CN114550510A - 一种大数据人工智能教学实训系统 - Google Patents
一种大数据人工智能教学实训系统 Download PDFInfo
- Publication number
- CN114550510A CN114550510A CN202210093790.7A CN202210093790A CN114550510A CN 114550510 A CN114550510 A CN 114550510A CN 202210093790 A CN202210093790 A CN 202210093790A CN 114550510 A CN114550510 A CN 114550510A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- artificial intelligence
- teaching
- practical training
- 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.)
- Withdrawn
Links
- 238000012549 training Methods 0.000 title claims abstract description 77
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 68
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000010191 image analysis Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000003993 interaction Effects 0.000 claims abstract description 10
- 230000007246 mechanism Effects 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims abstract description 8
- 238000013142 basic testing Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 15
- 238000003491 array Methods 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
- G09B5/00—Electrically-operated educational appliances
- G09B5/02—Electrically-operated educational appliances with visual presentation of the material to be studied, e.g. using film strip
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16M—FRAMES, CASINGS OR BEDS OF ENGINES, MACHINES OR APPARATUS, NOT SPECIFIC TO ENGINES, MACHINES OR APPARATUS PROVIDED FOR ELSEWHERE; STANDS; SUPPORTS
- F16M11/00—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters
- F16M11/02—Heads
- F16M11/04—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand
- F16M11/043—Allowing translations
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16M—FRAMES, CASINGS OR BEDS OF ENGINES, MACHINES OR APPARATUS, NOT SPECIFIC TO ENGINES, MACHINES OR APPARATUS PROVIDED FOR ELSEWHERE; STANDS; SUPPORTS
- F16M11/00—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters
