培养创新思维和实践能力，让《云量与降水量》的实验教学更具科学性和趣味性。
一、提取教材图片和分类方法
二、借助日常观察或豆包，收集更多类似图片。
三、图像分类，训练模型
1.进入图像分类M1，更改分类名称为“晴天、少云、多云、阴天”，并上传对应图片。
2.训练模型
3.查看并提取模型。
4.获得Experience_model.zip和数据集Experience.zip。
四、部署模型。
1.进入M2，目标检测
2.上传数据集Experience.zip，再次训练（其实M2里也可以训练，需要手工标注，借助MI分类，主动标注），获得云量检测2.a5db.zip文件包，并部署到二哈2上。二哈识图2接入电脑，将云量检测2.a5db.zip拷贝Huskylens 的 硬盘的\storage\installation_package目录下
3.二哈识图2，选择本地安装即可。
项目学校内部归类：本文系2025年度河南省基础教育教学研究课题《基于“探究·实践”双轮驱动的小学科学核心素养培育策略研究》hnkxjy2503004)研究成果
他的勋章
评论