CN116129731B - 人工智能模拟教学***与方法 - Google Patents
人工智能模拟教学***与方法 Download PDFInfo
- Publication number
- CN116129731B CN116129731B CN202211709071.XA CN202211709071A CN116129731B CN 116129731 B CN116129731 B CN 116129731B CN 202211709071 A CN202211709071 A CN 202211709071A CN 116129731 B CN116129731 B CN 116129731B
- Authority
- CN
- China
- Prior art keywords
- recognition
- program
- result
- teaching
- identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 54
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims description 49
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000012546 transfer Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000019771 cognition Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B25/00—Models for purposes not provided for in G09B23/00, e.g. full-sized devices for demonstration purposes
- G09B25/02—Models for purposes not provided for in G09B23/00, e.g. full-sized devices for demonstration purposes of industrial processes; of machinery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/0053—Computers, e.g. programming
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本申请涉及人工智能应用技术领域,提供了一种人工智能模拟教学***包括:数据识别器、机械臂、机械臂控制器及控制主机,所述数据识别器分别与所述机械臂控制器和所述控制主机信号连接,并存储有第一识别程序和第二识别程序,其中所述第一识别程序和所述第二识别程序均基于人工智能算法实现,且互不相同;所述机械臂控制器与所述机械臂控制连接,并烧录有控制程序;所述控制主机上运行有模拟教学应用平台;其中,所述模拟教学应用平台用于对第一识别结果和第二识别结果分析,并生成第一教学反馈信息。如此,不仅可实现教学***的趣味性、可操作性,还能对识别程序的性能比对和反馈。
Description
技术领域
本申请涉及人工智能应用技术领域,尤其是涉及人工智能模拟教学***与方法。
背景技术
人工智能(Artificial Intelligence),是计算机科学的一个分支,是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学。
人工智能企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家***等。
随着计算机应用技术的飞速发展,人工智能技术也从理论研究深入到日常生活的应用中,如智能客服、人脸识别、车牌识别等。
基于人工智能技术应用的可视性、及相关模拟开发技术的不断成熟,相应的科普教育需求也日益扩张,各类人工智能教学培训类项目应运而生。
然而,现有的人工智能教学项目中,关注的是教学项目的趣味性和可操作性,即通过实现简单的程序控制机械的过程,来展示基础的人工智能的实现过程,但随着学员对模型算法掌握能力的提升,不仅需要保持项目的可操作性,同时还需要更深入的引导分析,因此,如何在保持学习趣味性的同时,为学员提供更进一步的引导分析,成为当下教学项目研究的新方向。
发明内容