- F16M11/42—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters with arrangement for propelling the support stands on wheels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G09B9/00—Simulators for teaching or training purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Mechanical Engineering (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明属于教学实训技术领域,公开了一种大数据人工智能教学实训系统,柜体下端设置有电动伸缩杆,电动伸缩杆与支撑座连接,支撑座上粘贴有橡胶垫;柜体内部安装主机、蓄电池和无线通信模块,无线通信模块与云服务器连接;主机内部设置有中央控制模块,中央控制模块,分别与基础测试模块、教学模块、实训模块、图像采集模块、图像处理模块、图像分析模块、评估模块、建议生成模块以及报告生成模块连接,用于利用中央处理器控制各个模块正常工作;本发明通过支撑柱与人机交互外壳之间连接有转动机构便于使用者在教学过程中根据实际需求来对人工智能教学实训平台进行调节,提高了人工智能教学实训平台的实用性。
Description
技术领域
本发明属于教学实训技术领域,尤其涉及一种大数据人工智能教学实训系统。
背景技术
目前,人工智能(AI),它是研究、开发用于模拟、延伸和扩展人的智能的一门新的技术科学,人工智能是计算机科学的一个分支,它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系统等,而随着社会科技的发展,人工智能教学被广泛运用,现需要一种基于计算机的大数据与人工智能教学实训平台;但是现有的基于计算机的大数据与人工智能教学实训平台存在很多问题或缺陷:现有的人工智能教学实训平台大多是固定式搬运不便,无法满足使用者在不同教学地点来回移动的作业需求,降低了教学实训平台的使用范围;现有的人工智能教学实训平台具有一定的局限性,教学过程中无法根据实际使用情况进行高度调节。现有的实训平台无法对使用者的学习状况进行评价。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有的人工智能教学实训平台大多是固定式搬运不便,无法满足使用者在不同教学地点来回移动的作业需求,降低了教学实训平台的使用范围;
(2)且现有的人工智能教学实训平台具有一定的局限性,教学过程中无法根据实际使用情况进行高度调节。
(3)现有的实训平台无法对使用者的学习状况进行评价。
发明内容
针对现有技术存在的问题,本发明提供了一种大数据人工智能教学实训系统。
本发明是这样实现的,一种大数据人工智能教学实训系统,所述大数据人工智能教学实训系统包括柜体;
柜体下端设置有电动伸缩杆,电动伸缩杆与支撑座连接,支撑座上粘贴有橡胶垫;
柜体上表面固定安装有支撑柱,支撑柱通过转动机构与人机交互外壳连接,人机交互外壳中间嵌装有显示屏;
柜体内部安装主机、蓄电池和无线通信模块,无线通信模块与云服务器连接;
主机内部设置有中央控制模块,中央控制模块,分别与基础测试模块、教学模块、实训模块、图像采集模块、图像处理模块、图像分析模块、评估模块、建议生成模块以及报告生成模块连接,用于利用中央处理器控制各个模块正常工作;
所述转动机构设置有支撑圆盘,支撑圆盘内部设置有转动孔,转动孔中旋接有固定旋钮;转动孔中套接有转动轴,转动轴上端安装有连接盘。
进一步,所述柜体底部四角固定安装有万向轮,万向轮上设置有刹车片。
进一步,所述基础测试模块用于对用户的基础知识水平进行测试;教学模块用于基于基础知识水平提供人工智能教学视频;
实训模块用于当教学视频学习完毕后进行人工智能的实训;图像采集模块用于采集用户在实训过程的实时操作。
进一步,所述图像处理模块用于对采集的用户实训图像进行预处理;图像分析模块用于基于预处理后的图像进行分析,得到图像分析结果;
评估模块用于基于图像分析结果以及基础知识测评结果评估用户的人工智能知识水平;建议生成模块用于基于用户的人工智能知识水平输出对应的实训或学习建议;
报告生成模块用于基于用户的基础水平测试结果、实训图像分析结果、评估结果以及生成的实训建议输出人工智能教学实训报告。
进一步,所述评估模块基于图像分析结果以及基础知识测评结果评估用户的人工智能知识水平包括:
将图像分析结果、测评结果以及实训结果作为评估指标,并采用多叉树结构建立人工智能知识水平评估指标体系;
构建人工智能知识水平叶节点评估指标融合模型,通过人工智能知识水平叶节点评估指标融合模型对叶节点指标数据进行多源数据融合处理;
构建人工智能知识水平叶节点评估指标模型;基于多叉树结构中各节点人工智能知识水平评估指标的权重信息,构建人工智能知识水平父节点评估指标模型;
采用多叉树广度优先遍历的方法构建人工智能知识水平整体指标评估模型,进行人工智能知识水平的综合评估。
进一步,所述图像处理模块对采集的用户实训图像进行预处理,具体过程为:
将图像采集模块采集用户在实训过程的实时操作,并导入到图像去噪模块中进行图像去噪和增强;
图像去噪完成后,将彩色图像转变成灰度图,灰度图转化成二值图;
通过边缘检测和分割对二值图进行边缘检测和分割。
进一步,所述对二值图进行边缘检测的具体过程为:
用高斯函数对图像f(x,y)进行滤波得到一个已平滑数据阵列,
S(x,y)=f(x,y)*G(x,y,σ);
