第10课《图像特征的提取》教学设计-2025-2026学年人教版初中信息技术（人工智能专册）

该初中信息科技教学设计聚焦图像特征提取的核心原理，通过“以图搜图”案例导入，衔接文本语义编码知识，引导学生理解AI将图像关键信息转化为数字的过程，搭建从像素到特征的认知支架。 该设计以“手动提取数字特征—滑动窗口计算—相似度工具体验”为主线，通过分组实践活动培养计算思维，借助工具操作落实数字化学习与创新，强调AI仅模拟匹配非真理解以渗透信息社会责任。实例丰富且贴合学生认知，助力教师高效教学，提升学生技术理解力与应用意识。

第10课《图像特征的提取》教学设计 一、教学基本信息 课程名称 图像特征的提取 课时安排 1课时（45分钟） 适用学段 义务教育初中阶段 学科领域 信息科技 对应教材章节 第三单元 图像、声音与视频的智能生成 第10课 核心素养目标 本节课围绕AI图像特征提取的核心原理，结合新课标要求，落实以下核心素养目标： 1. 信息意识：理解AI图像特征提取的基本原理，能够区分原始像素与图像特征的差异，建立对AI“看懂”图像的客观认知。 2. 计算思维：能够通过手动提取特征、滑动窗口计算等活动，理解图像特征提取的核心逻辑，能够用数学的眼光拆解AI的图像处理过程。 3. 数字创新：能够通过操作图像相似度工具，体验AI图像处理的过程，能够主动思考该技术在生活中的创新应用场景。 4. 信息社会责任：认识到AI图像处理的能力与局限，能够理解AI处理图像的基本逻辑，形成对AI图像识别的正确认知，树立人机协同的技术观。 二、教学重难点 教学重点 理解图像特征提取的核心逻辑，能够明白“把图像的关键信息变成一组数字”的原理，掌握手动与自动特征提取的方法，以及图像相似度计算的应用，完整体验AI图像处理的过程。 教学难点 打破对AI“真的看懂图像”的认知，理解AI只是通过特征提取模拟图像的匹配，并不具备真正的视觉理解能力，同时能够理解特征提取对AI处理效率的提升意义。 三、教学准备 教师准备 1. 制作教学课件，包含导入案例、互动活动的素材，提前准备好数字图像、坐标纸、特征提取的任务单，按小组分装。 2. 提前调试《图像特征与相似度》工具，在学生终端完成部署，同时准备备用网页版工具应对突发情况。 3. 准备小组积分评价表，用于课堂过程性评价，调动学生的活动参与积极性。 学生准备 1. 提前回顾之前学的语义编码、相似度计算的内容，梳理自己的疑问，准备课堂分享。 2. 携带个人学习终端，提前确保设备电量充足，能够正常运行课堂工具。 3. 准备课堂笔记本，用于记录课堂知识点与活动收获。 四、教学过程（含教-学-评闭环） （一）情境导入：以图搜图是怎么做到的？（5分钟） ■ 教师活动： 1. 给学生展示以图搜图的案例：“大家有没有用过，拍一朵花，就能搜出来这是什么花？或者拍个老照片，就能找到相似的照片？大家有没有好奇，AI是怎么做到的？它怎么知道两张图是不是一样的？” 2. 衔接之前的知识：“之前我们学了，文本可以变成语义坐标，然后算相似度，那图像呢？是不是也能变成数字，然后算相似度？今天我们就来看看，AI是怎么提取图像的特征的。” ■ 学生活动： 1. 结合自己的生活经验，分享对以图搜图的疑问与想法； 2. 衔接之前的语义编码的知识，产生对AI图像处理原理的探究兴趣，明确本节课的学习目标。 ■ 设计意图：用学生熟悉的以图搜图的案例，引发学生的探究兴趣，同时衔接之前的文本语义编码的知识，让学生快速建立知识的关联，聚焦本节课的主题。 ■ 评价要点：观察学生的课堂参与度，是否能够衔接之前的知识，是否对导入的问题产生探究欲望，快速进入学习状态。 （二）手动体验：我们也来当AI，提取图像特征（15分钟） ■ 教师活动： 1. 提出问题：“如果我们要识别0-9这10个数字，我们需要看整个图像的所有像素吗？能不能找几个关键的点，只要看这几个点，就能分清是哪个数字了？” 2. 给每个小组发数字图像和观察卡，讲解规则：我们选5个关键的点，有颜色的格子记1，没颜色的记0，这样每个数字就变成了5个0和1的组合，也就是它的特征！ 3. 让学生分组，给每个数字提取特征，填到表格里，然后试试，拿一个新的数字，提取特征，和表格里的比，能不能认出是哪个数字。 4. 组织学生讨论：“我们是不是不用看所有的像素？只要这几个点，就能分清数字了？这就是特征提取！AI就是这么干的，只提取关键的信息，不用处理所有的像素，这样就快多了！” ■ 学生活动： 1. 分组讨论，思考识别数字的关键位置，理解特征点的意义； 2. 给每个数字提取特征，填写表格，然后用特征来识别新的数字； 3. 