在快节奏的现代生活中，旅游让我们更加亲近自然并得以放松。旅途中，我们经常通过拍照记录美好时刻，但照片仅能定格风景，难以充分传达出刹那间的心情。本课程将借助先进的科技手段，运用目标检测捕捉景物之形，通过图像识别洞察人物心情，再借助大模型的力量，将风景、情感融入诗句，使文字成为鲜活、会说话的风景画，获得饱含诗意的旅行照片。
课程简介
课程旨在通过实践导向的项目教学模式，全面培养学生的技术实践能力、创新思维与问题解决能力。学生将通过深度参与一系列精心设计的课时，掌握人工智能及相关领域的前沿技术，如OpenCV图像处理、YOLOv8目标检测、PySimpleGUI用户界面设计、Kimi大模型应用及系统优化策略，这些技术能独立完成从概念构想到成品的全流程。课程对象为高二年级学生，具备Python编程基础，有一定的人工智能学习经验。课程准备包括机房环境、PyCharm平台、半成品代码、项目学习任务单及资源链接。
课程主要包括4个主题。①探索OpenCV。主要内容为学习OpenCV库的基本安装与配置，学习图像读取、显示、转换等基础操作，理解并实践图像预处理技术（如灰度化、图片翻转等）基本功能，需要3个课时。②YOLOv8目标检测。主要内容为了解YOLOv8模型原理与架构，收集树木、花数据，并使用YOLOv8对数据进行模型训练与调优，完成目标检测项目实践，需要4个课时。③PySimpleGUI UI设计。主要内容为学习PySimpleGUI库的基本使用方法，设计并实现一个简单的图形用户界面（GUI），用于展示和交互，需要2个课时。④Kimi大模型应用。主要内容为了解Kimi大模型在自然语言处理、图像生成等领域的应用，以及API调用、token、实践Kimi大模型的调用，需要2个课时。
课程实施过程
活动主题1
活动开始前，学生需要先了解计算机如何处理图像问题。OpenCV作为计算机视觉领域的核心工具库，在图像处理中具备强大功能。本次活动重点讲解OpenCV环境配置、视频读取与实时显示、摄像头调用，以及视频保存。然后，进行实践扩展，要求学生在实现视频读取与实时显示后，进一步添加帧处理（如缩放、旋转、滤镜），并将结果保存为新文件，尝试不同编码格式（如MP4V、AVC1）和帧率设置。
通过学习，学生可掌握OpenCV视频处理的核心流程，理解编解码器与帧操作原理，并建立“图像即数据”的底层认知，为后续实时摄像头拍照，以及图像识别奠定基础。
活动主题2
目标检测作为图像识别领域的核心技术，通过精准定位与分类实现了对图像中多目标的智能化解析。随着计算机视觉技术的快速发展，该技术已深度应用于自动驾驶的环境感知、智能安防的异常行为监测、医疗影像的病灶定位等关键场景。为系统掌握目标检测的实现路径，以YOLOv8为核心的实战课程，将引导学生从数据标注规范、模型训练优化到边缘计算部署展开全流程实践，通过案例剖析与代码实操，构建从理论认知到工程落地的完整知识体系。
活动开始前，教师首先向学生介绍YOLOv8模型的基本原理及其在目标检测任务中的独特优势。通过讲解YOLOv8的模型架构、特点及应用实例，让学生对目标检测模型具备初步的认识。
数据准备与标注 数据是模型训练的基础。在获得照片后，照片中会有多种物体，但旅游照片以花和树居多，因此选择花和树作为目标检测的主要目标。随后，进入对2种物体的数据准备与标注阶段。教师详细讲解如何收集、整理目标检测任务所需的数据集，并介绍使用LabelImg等工具进行数据标注的方法。学生通过学习XML、VOC或YOLO等格式的选择与应用，能够更高效地完成数据标注。
模型训练与优化 在模型训练与优化环节，讲解如何根据任务需求选择合适的神经网络模型，并配置YOLOv8的模型参数。学生深入了解卷积层、池化层、全连接层等结构的作用，以及学习率、批次大小、迭代次数、训练轮数等参数的配置方法。同时，教师还对随机梯度下降（SGD）、Adam等优化算法，以及L1、L2正则化的应用进行介绍，旨在提升模型的性能。此外，还应强调数据增强技术的重要性，通过随机变换图像、翻转、缩放等方法，提高模型的泛化能力，并介绍防止过拟合的方法，对模型出现的问题进行优化，增加检测的准确性。
评估与测试 在评估与测试阶段，教师介绍数据拟合度（如MSE、RMSE）、泛化能力（交叉验证）、稳定性和鲁棒性的评估方法和指标，鼓励学生使用测试数据集测试模型性能，比较测试集和验证集的性能指标，以便学生全面理解模型的性能表现，找出存在的问题和优化方向（图1）。同时，学生通过将训练好的YOLOv8模型导出为可部署的格式，并将其部署到实际应用环境中，了解目标检测的基本流程，对YOLOv8有初步的了解。