其中σ是高斯函数的散布参数,用以反映平滑程度;
其次,进行梯度计算,平滑阵列S(x,y)的梯度用2×2一阶有限差分近似公式确定x与y偏导数的两个阵列P(x,y)与Q(x,y);
P(x,y)≈(S(x,y+1)-S(x,y)+S(x+1,y+1)-S(x+1,y))/2;
Q(x,y)≈(S(x,y)-S(x+1,y)+S(x,y+1)-S(x+1,y+1))/2;
在2x2正方形内求有限差分的均值,计算在图像中的同一点x和y的偏导数梯度,幅值和方位角分别如下式:
θ(x,y)=arctan(Q(x,y)/P(x,y));
确定极大值抑制,对图像M(x,y)上的像素,确定像素梯度方向上的相邻两个像素的梯度幅值;将图像边缘细化为像素宽度,并经过非极大值抑制,由梯度幅值图像M(x,y)得到图像NMS(x,y),最后通过双门检测和边缘连接,用高门限和低门限提取边缘,对图像NMS(x,y)每个像素点,通过高门限值和低门限值得到边缘图像强边边缘点和弱边缘点。
进一步,所述图像分割具体过程为:
在二值图中确定具有相似性质的像素点连成合并在一起;每一个区域,寻找相应的种子点作为生长起点,然后将种子点周围所设置领域的像素点,按照生长规则进行生长合并,直到没有能满足生长点的像素为止。
进一步,所述图像去噪模块进行图像去噪具体过程为:
将导入的图像进行初始估计,对含噪图像中的每一块,找到它的相似块然后把它们聚集到一个三维数组。
对建立的三维数组进行三维变换,通过对变换域的系数进行硬阈值处理减弱噪声,逆变换得到组中所有图像块的估计值,把这些估计值返回到他们的原始位置;
聚集对得到的有重叠的块估计,通过对他们进行加权平均得到真实图像的基础估计;基础估计完成后,进行最终估计;
进一步,所述最终估计具体过程为:
对基础估计图像中的每一块,通过块匹配找到与它相似的相似块在基础估计图像中的位置,通过这些位置得到两个三维数组,一个是从含噪图像中得到的,一个是从基础估计图像中得到的;
对形成的两个三维数组均进行三维变换,以基础估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波,逆变换得到组中所有图像块的估计,然后把这些估计值返回到他们的原始位置;
对得到的有重叠的局部块估计,通过对他们进行加权平均得到真实图像的最终估计。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明通过柜体底部的万向轮解决了不会因外界因素干扰出现位移影响教学进度的情况发生,提高了人工智能教学实训平台的使用范围。本发明通过支撑柱与人机交互外壳之间连接有转动机构便于使用者在教学过程中根据实际需求来对人工智能教学实训平台进行调节,以确保人工智能教学实训平台的显示屏可以被学生们看到,提高了人工智能教学实训平台的实用性。本发明能够基于用户的基础水平进行针对性的教学与实训,同时能够对用户的实训过程进行实时的评估,并生成评估报告,有利于实时的监控教学实训的状态,可帮助教师合理的安排课程及对应资源。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的大数据人工智能教学实训系统结构示意图。
图2是本发明实施例提供的人机交互外壳结构示意图。
图3是本发明实施例提供的旋转机构结构示意图。
图中:1、显示屏;2、人机交互外壳;3、转动机构;4、柜体;5、支撑座;6、万向轮;7、支撑圆盘;8、固定旋钮。
图4是本发明实施例提供的主机内部结构示意图;
图中:9、基础测试模块;10、教学模块;11、实训模块;12、图像采集模块;13、中央控制模块;14、图像处理模块;15、图像分析模块;16、评估模块;17、建议生成模块;18、报告生成模块。
图5是本发明实施例提供的评估模块评估用户的人工智能知识水平的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种大数据人工智能教学实训系统,下面结合附图对本发明作详细的描述。
如图1-图3所示,本发明实施例提供的大数据人工智能教学实训系统设置有柜体4下端设置有电动伸缩杆,电动伸缩杆与支撑座5连接,支撑座5上粘贴有橡胶垫。柜体4上表面固定安装有支撑柱,支撑柱通过转动机构3与人机交互外壳2连接,人机交互外壳2中间嵌装有显示屏1。柜体4底部四角固定安装有万向轮6,万向轮6上设置有刹车片。柜体4内部安装主机、蓄电池和无线通信模块,无线通信模块与云服务器连接。
如图3所示,本发明实施例提供的转动机构3设置有支撑圆盘7,支撑圆盘内部设置有转动孔,转动孔中旋接有固定旋钮8。转动孔中套接有转动轴,转动轴上端安装有连接盘。
如图4所示,本发明实施例提供的主机内部设置有中央控制模块13,中央控制模块13,与基础测试模块9、教学模块10、实训模块11、图像采集模块12、图像处理模块14、图像分析模块15、评估模块16、建议生成模块17以及报告生成模块18连接,用于利用中央处理器控制各个模块正常工作;
基础测试模块9,与中央控制模块13连接,用于对用户的基础知识水平进行测试;
教学模块10,与中央控制模块13连接,用于基于基础知识水平提供人工智能教学视频;