为了满足教学项目在保持学习趣味性的同时,还能为学员提供更进一步的引导分析的需求,本申请实施例提供了人工智能模拟教学***及方法。
一方面,本申请实施例提供的人工智能模拟教学***包括:数据识别器、机械臂、机械臂控制器及控制主机,所述数据识别器分别与所述机械臂控制器和所述控制主机信号连接,并存储有第一识别程序和第二识别程序,其中所述第一识别程序和所述第二识别程序均基于人工智能算法实现,且互不相同;所述机械臂控制器与所述机械臂控制连接,并烧录有控制程序;所述控制主机上运行有模拟教学应用平台;其中,
所述数据识别器用于分别基于所述第一识别程序和所述第二识别程序对采集到的目标图像进行识别,对应生成第一识别结果和第二识别结果,发送所述第一识别结果和所述第二识别结果至所述模拟教学应用平台,并发送所述第一识别结果至所述机械臂控制器,使得所述控制程序基于所述第一识别结果控制所述机械臂的操作;
所述模拟教学应用平台用于对所述第一识别结果和所述第二识别结果分析,并生成第一教学反馈信息。
根据本申请实施例所提供的人工智能模拟教学***,通过数据识别器来运行学员的第一识别程序,以实现根据第一识别程序的识别结果对机械臂的操作控制,可以让学员直观地体验人工智能应用技术的实现过程,并看见程序的执行结果,使得教学***具备趣味性、可操作性。更进一步地,在数据识别器上同步运行第二识别程序,并通过模拟教学应用平台对第一识别结果和第二识别结果进行分析,以生成第一教学反馈信息,用于展示两种识别程序运行结果的比对反馈,其中对比反馈可包括运行效率、精度等方面数据呈现,从而提醒学员关注识别程序的性能情况,以引导学员对识别程序的认知和完善,也提供了对比分析的实现场景,满足学员对自身开发程序的比对分析。
在一实施中,所述***还包括分拣台及多个样品,所述数据识别器对随机放置在所述分拣台上的目标样品图像进行采集,得到所述目标图像。
通过采用上述技术方案,确定了数据识别器的图像采集范围,使得数据识别器能更加准确快速地获取到目标图像,以降低目标图像获取过程对整体计算过程的影响,由于目标样品是随机放置的,并不需要遵从特定的规则,提升了***的趣味性和可操作性。
在一实施中,所述控制所述机械臂的操作包括控制所述机械臂将所述目标样品从所述分拣台转移至目标放置区域。
通过采用上述技术方案,可实现货物分拣模拟项目中,真实展现机械臂的动作过程,增强教学项目的趣味性。
在一实施中,所述数据识别器还存储有区域识别程序,用于识别目标放置区域内的样品信息,并发送所述样品信息至所述模拟教学平台,其中所述数据识别器基于所述第一识别结果确定所述目标放置区域;所述模拟教学平台基于所述样品信息分析生成第二教学反馈信息,所述第二教学反馈信息用于指示所述控制程序的运行结果是否与预期一致。
通过采用上述技术方案,数据识别器在每一次识别结果输出后,对目标放置区域内的样品信息同步至模拟教学平台,使得模拟教学平台可根据样品信息输出第二教学反馈信息,以展示机械臂的动作执行是否符合预期,从而辅助学员发现问题,并引导对问题进行定位分析。
在一实施中,所述数据识别器包括主板、以及集成在所述主板上的摄像单元和显示单元,其中,所述显示单元用于输出所述第一识别结果对应的展示信息。
通过采用上述技术方案,数据识别器可通过自带的显示单元直接展示识别结果,从而使得学员能够更加直观的获取到第一识别程序的运行状态及结果,使得每一结果输出环节对于学员来说都是可视的,增加了实测过程的趣味性,同时也通过在各环节输出对应的程序执行结果,使得整个技术应用的实现过程对于学员来说都是可视的,辅助提升学员对于过程监控的认知。
在一实施中,所述机械臂控制器与所述控制主机信号连接,以通过所述控制主机完成所述控制程序的烧录。
通过采用上述技术方案,可实现控制程序的烧录,为学员提供了控制程序的修改、编写的可能性。
在一实施中,所述控制主机用于展示所述第一教学反馈信息。
通过采用上述技术方案,控制主机对第一教学反馈信息进行展示,以对第一识别程序和第二识别程序的运行结果进行比对分析,以辅助引导学员对程序性能的关注与完善。
另一方面,本申请实施例提供了人工智能模拟教学方法,所述方法应用于模拟教学应用平台,包括:
接收数据识别器发送的第一识别结果和第二识别结果;
对所述第一识别结果与所述第二识别结果进行比对分析,并生成第一教学反馈信息;其中,所述第一识别结果和所述第二识别结果是所述数据识别器分别基于第一识别程序和第二识别程序对目标图像进行识别得到的。
在一实施中,所述对所述第一识别结果与所述第二识别结果进行比对分析,并生成第一教学反馈信息包括:
确定所述第一识别程序和所述第二识别程序选取的样品特征维度是否相同,若相同,则确定所述第一识别结果与所述第二识别结果中的样品特征是否相同,其中所述确定样品特征维度是否相同的方法包括:文本比对或语义解析。
在一实施中,若所述样品特征维度不相同,则结合所述第一识别程序与所述第二识别程序程序的历史识别记录,分别得到对应的结果序列,并根据所述结果序列的变化规律,生成第一教学反馈信息,所述第一教学反馈信息用于分别指示所述第一识别程序和所述第二识别程序的识别精度。
通过采用上述技术方案,由于第一识别程序与第二识别程序互不相同,其中不相同之处可能在于特征维度的选择、人工智能算法的选择或编程逻辑的选择,因此模拟教学应用平台可先确定第一识别程序与第二识别程序选取的样品特征维度是否相同,再进一步选择对应的分析方式,满足了不同的教学实测需求。
综上所述,本申请实施例至少包括以下有益技术效果:
1.让学员直观地体验人工智能应用技术的实现过程,并看见程序的执行结果,使得教学***具备趣味性、可操作性。
2.可实现两个不同识别程序的比对反馈,从而提醒学员关注识别程序的性能情况,以引导学员对识别程序的认知和完善,也为学员的程序验证需求提供实现平台。
3.整个实测项目的运行过程中的各环节都是可视的,包括第一识别结果的在数据识别器上的显示,第一教学反馈信息和第二教学反馈信息在控制主机上的显示,辅助提升学员对于过程监控的认知。
附图说明
图1绘示本申请实施例所提供的人工智能模拟教学***结构示意图;
图2绘示本申请一实施例所提供的人工智能模拟教学方法流程图;
图3绘示本申请另一实施例所提供的人工智能模拟教学方法流程图。
实施方式
以下结合图示对本申请实施例进行详细说明。
本申请实施例公开了一种人工智能模拟教学***及方法,不仅能满足人工智能教学项目的可操作性和趣味性的需求,还能对程序的运行结果提供分析比对,以辅助引导学员对应程序算法的探索。以下将结合智能货物分拣模拟项目应用为例,对本申请实施例进行说明。
请参照图1,人工智能模拟教学***包括数据识别器110、机械臂120、机械臂控制器130、控制主机140、分拣台150及多个样品160,其中分拣台150用于承载待分拣样品160,各样品160分别具备不同的形态特征,包括但不限于颜色、形状、标记、重量等,用于模拟不同形态的货物,其中,图中仅示出一个样品,其他样本在被分拣前,可放置在指定区域内,学员可通过手动操作将待分拣的样品放置在分拣台150上,也可通过设定机械臂的控制程序,来通过机械臂将待分拣的样品从指定区域转移至分拣台150上,其中,样品的选择可以是随机的。
在一教学应用过程中,数据识别器110分别与机械臂控制器130和控制主机140信号连接,并存储有第一识别程序和第二识别程序,其中所述第一识别程序和所述第二识别程序均基于人工智能算法实现,且互不相同;机械臂控制器130与机械臂120控制连接,并烧录有用于实现机械臂动作控制的控制程序;控制主机140上运行有模拟教学应用平台。分拣台150放置在数据识别器110和机械臂120之间,同时,在机械臂120的操作范围内,还设置有多个放置区域,各放置区域同通过位置、标记或颜色进行区分。
具体而言,数据识别器110可为人工智能开发板,至少包括主板、以及集成在主板上的摄像单元和显示单元,主板可基于预先存储的各类识别程序对摄像单元采集到的图像进行识别,并发送对应的识别结果至控制主机140或机械臂控制器130。主板还可以控制显示单元对第一识别结果进行显示,使得学员可观看到第一识别结果的内容,从而获知第一识别程序的运行情况。
在一实施中,如图1所示,数据识别器110可对放置在分拣台150上的目标样品160的图像进行采集,得到目标图像;然后,分别基于预先存储的第一识别程序和第二识别程序对采集到的目标图像进行识别,对应生成第一识别结果和第二识别结果;发送第一识别结果和第二识别结果至模拟教学应用平台,使得模拟教学应用平台可基于第一识别结果和第二识别结果进行分析,生成第一教学反馈信息;并单独发送第一识别结果至机械臂控制器130,使得机械臂控制器130上的控制程序基于第一识别结果控制机械臂120的操作。
更进一步地,根据实际需求,数据识别器110还可预先存储区域识别程序,用于识别目标放置区域内的样品信息,并将识别到的样品信息发送至模拟教学应用平台,使得模拟教学平台可基于样品信息分析生成第二教学反馈信息,其中第二教学反馈信息用于指示机械臂控制程序的运行结果是否与预期一致。
