本文从学生生活中的实际问题出发，探讨跨学科项目式大单元教学实践，通过整合人工智能、开源硬件等信息科技知识和果实生长、果实成熟度等科学学科知识，探索和开发设计一套利用人工智能图像识别技术的系统。该系统能够自动检测香蕉的成熟度，并提供智能提醒，有效解决蕉农在电商发货过程中遇到的难题，提升发货效率。
课程设计
本课程是一项基于香蕉成熟度识别的电商发货决策系统的科技教育实践教学，源于学生家庭从事香蕉电商的真实场景。学生发现，香蕉的成熟度会随着时间和温度发生变化，不同成熟度对应不同的风味和口感，还会影响香蕉的保存期限和运输方式。因此，如何根据香蕉的成熟度为不同买家提供合适的发货时间和运输方式，是一个值得研究的问题。为了解决这一问题，带领学生开展项目式学习活动，以提高学生核心素养和解决真实问题的能力，发展学生高阶思维技能。
学习目标
理解人工智能在农业电商中的应用 学习人工智能如何优化农业生产和电商服务，培养学生的科学精神和创新意识。
掌握图像识别技术 通过学习图像识别技术，提升跨学科思维，强化技术应用能力，促进批判性思维发展。
编程与硬件操作实践 通过编程和硬件操作，实现人工智能模型部署，锻炼学生的技术运用能力和问题解决能力。
团队协作与问题解决 在团队合作中培养沟通与协作能力，强化社会责任感。
课时安排
本案例围绕“问题分析—方案设计—实施验证—优化迭代”主线，共计6个课时20个任务，如图1所示。

图1 课时安排

课程实施
数据收集和预处理
第2课时是本案例核心课时。学生需要从实地采集不同成熟度的香蕉图片（图2），并对图片进行清洗、裁剪、标注等预处理操作，构建一个香蕉成熟度的图片数据集，为模型的训练和测试提供数据支持。

图2 学生在超市采集香蕉图片

数据标注
学生在教师的指导下对数据集进行标注。首先把香蕉的成熟度分为一级、二级、三级3个等级。其中一级为高成熟度的香蕉，二级为中等成熟度的香蕉，三级为还未成熟的香蕉。学生需要根据香蕉的颜色、斑点、皮厚等特征，对每张图片进行相应的标注，如图3所示。

图3 香蕉成熟度等级图示例

模型训练
学生利用mx-yolo软件进行识别模型的训练，需要使用数据集进行模型训练和测试，评估模型的性能和准确率，优化模型的参数和结构，提高模型的效果和效率，具体参数如图4所示。

图4 模型训练

模型部署
学生需要将训练好的模型部署到主控板中，使其能够自动识别香蕉的成熟度，从而帮助电商卖家为买家提供最适合的香蕉选择和预期到达时间等，为用户提供便捷和高质量的服务。学生选择K210作为主控板，利用已有的开源软件和工具，如mixly、Mind+等，进行模型的部署和运行。模型部署完成效果如图5所示。

图5 模型部署完成效果示例

外观搭建
学生在教师的指导下，为作品设计一个具有科技感的外观，并且利用激光切割机等工具进行切割，最后进行搭建。
模型测试和评估
学生需要在真实环境中对系统的功能和效果进行测试和评估，收集用户的反馈和建议，对系统进行优化和改进，检验系统的可靠性和稳定性，总结系统的优点和不足。如表1所示，学生对3个级别成熟度的香蕉各进行200次识别，识别准确次数平均为196次，准确率为98%，识别效果符合预期。
学习成果
本案例在课堂上进行了有效的实施，图6为一个小组最终完成的作品。图中K210板已经能够准确识别出香蕉不同的成熟度，并进行智能提醒，达到了课程预期目标。

图6 学生最终作品示例

为了更好地展示成果，学生需要完成所有项目内容，并进行项目的总结和展演（图7）。学生需要根据项目的特点和亮点，制作幻灯片、视频、海报、模型等，用图文、声音等方式，生动形象地展示项目过程和成果，突出项目的创新性和实用性，为项目交流和答辩提供支持。

图7 学生展示讲解

项目评价
过程评价
评价学生在项目过程中的参与度、合作意识、创造力等，以及学生的收获和成长。
作品评价
评价项目产品的功能和效果，如香蕉成熟度的识别准确率、发货决策的优化程度、用户体验的满意度等，以及产品的创新性和实用性。
展示评价
评价项目展示的内容和形式，以及学生的语言表达能力和沟通能力等。■

来源: 中国青少年科技教育工作者协会