实训模块11,与中央控制模块13连接,用于当教学视频学习完毕后进行人工智能的实训;
图像采集模块12,与中央控制模块13连接,用于采集用户在实训过程的实时操作;
图像处理模块14,与中央控制模块13连接,用于对采集的用户实训图像进行预处理;
图像分析模块15,与中央控制模块13连接,用于基于预处理后的图像进行分析,得到图像分析结果;
评估模块16,与中央控制模块13连接,用于基于图像分析结果以及基础知识测评结果评估用户的人工智能知识水平;
建议生成模块17,与中央控制模块13连接,用于基于用户的人工智能知识水平输出对应的实训或学习建议;
报告生成模块18,与中央控制模块13连接,用于基于用户的基础水平测试结果、实训图像分析结果、评估结果以及生成的实训建议输出人工智能教学实训报告。
如图5所示,本发明实施例提供的评估模块基于图像分析结果以及基础知识测评结果评估用户的人工智能知识水平包括:
S101:将图像分析结果、测评结果以及实训结果作为评估指标,并采用多叉树结构建立人工智能知识水平评估指标体系;
S102:构建人工智能知识水平叶节点评估指标融合模型,通过人工智能知识水平叶节点评估指标融合模型对叶节点指标数据进行多源数据融合处理;
S103,构建人工智能知识水平叶节点评估指标模型;基于多叉树结构中各节点人工智能知识水平评估指标的权重信息,构建人工智能知识水平父节点评估指标模型;
S104:采用多叉树广度优先遍历的方法构建人工智能知识水平整体指标评估模型,进行人工智能知识水平的综合评估。
本发明实施例提供的图像处理模块14对采集的用户实训图像进行预处理,具体过程为:
将图像采集模块采集用户在实训过程的实时操作,并导入到图像去噪模块中进行图像去噪和增强;
图像去噪完成后,将彩色图像转变成灰度图,灰度图转化成二值图;
通过边缘检测和分割对二值图进行边缘检测和分割。
所述对二值图进行边缘检测的具体过程为:
用高斯函数对图像f(x,y)进行滤波得到一个已平滑数据阵列,
S(x,y)=f(x,y)*G(x,y,σ);
其中σ是高斯函数的散布参数,用以反映平滑程度;
其次,进行梯度计算,平滑阵列S(x,y)的梯度用2×2一阶有限差分近似公式确定x与y偏导数的两个阵列P(x,y)与Q(x,y);
P(x,y)≈(S(x,y+1)-S(x,y)+S(x+1,y+1)-S(x+1,y))/2;
Q(x,y)≈(S(x,y)-S(x+1,y)+S(x,y+1)-S(x+1,y+1))/2;
在2x2正方形内求有限差分的均值,计算在图像中的同一点x和y的偏导数梯度。幅值和方位角分别如下式:
θ(x,y)=arctan(Q(x,y)/P(x,y));
确定极大值抑制,对图像M(x,y)上的像素,确定像素梯度方向上的相邻两个像素的梯度幅值;将图像边缘细化为像素宽度,并经过非极大值抑制,由梯度幅值图像M(x,y)得到图像NMS(x,y),最后通过双门检测和边缘连接,用高门限和低门限提取边缘,对图像NMS(x,y)每个像素点,通过高门限值和低门限值得到边缘图像强边边缘点和弱边缘点。
所述图像分割具体过程为:
在二值图中确定具有相似性质的像素点连成合并在一起;每一个区域,寻找相应的种子点作为生长起点,然后将种子点周围所设置领域的像素点,按照生长规则进行生长合并,直到没有能满足生长点的像素为止。
所述图像去噪模块进行图像去噪具体过程为:
将导入的图像进行初始估计,对含噪图像中的每一块,找到它的相似块然后把它们聚集到一个三维数组。
对建立的三维数组进行三维变换,通过对变换域的系数进行硬阈值处理减弱噪声,逆变换得到组中所有图像块的估计值,把这些估计值返回到他们的原始位置;
聚集对得到的有重叠的块估计,通过对他们进行加权平均得到真实图像的基础估计;基础估计完成后,进行最终估计;
所述最终估计具体过程为:
对基础估计图像中的每一块,通过块匹配找到与它相似的相似块在基础估计图像中的位置,通过这些位置得到两个三维数组,一个是从含噪图像中得到的,一个是从基础估计图像中得到的;
对形成的两个三维数组均进行三维变换,以基础估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波,逆变换得到组中所有图像块的估计,然后把这些估计值返回到他们的原始位置。
对得到的有重叠的局部块估计,通过对他们进行加权平均得到真实图像的最终估计。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种大数据人工智能教学实训系统,其特征在于,所述大数据人工智能教学实训系统包括:
柜体;
柜体下端设置有电动伸缩杆,电动伸缩杆与支撑座连接,支撑座上粘贴有橡胶垫;
柜体上表面固定安装有支撑柱,支撑柱通过转动机构与人机交互外壳连接,人机交互外壳中间嵌装有显示屏;
柜体内部安装主机、蓄电池和无线通信模块,无线通信模块与云服务器连接;
主机内部设置有中央控制模块,中央控制模块,分别与基础测试模块、教学模块、实训模块、图像采集模块、图像处理模块、图像分析模块、评估模块、建议生成模块以及报告生成模块连接,用于利用中央处理器控制各个模块正常工作;
所述转动机构设置有支撑圆盘,支撑圆盘内部设置有转动孔,转动孔中旋接有固定旋钮;转动孔中套接有转动轴,转动轴上端安装有连接盘。