值得注意的是,第一识别程序与第二识别程序均是基于人工智能算法实现的识别模型,第一识别程序与第二识别程序的不同之处可包括:样品特征维度的选取不同,如第一识别程序是从颜色维度对样品进行识别,而第二识别程序是从形状维度对样品进行识别;或选取的人工智能算法不同,如KNN(K-NearestNeighbor,邻近算法)、CNN(Convolutional Neural Network,卷积神经网络)、SVM(Support Vector Machine,支持向量机)、BP(back propagation)神经网络等 ;或模型训练方法不同;或程序的编写逻辑不同等。在一应用场景中,第一识别程序为实测的对象,可以是由学员编写完成;第二识别程序为对比例,可以是由教员编写完成的、也可以是由学员编写完成的;区域识别程序是用于辅助判断的标准程序,识别准确率满足预设要求。其中,上述各类程序可通过控制主机140上传至数据识别器110,由数据识别器110运行。
机械臂控制器130可为用于实现机械臂120动作控制的开源控制板,如ESP32。根据教学需求,机械臂控制器130上的控制程序可由学员或教员完成编写,并通过控制主机140将控制程序烧录至机械臂控制器130上。其中,控制程序可根据第一识别结果来确定放置目标样品160的目标放置区域,并通过预先设定的动作参数,实现机械臂120将目标样品160从分拣台150转移至目标放置区域。
可以理解的是,在实现控制程序之前,需完完成分拣模拟项目中机械臂120、分拣台150和各放置区域的位置规划,以固定机械臂120、分拣台150和各放置区域的位置信息,以及设定机械臂120对于各样品160的转移动作,从而获取机械臂120将各样品从分拣台150转移至对应放置区域的动作参数。具体的参数采集及控制程序的实现方式、机械臂及机械臂控制器的选型可根据实际的需求进行设定,本申请并不以此为限。
控制主机140可以是台式计算机、笔记本电脑、或平板电脑等,可用于实现数据识别器110上的各类程序编写和上传,以及机械臂控制器130上的控制程序的编写和烧录,同时还运行有模拟教学应用平台对应的软件程序。控制主机包括显示模块,模拟教学应用平台生成的第一教学反馈信息和第二教学反馈信息均可通过显示模块进行展示,其中,模拟教学应用平台生成第一教学反馈信息和第二教学反馈信息可分别参照图2和3。
如图2所示,图2所示的方法流程示例中,以模拟教学应用平台为执行主体对本申请实施例提供的人工智能模拟教学方法进行说明,所述方法包括步骤:
S210,接收数据识别器发送的第一识别结果和第二识别结果;
其中,第一识别结果和第二识别结果是数据识别器110分别基于第一识别程序和第二识别程序对目标图像进行识别得到的。
S220,对第一识别结果与第二识别结果进行比对分析,并生成第一教学反馈信息。
具体而言,第一教学反馈信息可包括第一识别结果与第二识别结果的是否相同。
在一实施中,模拟教学应用平台可先确定第一识别程序和第二识别程序选取的样品特征维度是否相同。
其中,样品特征维度为识别程序中选取的用于区分各样品的特征分类,如颜色、数字、形状等,例如,若选取颜色为特征维度,那么可通过识别各样品对应的不同颜色,来实现样品的区分。可以理解的是,根据样品特征维度是由学员对样品的理解来进行选取的,因此,第一识别程序和第二识别程序中使用的特征维度可能相同也可能不同。
在一示例中,模拟教学应用平台可根据第一识别结果和第二识别结果的文本内容进行语义分析,以确定特征维度是否相同;在另一示例中,模拟教学应用平台也可以预先获取第一识别程序和第二识别程序选取的特征维度。
若第一识别程序和第二识别程序选取的样品特征维度相同,则可直接确定第一识别结果与第二识别结果中的样品特征是否相同,在实施中,可直接将第一识别结果中的样品特征与第二识别结果中的样品特征进行文本比对,根据比对结果确定是否相同,或者,先分别对两个样品特征进行语义解析,在判断两者语义是否相同,如第一识别结果中的样品特征为G,第二识别结果中的样品特征为green,那么可先将两者通过语义解析为“绿”,再根据语义解析结果确定两者为相同的样品特征,其中语义解析的实现方式可以是基于收录有识别结果表述各类常规用法、及其同义词、近义词等词库进行比对而实现的,也可以是给予预先训练好的语义识别模型实现的。
当确定两者样品特征相同时,可生成第一教学反馈信息以指示第一识别结果与第二识别结果相同,其中,第一教学反馈信息的展现方式可包括多种,如文字、指示图标、指示框颜色、语音等,
第一教学反馈信息包括第一识别程序与第二识别程序的性能比对情况。
在上述比对过程中,若第一识别程序和第二识别程序选取的样品特征维度不相同,则无需给出两者的样品特征是否相同的反馈结果,而是需要从另一个角度来输出第一教学反馈信息,在一示例中,可结合第一识别程序与第二识别程序程序的历史识别记录,生成第一教学反馈信息。