图1 模型检测错误示例

活动主题3
在程序开发中，界面设计是影响用户体验的重要因素，简洁舒适的界面设计是关键。PySimpleGUI是一款专为简化Python图形用户界面（GUI）开发而设计的工具库，凭借其直观的接口设计和跨平台特性，成为了快速实现可视化应用的理想选择。它兼容Tkinter、Qt等多种底层GUI框架，可轻松安装，大幅降低了GUI开发的门槛。
介绍PySimpleGUI布局 通过二维列表定义界面结构，每个子列表代表一行控件，例如文本标签、输入框或按钮；窗口支持自定义标题与主题样式，可快速打造风格统一的视觉体验；事件处理通过window.read()实现，实时捕获按钮点击等交互行为，并据此执行对应逻辑，使开发流程更加高效。
了解PySimpleGUI内置基础组件及功能 让学生了解基本的UI设计，无须深入底层框架即可构建功能完善、界面友好的应用。其重点在于逻辑实现，显著提升开发效率。学生掌握从基础布局到复杂交互的全流程技能，为后期实际项目开发奠定基础。
活动主题4
从照片中检测出目标物体后，在Kimi大模型中输入相关物体名称，作为提示词进行诗词创作。该活动以理解大模型工作原理为起点：通过剖析Transformer架构、注意力机制等核心概念，揭示Kimi在中文诗歌生成、多轮对话等场景中展现的上下文理解与风格迁移能力，最终实现从视觉识别到文学创作的完整技术链路闭环。
首先，调用Kimi API：在Moonshot AI官网注册账号，获取专属API Key（身份凭证），并配置Python环境（安装requests等库）。其次，调用代码：通过Python发送HTTP请求，构建包含对话历史、模型参数的数据包，调用Kimi的文本对话接口。学习处理API响应状态码（如200成功、401权限错误），确保程序稳定运行。让学生理解Token是控制API权限与资源的核心机制，讲解Token的作用，并实际操作如何调用大模型生成各种符合背景要求的诗词。活动强调“学以致用”，最终目标是让学生能将大模型集成到实际项目中，在Kimi的帮助下，为美如画的风景配上古色古香的诗句，让一张张照片变得鲜活灵动。学习成果示例如图2、图3所示。

图2 学生设计的界面示例

图3 学生学习成果示例

反思提高
在讲解目标检测时，引入YOLOv8，将其聚焦于树与花的专项检测。然而，目前该模型的识别类别尚未广泛涵盖学生拍摄照片中常见的对象，一定程度上限制了模型的应用潜力，也阻碍了识别精准度的进一步提升。此外，当前的目标检测体系未加入人脸表情的检测任务，需要进一步完善人物情绪识别的教学内容。同时，可添加语音直接输入技术，以弥补现有欠缺。此外，还应优化系统异步模式的启动过程，加快系统文件的加载处理速度，从而提升整体性能和用户体验。■

来源: 中国青少年科技教育工作者协会