2.如权利要求1所述大数据人工智能教学实训系统,其特征在于,所述柜体底部四角固定安装有万向轮,万向轮上设置有刹车片。
3.如权利要求1所述大数据人工智能教学实训系统,其特征在于,所述基础测试模块用于对用户的基础知识水平进行测试;教学模块用于基于基础知识水平提供人工智能教学视频;
实训模块用于当教学视频学习完毕后进行人工智能的实训;图像采集模块用于采集用户在实训过程的实时操作。
4.如权利要求1所述大数据人工智能教学实训系统,其特征在于,所述图像处理模块用于对采集的用户实训图像进行预处理;图像分析模块用于基于预处理后的图像进行分析,得到图像分析结果;
评估模块用于基于图像分析结果以及基础知识测评结果评估用户的人工智能知识水平;建议生成模块用于基于用户的人工智能知识水平输出对应的实训或学习建议;
报告生成模块用于基于用户的基础水平测试结果、实训图像分析结果、评估结果以及生成的实训建议输出人工智能教学实训报告。
5.如权利要求4所述大数据人工智能教学实训系统,其特征在于,所述评估模块基于图像分析结果以及基础知识测评结果评估用户的人工智能知识水平包括:
将图像分析结果、测评结果以及实训结果作为评估指标,并采用多叉树结构建立人工智能知识水平评估指标体系;
构建人工智能知识水平叶节点评估指标融合模型,通过人工智能知识水平叶节点评估指标融合模型对叶节点指标数据进行多源数据融合处理;
构建人工智能知识水平叶节点评估指标模型;基于多叉树结构中各节点人工智能知识水平评估指标的权重信息,构建人工智能知识水平父节点评估指标模型;
采用多叉树广度优先遍历的方法构建人工智能知识水平整体指标评估模型,进行人工智能知识水平的综合评估。
6.如权利要求4所述大数据人工智能教学实训系统,其特征在于,所述图像处理模块对采集的用户实训图像进行预处理,具体过程为:
将图像采集模块采集用户在实训过程的实时操作,并导入到图像去噪模块中进行图像去噪和增强;
图像去噪完成后,将彩色图像转变成灰度图,灰度图转化成二值图;
通过边缘检测和分割对二值图进行边缘检测和分割。
7.如权利要求6所述大数据人工智能教学实训系统,其特征在于,所述对二值图进行边缘检测的具体过程为:
用高斯函数对图像f(x,y)进行滤波得到一个已平滑数据阵列,
S(x,y)=f(x,y)*G(x,y,σ);
其中σ是高斯函数的散布参数,用以反映平滑程度;
其次,进行梯度计算,平滑阵列S(x,y)的梯度用2×2一阶有限差分近似公式确定x与y偏导数的两个阵列P(x,y)与Q(x,y);
P(x,y)≈(S(x,y+1)-S(x,y)+S(x+1,y+1)-S(x+1,y))/2;
Q(x,y)≈(S(x,y)-S(x+1,y)+S(x,y+1)-S(x+1,y+1))/2;
在2x2正方形内求有限差分的均值,计算在图像中的同一点x和y的偏导数梯度,幅值和方位角分别如下式:
θ(x,y)=arctan(Q(x,y)/P(x,y));
确定极大值抑制,对图像M(x,y)上的像素,确定像素梯度方向上的相邻两个像素的梯度幅值;将图像边缘细化为像素宽度,并经过非极大值抑制,由梯度幅值图像M(x,y)得到图像NMS(x,y),最后通过双门检测和边缘连接,用高门限和低门限提取边缘,对图像NMS(x,y)每个像素点,通过高门限值和低门限值得到边缘图像强边边缘点和弱边缘点。
8.如权利要求6所述大数据人工智能教学实训系统,其特征在于,所述图像分割具体过程为:
在二值图中确定具有相似性质的像素点连成合并在一起;每一个区域,寻找相应的种子点作为生长起点,然后将种子点周围所设置领域的像素点,按照生长规则进行生长合并,直到没有能满足生长点的像素为止。
9.如权利要求6所述大数据人工智能教学实训系统,其特征在于,所述图像去噪模块进行图像去噪具体过程为:
将导入的图像进行初始估计,对含噪图像中的每一块,找到它的相似块然后把它们聚集到一个三维数组。
对建立的三维数组进行三维变换,通过对变换域的系数进行硬阈值处理减弱噪声,逆变换得到组中所有图像块的估计值,把这些估计值返回到他们的原始位置;
聚集对得到的有重叠的块估计,通过对他们进行加权平均得到真实图像的基础估计;基础估计完成后,进行最终估计。
10.如权利要求9所述大数据人工智能教学实训系统,其特征在于,所述最终估计具体过程为:
对基础估计图像中的每一块,通过块匹配找到与它相似的相似块在基础估计图像中的位置,通过这些位置得到两个三维数组,一个是从含噪图像中得到的,一个是从基础估计图像中得到的;
对形成的两个三维数组均进行三维变换,以基础估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波,逆变换得到组中所有图像块的估计,然后把这些估计值返回到他们的原始位置;