例如,第一识别程序的样品特征维度为颜色,第二识别程序的样品特征维度为形状,当基于第一识别程序完成预设次数的样品分拣操作实测时,模拟教学应用平台可分别基于每一次实测的第一识别结果和第二识别结果确定出对应的结果序列,如(A1、A2、A3、A4)和(B1、B2、B3、B4),然后,根据结果序列的变化规律来确定,如A1与A2不同,则记录变化发生1,若相同,则记录变化发生0,如此可获得第一识别结果序列的变化规律如1,0,1,第二结果序列的变化规律如1,1,1,从而根据变化规律来确定第一识别程序与第二识别程序的识别精度,一般来说,变化越频繁,识别精度越大,从而根据变化次数分别统计出第一识别程序与第二识别程序的性能,最终生成性能对比情况如2:3。可以理解的是,识别结果的不同往往与样品特征维度的选取有关系,因此,在一些应用场景下,第一识别程序与第二识别程序的性能对比情况,只能体现出样品特征维度对结果的影响,不能用于解释程序的其他方面的性能。
在另一示例中,第一识别程序和第二识别程序中可分别设有计时器,以记录每次识别过程所耗费的时间,并对应写入识别结果中,使得模拟教学应用平台可从第一和第二识别结果中提取出相应的时间值,以作为第一教学反馈信息进行展示。从而能让学员或教员直观获取两个识别程序的时间性能对比情况。
值得注意的是,当确定第一识别程序和第二识别程序所选取的样品特征维度相同时,也可以基于上述方法获取第一识别程序和第二识别程序的识别精度及时间性能,以为学员或教员提供多维度的数据参考。
如图3所示,本申请实施例提供的人工智能模拟教学方法包括步骤:
S310,接收数据识别器发送的样品信息。
S320,基于样品信息分析生成第二教学反馈信息。
如上文所述,数据识别器110上存储有区域识别程序,用于识别目标放置区域内的样品信息,当数据识别器110向机械臂控制器130发送第一识别结果后,从第一识别结果中解析出目标放置区的信息,如位置信息、颜色信息、或标记,并采集目标放置区域的图像信息,当识别到目标放置区域内有样品进入时,生成样品信息为“完成”,若在下一次识别程序运行时,依然没有识别到目标放置区域内有样品,则确定样品信息为“空”。
教学反馈应用平台在接收到样品信息时, 生成第二教学反馈信息,以指示机械臂控制器130的控制程序或机械臂120运行异常,如此,当实测未如期完成时,可辅助学员或教员分析实测结果异常的原因。
由此可见,本申请实施例所提供的人工智能***和方法,不仅可以用于实现人工智能模拟教学项目,让学员体验人工智能应用技术的实现过程,并能直观地获取实测结果,还可以通过同时运行两个识别程序来对实测中的识别程序进行准确度、运行性能的分析比对,以满足不同程序的教学需求。更进一步的,还可以基于对样品信息的获取,来获知数据识别器或机械臂等环节的运行是否正常,以辅助问题分析和定位,引导学员的问题分析思维,使得人工智能模拟教学项目能为学员提供更全面的能力提升辅助。
此外,通过数据识别器的显示单元、机械臂的动作以及模拟教学应用平台展示的反馈信息,使得应用实现的关键环节对于学员来说都是可视的,不仅提升了实测过程的趣味性,还能辅助引导学员对于技术应用实现过程的认知和思考。
本领域技术人员可以理解,实现上述实施方式方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (8)
1.人工智能模拟教学方法,其特征在于,所述方法应用于模拟教学应用平台,包括:
接收数据识别器发送的第一识别结果和第二识别结果;
对所述第一识别结果与所述第二识别结果进行比对分析,并生成第一教学反馈信息,所述第一教学反馈信息用于展示所述第一识别程序和所述第二识别程序运行结果的比对反馈,所述比对反馈包括运行效率、精度数据的呈现;其中,所述第一识别结果和所述第二识别结果是所述数据识别器分别基于第一识别程序和第二识别程序对目标图像进行识别得到的,所述目标图像基于随机放置的目标样品图像进行采集得到;其中,
所述对所述第一识别结果与所述第二识别结果进行比对分析,并生成第一教学反馈信息包括:
确定所述第一识别程序和所述第二识别程序选取的样品特征维度是否相同;
若相同,则确定所述第一识别结果与所述第二识别结果中的样品特征是否相同,其中所述确定样品特征维度是否相同的方法包括:文本比对或语义解析;
若所述样品特征维度不相同,则结合所述第一识别程序与所述第二识别程序程序的历史识别记录,分别得到对应的结果序列,并根据所述结果序列的变化规律,生成第一教学反馈信息,所述第一教学反馈信息用于分别指示所述第一识别程序和所述第二识别程序的识别精度,其中,变化越频繁,所述识别精度越大。
