2.5.3 深度学习及软硬件平台教学设计-2026-2027学年人教/中图版高中信息技术选修四

该高中信息技术教学设计聚焦深度学习及软硬件平台，核心围绕卷积神经网络原理与图像识别模型构建流程。课堂以“AI助力精准农业”情境导入，通过农民巡检困境设问，播放无人机视频，引导学生从问题出发，经CNN原理探究到模型训练，形成“问题-原理-实践”的学习支架。 特色在于真实情境驱动与可视化实践结合，通过自主研发的交互式教学网页，学生动态体验“图像灰度化—卷积—激活—池化”过程，利用PlantVillage数据集在平台训练模型，培养计算思维与数字化学习能力。既为教师提供跨学科教学案例，又帮助学生提升用AI解决实际问题的信息意识与创新能力。

2.5.3 深度学习及软硬件平台 教学设计 课程基本信息 学科 信息技术 年级 高二 学期 秋季 课题 2.5.3 深度学习及软硬件平台 教科书 书 名：信息技术（选择性必修4）人工智能初步教材 出版社：人民教育出版社中国地图出版社 教学目标 1.通过观察健康与病害农作物叶片图像，了解作物病害的常见特征与诊断依据，认识深度学习应用所需的数据特征与输入样本基础。 2.通过操作交互式教学网页，直观理解卷积神经网络（CNN）在深度学习中的核心作用，掌握其识别图像特征的基本原理。 3.利用教学平台训练一个农作物病害检测模型，体验深度学习模型的训练与评估过程，理解软硬件平台在人工智能开发中的支撑作用。 4.探讨人工智能在精准农业中的典型应用场景，培养学生基于深度学习平台解决实际问题的意识与能力，形成科技创新与社会责任感。 教学重难点 教学重点： 1.理解卷积神经网络（CNN）的基本结构与工作原理。 2.掌握图像识别类AI 模型的构建流程（数据→训练→评估→应用）。 教学难点： 1.理解卷积运算如何提取图像特征。 2.理解卷积核、激活函数与池化操作在特征提取中的作用。 教学过程 一、导入情境 教师首先通过展示课题《深度学习及软硬件平台》，提出本节课将以“AI 助力精准农业”为项目任务，让学生在解决实际问题的过程中理解深度学习原理并体验AI 模型的应用。 随后，教师引出真实问题情境——农民在大面积种植中面临巡检效率低、难以及时发现病害的困境。教师设问：“有没有办法用科技手段更快发现病害，实现精准喷药呢？”学生自主思考、提出设想，如“用无人机拍照”“利用AI 识别病叶”等，为后续探究奠定问题基础。随后播放一段“无人机助力智慧农业”的视频，帮助同学了解AI 在精准农业方面的潜力。 教学意图：激发学生学习兴趣，让他们从现实问题出发，理解人工智能技术与农业生产的联系。 二、探究卷积神经网络的原理 在明确项目任务后，教师引导学生从“人如何识别病害”入手。通过观察多张不同作物叶片图像，学生辨别健康与病害叶片，并总结特征差异，如颜色变化、褐斑、黄斑、黑点等。教师进一步引导学生思考：“人能通过颜色和斑点判断病害，人工智能能否也做到呢？”由此自然过渡到“AI 如何识别病害”，引出卷积神经网络（CNN）的概念与作用。 【实践活动1：探究CNN 原理】教师引导学生通过操作自主研发的交互式教学网页“基于CNN 的农作物病害检测.html”，完成“图像灰度化—卷积—激活—池化”等操作，观察计算机如何从图像中提取特征。 在实验中，学生能看到灰度矩阵、卷积核滑动、池化降维等动态过程，从而理解计算机“看图识病”的逻辑。教师适时点拨，引导学生总结：“人看到的是颜色，而计算机看到的是数字；卷积核相当于AI 的探测器，它能在图像上寻找特征模式。” 教学意图：通过交互操作与可视化探究，将抽象算法形象化，使学生能亲历AI“识别”过程，深化对深度学习特征提取机制的理解。 三、构建农作物病害检测系统 【实践活动2：训练AI 模型】在掌握原理后，引导学生进一步进入“动手实践”环节。在模型训练平台上，学生使用PlantVillage 农作物数据集的子集，分别上传训练集和测试集，体验模型训练与评估的完整过程。 学生通过记录实验结果，理解“准确率=预测正确数/测试样本数×100%”的计算方法，并认识到AI 模型训练的目标是不断优化识别性能。教师补充介绍召回率、F1 值等拓展指标，帮助学生理解科学评估的重要性。 教学意图：引导学生理解AI 模型开发的流程与评价机制，强化“软硬件平台”在人工智能应用中的支撑作用。 四、实践应用 在掌握原理与技能后，教师引导学生开展“项目总结与创新设计”。学生分组讨论并利用大模型辅助，设计一个“AI 助力精准农业”方案。例如，利用无人机拍摄叶片图像，通过CNN模型识别病害后，结合智能喷药系统实现精准防治。学生汇报设计思路与预期效果。 教学意图：培养学生将所学知识迁移到实际应用中的能力，激发创新意识与社会责任感。 五、课堂小结与拓展 教师回顾本课主线——从“问题提出—原理探究—模型训练—方案设计”，总结深度学习的基本流程和应用思路。最后提出拓展性思考：“除了农业，AI 还能在哪些场景发挥作用？”鼓励学生将思维延伸至生活、医疗、环保等领域。 教学意图：巩固知识结构，提升学生的科技创新视野，实现从知识到能力的升华。 六、教学总结 本课以“深度学习及软硬件平台”为主线，通过“AI 助力精准农业”的项目任务，让学生在真实问题情境中完成从理解原理→动手实践→创新应用的完整学习过程。课堂设计实现了“知识学习、能力培养、思维提升、价值引领”的统一，既强化了技术素养，又体现了信息技术课程的育人价值。 学科网（北京）股份有限公司 $