对得到的有重叠的局部块估计,通过对他们进行加权平均得到真实图像的最终估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093790.7A CN114550510A (zh) | 2022-01-26 | 2022-01-26 | 一种大数据人工智能教学实训系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093790.7A CN114550510A (zh) | 2022-01-26 | 2022-01-26 | 一种大数据人工智能教学实训系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114550510A true CN114550510A (zh) | 2022-05-27 |
Family
ID=81672918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210093790.7A Withdrawn CN114550510A (zh) | 2022-01-26 | 2022-01-26 | 一种大数据人工智能教学实训系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114550510A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115841403A (zh) * | 2022-12-16 | 2023-03-24 | 安徽宝信信息科技有限公司 | 一种基于大数据的ai实训方法及系统 |
-
2022
- 2022-01-26 CN CN202210093790.7A patent/CN114550510A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115841403A (zh) * | 2022-12-16 | 2023-03-24 | 安徽宝信信息科技有限公司 | 一种基于大数据的ai实训方法及系统 |
CN115841403B (zh) * | 2022-12-16 | 2023-09-05 | 安徽宝信信息科技有限公司 | 一种基于大数据的ai实训方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105335696B (zh) | 一种基于3d异常步态行为检测识别的智能助老机器人及实现方法 | |
CN103017739B (zh) | 基于激光雷达点云与航空影像的真正射影像的制作方法 | |
CN101404086B (zh) | 基于视频的目标跟踪方法及装置 | |
CN110120020A (zh) | 一种基于多尺度空洞残差注意力网络的sar图像去噪方法 | |
CN105550678A (zh) | 基于全局显著边缘区域的人体动作特征提取方法 | |
CN110197169A (zh) | 一种非接触式的学习状态监测系统及学习状态检测方法 | |
CN114120432A (zh) | 基于视线估计的在线学习注意力跟踪方法及其应用 | |
CN103105924B (zh) | 人机交互方法和装置 | |
CN108335319A (zh) | 一种基于自适应阈值及ransac的图像角点匹配方法 | |
CN109063729A (zh) | 一种基于pso-nsct的多传感器图像融合方法 | |
CN105607288A (zh) | 基于声波探测辅助的智能眼镜全方位车辆零部件完整性检测方法 | |
CN113516663B (zh) | 点云语义分割方法及装置、电子设备及存储介质 | |
CN111275686A (zh) | 用于人工神经网络训练的医学图像数据的生成方法及装置 | |
CN110440148A (zh) | 一种漏损声信号分类识别方法、装置及系统 | |
CN114550510A (zh) | 一种大数据人工智能教学实训系统 | |
CN112465057A (zh) | 一种基于深度卷积神经网络的目标检测识别方法 | |
CN115565203A (zh) | 一种跨模态弱监督的三维人体姿态估计方法及系统 | |
Yang et al. | Automated wall‐climbing robot for concrete construction inspection | |
CN114821541A (zh) | 一种基于网格模型的道路面损伤检测方法及相关设备 | |
CN114677339A (zh) | 一种引入注意力机制的输电线路螺栓脱销缺陷检测方法 | |
CN110457646A (zh) | 一种基于参数迁移学习低资源头相关传输函数个性化方法 | |
CN110009745B (zh) | 根据平面基元和模型驱动对点云提取平面的方法 | |
CN114627017A (zh) | 一种基于多层次注意力感知的点云去噪方法 | |
CN114937293A (zh) | 基于gis的农业服务管理方法及系统 | |
CN113063412B (zh) | 一种基于可靠性分析的多机器人协同定位与建图方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220527 |
|
WW01 | Invention patent application withdrawn after publication |