2.人工智能模拟教学***,其特征在于,所述***包括:数据识别器、机械臂、机械臂控制器及控制主机,所述数据识别器分别与所述机械臂控制器和所述控制主机信号连接,并存储有第一识别程序和第二识别程序,其中所述第一识别程序和所述第二识别程序均基于人工智能算法实现,且互不相同;所述机械臂控制器与所述机械臂控制连接,并烧录有控制程序;所述控制主机上运行有模拟教学应用平台;其中,
所述数据识别器用于分别基于所述第一识别程序和所述第二识别程序对采集到的目标图像进行识别,对应生成第一识别结果和第二识别结果,发送所述第一识别结果和所述第二识别结果至所述模拟教学应用平台,并发送所述第一识别结果至所述机械臂控制器,使得所述控制程序基于所述第一识别结果控制所述机械臂的操作;所述目标图像基于随机放置的目标样品图像进行采集得到;
所述模拟教学应用平台基于权利要求1所述的方法对所述第一识别结果和所述第二识别结果进行分析,并生成第一教学反馈信息。
3.如权利要求2所述的***,其特征在于,所述***还包括分拣台及多个样品,所述数据识别器对放置在所述分拣台上的所述目标样品图像进行采集,得到所述目标图像。
4.如权利要求3所述的***,其特征在于,所述控制所述机械臂的操作包括控制所述机械臂将所述目标样品从所述分拣台转移至目标放置区域。
5.如权利要求4所述的***,其特征在于,所述数据识别器还存储有区域识别程序,用于识别目标放置区域内的样品信息,并发送所述样品信息至所述模拟教学平台,其中所述数据识别器基于所述第一识别结果确定所述目标放置区域;所述模拟教学平台基于所述样品信息分析生成第二教学反馈信息,所述第二教学反馈信息用于指示所述控制程序的运行结果是否与预期一致。
6.如权利要求2所述的***,其特征在于,所述数据识别器包括主板、以及集成在所述主板上的摄像单元和显示单元,其中,所述显示单元用于输出所述第一识别结果对应的展示信息。
7.如权利要求2所述的***,其特征在于,所述机械臂控制器与所述控制主机信号连接,以通过所述控制主机完成所述控制程序的烧录。
8.如权利要求2所述的***,其特征在于,所述控制主机用于展示所述第一教学反馈信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211709071.XA CN116129731B (zh) | 2022-12-29 | 2022-12-29 | 人工智能模拟教学***与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211709071.XA CN116129731B (zh) | 2022-12-29 | 2022-12-29 | 人工智能模拟教学***与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116129731A CN116129731A (zh) | 2023-05-16 |
CN116129731B true CN116129731B (zh) | 2023-09-15 |
Family
ID=86303887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211709071.XA Active CN116129731B (zh) | 2022-12-29 | 2022-12-29 | 人工智能模拟教学***与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116129731B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017024963A1 (zh) * | 2015-08-11 | 2017-02-16 | 阿里巴巴集团控股有限公司 | 图像识别方法、度量学习方法、图像来源识别方法及装置 |
CN106530939A (zh) * | 2016-09-13 | 2017-03-22 | 广东工业大学 | 一种多机器人教学实训平台控制***及控制方法 |
CN106573378A (zh) * | 2014-06-12 | 2017-04-19 | 普雷-艾公司 | 通过机器人反馈增强编程教育的***和方法 |
CN109872621A (zh) * | 2019-03-25 | 2019-06-11 | 上海电子信息职业技术学院 | 一种物料自动分拣教学*** |