讨论发现，不用所有的像素，只要关键的特征点，就能识别数字，理解特征提取的意义。 ■ 设计意图：通过手动提取特征的活动，让学生直观理解图像特征提取的核心逻辑，明白AI不用处理所有的像素，只提取关键信息，降低理解的难度，同时让学生自己动手，加深印象。 ■ 评价要点：观察小组的合作情况，是否能够完成特征的提取与识别，是否能够理解特征提取的意义，落实计算思维的培养。 （三）探究：AI怎么自动提取特征？（10分钟） ■ 教师活动： 1. 提问：“刚才我们是自己选的特征点，那AI能不能自己找特征？不用我们来定？”引出自动特征提取的方法。 2. 用简单的例子讲解：AI用一个3x3的小窗口，在图像上滑动，每个位置，把窗口里的像素乘起来加起来，这样就能自动提取这个位置的特征了，不用我们自己选点！ 3. 让学生分组，试试用这个小窗口，给数字图像算特征，感受这个滑动计算的过程，让他们明白，AI就是这样，自动把图像的特征提取出来的。 ■ 学生活动： 1. 思考自动提取特征的问题，产生探究的兴趣； 2. 分组用小窗口滑动计算，给数字图像提取自动的特征，感受这个过程； 3. 理解AI自动提取特征的逻辑，明白不用人工定规则，AI也能自己提取特征。 ■ 设计意图：用简单的滑动窗口计算，把抽象的卷积操作变成学生能动手做的小活动，让学生理解自动特征提取的原理，突破本节课的难点，同时用他们学过的乘法加法，轻松理解这个计算过程。 ■ 评价要点：观察学生是否能够完成滑动窗口的计算，是否能够理解自动特征提取的逻辑，是否能够衔接之前的手动提取的知识。 （四）工具体验：图像相似度与以图搜图（10分钟） ■ 教师活动： 1. 引导学生打开《图像特征与相似度》软件，讲解：“有了图像的特征，我们就能算两个图像的相似度了，就像之前文本的相似度，特征越近，意思越像，图像的特征越近，图像就越像！” 2. 让学生输入不同的图像，比如两张狗的照片，还有一张猫的照片，看看相似度的结果，是不是相似的图像，相似度更高。 3. 讲解以图搜图的原理：“我们把要搜的图的特征提出来，和数据库里所有图的特征比，找相似度最高的，就是以图搜图了！” 4. 引导学生总结：AI就是这样，把图像变成特征，然后算相似度，但是它只是算数字的距离，它根本不是真的看懂了图像！ ■ 学生活动： 1. 操作相似度软件，输入不同的图像，观察相似度的结果； 2. 理解以图搜图的原理，明白AI是怎么找到相似的图像的； 3. 总结AI图像处理的原理，理解AI的能力局限性。 ■ 设计意图：通过工具体验，让学生完整体验图像特征与相似度的应用，结合之前的手动活动，让学生自己总结出AI的工作原理，建立对AI的正确认知。 ■ 评价要点：观察学生的操作情况，是否能够理解相似度的应用，是否能够理解AI的局限性，落实信息意识的培养。 （五）总结提升：AI是怎么“看懂”图像的？（5分钟） ■ 教师活动： 1. 总结本节课的核心知识点：图像特征提取的原理、手动与自动提取的方法、图像相似度的应用； 2. 引导学生思考：“这样的技术，还能用来干啥？比如人脸识别？或者图片搜索？我们用的时候要注意什么？” 3. 引导学生树立人机协同的观念，明确人类的视觉理解才是真正的理解，AI只是模拟，落实信息社会责任的培养。 ■ 学生活动： 1. 梳理本节课的知识点，形成完整的认知框架； 2. 思考图像特征技术的应用场景，以及使用AI的注意事项； 3. 建立对AI的正确认知，树立人机协同的技术观。 ■ 设计意图：梳理本节课的核心知识点，提升学生的认知，引导学生形成正确的技术观，落实信息社会责任的核心素养，完成本节课的教学目标。 ■ 评价要点：观察学生是否能够梳理本节课的知识点，是否能够建立对AI的正确认知，是否落实了信息社会责任的培养要求。 五、课后任务 本节课的课后任务采用选做模式，学生可根据自己的兴趣选择其一完成，不增加学生的学业负担： 1. 实践体验：试试你手机里的以图搜图，找一张你家宠物的照片，看看能不能搜到相似的照片，写个200字的小感想。 2. 探究思考：想想，图像特征的技术，还能用来干啥？比如人脸识别？或者老照片修复？写个小想法。 3. 拓展任务：试试给你喜欢的几个卡通形象，设计一下它们的特征点，看看能不能用几个点就把它们区分开。 下次课将选取优秀成果进行班级展示，优秀作品可纳入班级墙报展示。 六、板书设计 本节课板书采用边讲边写的方式，核心内容如下： 图像特征的提取 1. 特征提取：把图像变成关键的数字 2. 手动提取：我们自己选关键的点 3. 自动提取：小窗口滑动，自动算特征 4. 相似度：特征越近，图像越像 5. AI只是模拟，不是真的看懂！ 学科网（北京）股份有限公司 $