CN110807969A (zh) * | 2019-11-28 | 2020-02-18 | 深圳市华兴鼎盛科技有限公司 | 一种机器视觉识别教学***及教学方法 |
CN111260075A (zh) * | 2020-01-10 | 2020-06-09 | 厦门驿全智能科技有限公司 | 机器模拟待模拟目标学习和工作的人工智能方法及*** |
CN112417869A (zh) * | 2020-12-10 | 2021-02-26 | 长春理工大学 | 一种产品模型描述对比方法及*** |
CN113183138A (zh) * | 2021-04-26 | 2021-07-30 | 上海锵玫人工智能科技有限公司 | 一种垃圾搬运分拣机器人及其控制方法 |
WO2022045519A1 (ko) * | 2020-08-24 | 2022-03-03 | 주식회사 테스트웍스 | 최적화 모델 선택 장치 및 방법 |
CN114973822A (zh) * | 2022-04-21 | 2022-08-30 | 华南师范大学 | 一种垃圾分类智能教具及其控制方法、介质 |
CN115035762A (zh) * | 2022-07-21 | 2022-09-09 | 武汉岑熙教育科技有限公司 | 基于人工智能教育互动*** |
WO2022213466A1 (zh) * | 2021-04-08 | 2022-10-13 | 平安科技(深圳)有限公司 | 识别结果的智能校对方法、装置、设备及存储介质 |
-
2022
- 2022-12-29 CN CN202211709071.XA patent/CN116129731B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106573378A (zh) * | 2014-06-12 | 2017-04-19 | 普雷-艾公司 | 通过机器人反馈增强编程教育的***和方法 |
WO2017024963A1 (zh) * | 2015-08-11 | 2017-02-16 | 阿里巴巴集团控股有限公司 | 图像识别方法、度量学习方法、图像来源识别方法及装置 |
CN106530939A (zh) * | 2016-09-13 | 2017-03-22 | 广东工业大学 | 一种多机器人教学实训平台控制***及控制方法 |
CN109872621A (zh) * | 2019-03-25 | 2019-06-11 | 上海电子信息职业技术学院 | 一种物料自动分拣教学*** |
CN110807969A (zh) * | 2019-11-28 | 2020-02-18 | 深圳市华兴鼎盛科技有限公司 | 一种机器视觉识别教学***及教学方法 |
CN111260075A (zh) * | 2020-01-10 | 2020-06-09 | 厦门驿全智能科技有限公司 | 机器模拟待模拟目标学习和工作的人工智能方法及*** |
WO2022045519A1 (ko) * | 2020-08-24 | 2022-03-03 | 주식회사 테스트웍스 | 최적화 모델 선택 장치 및 방법 |
CN112417869A (zh) * | 2020-12-10 | 2021-02-26 | 长春理工大学 | 一种产品模型描述对比方法及*** |
WO2022213466A1 (zh) * | 2021-04-08 | 2022-10-13 | 平安科技(深圳)有限公司 | 识别结果的智能校对方法、装置、设备及存储介质 |
CN113183138A (zh) * | 2021-04-26 | 2021-07-30 | 上海锵玫人工智能科技有限公司 | 一种垃圾搬运分拣机器人及其控制方法 |
CN114973822A (zh) * | 2022-04-21 | 2022-08-30 | 华南师范大学 | 一种垃圾分类智能教具及其控制方法、介质 |
CN115035762A (zh) * | 2022-07-21 | 2022-09-09 | 武汉岑熙教育科技有限公司 | 基于人工智能教育互动*** |
Also Published As
Publication number | Publication date |
---|---|
CN116129731A (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hambleton et al. | Computerized adaptive testing: Theory, applications, and standards | |
CN111881968A (zh) | 多任务分类方法、装置及相关设备 | |
CN111144191B (zh) | 字体识别方法、装置、电子设备及存储介质 | |
JP6780769B2 (ja) | 学習装置、学習方法および学習プログラム | |
RU2010104996A (ru) | Устройство, система и способ адаптивного преподавания и обучения | |
CA2491238A1 (en) | Automated essay annotation system and method | |
EP1351209A2 (en) | Sign language education system and program therefor | |
KR102485303B1 (ko) | 데이터 레이블링 장치 및 방법 | |
Johnson et al. | Detecting hand posture in piano playing using depth data | |
Munoz et al. | Development of a software that supports multimodal learning analytics: A case study on oral presentations | |
US20230178217A1 (en) | Adjusting mental state to improve task performance and coaching improvement | |
CN115273569B (zh) | 一种智能光影引导*** | |
CN111046852A (zh) | 个人学习路径生成方法、设备及可读存储介质 | |
CN110111086A (zh) | 一种应届生简历质量诊断方法 | |
CN116129731B (zh) | 人工智能模拟教学***与方法 | |
US20040005536A1 (en) | Universal electronic placement system and method | |
CN111127271A (zh) | 一种用于学情分析的教学方法及*** | |
NL2025739B1 (en) | Artificial intelligence and augmented reality system and method | |
CN113569112A (zh) | 基于题目的辅导策略提供方法、***、装置及介质 | |
CN114119932A (zh) | Vr教学方法、装置、电子设备、存储介质和程序产品 | |
CN116188209B (zh) | 一种虚拟现实的物理实验仿真智能引擎*** | |
CN117557426B (zh) | 基于智能题库的作业数据反馈方法及学习评估*** | |
Agarwal et al. | Designing a Real-Time ASL Auto-Recognition Tool Using Deep Learning | |
Wong et al. | Developing a cognitive model of expert performance for ship navigation maneuvers in an intelligent tutoring system | |
JP2018022084A (ja) | 採点装置及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 806, floor 8, No. 6, Haidian middle street, Haidian District, Beijing 100089 Patentee after: Beijing Layout Future Technology Development Co.,Ltd. Address before: 806, floor 8, No. 6, Haidian middle street, Haidian District, Beijing 100089 Patentee before: Beijing layout Future Education Technology Co.,Ltd. |