【华为云专家——上云之路】

       作为一位教育工作者，在昨天参加分享学习后，有感而发，尝试创作了以下模型测试，感觉跟示范的口罩模型大同小异，颇有意思，只恨自己技术还不到家很多地方还无法实现，但总的来说，这款了不起的MODELARTS已经可以颠覆已有的人工操作啦：

高阶*迭代：基于AI华为云MOLDELARTS的卫生检查识别反馈系统设计与实践

一、研究背景与目标：

目前，大部分学校的卫生检查均是利用人工完成的，但是从效率和质量而言都并不是特别理想，值日值周教师是利用工作之余进行抽空检查，而且总是带有一定的主观色彩，那么能不能通过智能设备来改善这种情况，或者进行一个系统性的完善或者是颠覆呢？如果成功了，那么对于学校管理而言是人力资源的合理规划与节能，有助于老师用更多更专注的精力投入到教学中去。尤其是实时利用学校监控系统，进行大数据的处理与分析，并客观公正的反馈学生、班级行为规范与表现，树立考核标准的同时，呈现评价结果，同时起到威慑作用，加强公共空间意识的培养与进阶，养成良好卫生习惯。初步而言，充满价值与意义。

二、研究方式与工具：

   通过团队小组探究的形式，利用华为云的MODELARTS的非代码开发平台进行基本的0基础操作。尤其是使用图片标注的方式有助于小学阶段的孩子认知和了解什么是数据模型建构与图像处理。通过团队互补，群策群力，不断完成相关任务。关键节点则可以协同专业人员进行开发与梳理，尤其是脚本代码的实现。

三、具体操作与流程：

在注册账号并进行优惠套餐尝试购买后初步实践：

1.建立OBS资料桶并创建项目

2.搜集一些乱丢垃圾的图片，以及相反状况的整洁有序的垃圾箱图片

3.上传数据并进行标注，初期以少量数据进行实验

4.训练模型，呈现识别准确率

5.上线部署

6.测试结果与完善

后续思路与困难：

可以看到，初期测试结果并不是非常理想，测试准确率偏低，有待后期调试与改进，尤其是数据集的扩大，所以，综上所述，虽然模型已经基本搭建完毕，但是还存在不少的问题等待解决，比如准确率的提高，APP小程序的搭建，端口的调用，发现问题的警报或者的方式与方法，都是值得继续探究的问题与难点……需要后续继续专业学习与深入探究。但是，目前受益匪浅，学到了很多，感谢各位大神，感谢华为云，感谢MOLDELARTS,祝大家越来越好！也希望华为云能为更多的人带去便利，尤其是不同行业的更新与迭代！合十！

第二天回家又梳理了一下，发现课题可以搞起来了，O(∩_∩)O哈哈~

基于华为云MODELARTS的人工智能AI数字学校智能识别系统开发与实践

一、研究背景与思路：

在互联网+的时代里，许许多多的改变正在颠覆我们的认知，基于人工智能AI的主题出发，华为云研发了一款称之为MODELARTS的智慧调用平台，正好可以为教育行业的一线探究提供技术支持与帮助，一线教育目前的探究仅仅停留于程序的编写或者情境的设置，但是对于真实情境的智能化判定应该说仍有一定的差距，所以以此为契机我们可以利用这个平台真正做出一些基于学校真实情境的大数据人工智能算法的模型与应用，也契合当下的西方STEAM教育热潮，虽然只是一次大胆的尝试，进行试点式探索与摸索，但思路却在这种梳理的情状下进一步明确与框定……

针对于小学阶段的孩子而言，大部分基础薄弱，最了不起就是会一些简单的积木拼搭式的CRATCH编程，或者暂时还不能操作复杂的代码，甚至还不能很好地识别英文状态实际情况下，那么可以看到，这种0基础的0代码的MOLDELARTS表达方式正好契合了这个特点，做到了补充与完善，可以帮助师生进行探究，成为很好的助手和平台，甚至是一种学习支架，助力我们延伸到更广的领域和空间……

前期通过参加华为研究院杭州研究所华为云专家的社区开发介绍与宣传，课题在原有基础上有了更多火花与思考，本就已经有了基本的想法与思路，同时协同相关社区专家，进一步了解和掌握了相关操作技术，为后期将给学生做普惠式的人工智能MODELARTS沙龙进行铺垫，计划利用社团时间，从图像、视频、音频等多个角度深入进行人工智能一站式开发平台探究，利用已有脚本、开发需求脚本，契合相应数据情境，构建学校真实模型，甚至形成小程序或者APP导出应用端口，构建移动终端使用作为憧憬与愿景的大方向，引领后续工作。

通过体验馆的模拟体验，可以感知到快捷方便的应用，尤其是图形化操作界面是一种具体形象的实践操作方式，非常容易上手。而且最终的识别准确率也比较高，达到80%以上。

二、终极目标与愿景：

之于杭州的城市大脑，其实对于教育行业而言就是学校大脑，大概意思就是现在的监控只是监控，只是一个事后的查阅，数据和信息没有被利用起来，而智能监控系统其实可以替代值日值周老师的作用进行自动识别，比如进校门的红领巾识别，体温识别，课间的噪音识别和打闹追逐识别，值日卫生扣分识别，垃圾分类识别，甚至是合唱音准识别、朗读正音识别等等，减轻人力负担与资源，同时精准管理与细致处理，通过前端的模型训练部署上线形成调用端口，然后再用手机端小程序或者app进行制作应用，是无限畅享和憧憬。而从数字智慧学校的愿景出发，因为现在学校其实就是城市大脑的一个缩影，数字雄安的建设就是个真实范例，是数据同步建造的虚拟线上城市，而我们则是教育行业的范例典型，可以成为虚拟线上学校，用海量数据呈现学校大脑。也许目前看来不切实际，但未来可期~尤其是在目前抗击疫情，全国范围开展居家线上学习的情况下，更从侧面推动了形势与事态的发展，因为得益于注重平时的线上架构才能在突发问题来临时应对得游刃有余。那么我们要做的事情就显得格外有价值和有意义。

而华为云的MODELARTS作为一个优秀平台，从学生而言可以做教学，从教师而言可以做数据统计，识别图片，语音识别，数据识别，像企业行业工厂的例子是可以进行一个安全隐患监管，比如工人摔倒什么的~后期还可以做很多事情~对于一线的教育工作者绝对是利好，而且是大大减轻工作负担与劳力的一种新型创举，甚至是未来教育行业的走向。我们不期待能凭一己之力改变学校或是现代教育，但是我们应该可以做些什么来创造一种蝴蝶效应，形成一种趋势与布局。

三、操作方式与方法：

（一）主题项目架构

从系统本身而言 ，我们看到，可以将所有的模型分成图像分类、物体监测、预测分析、声音分类这样一些类别，那么项目的主体架构也应该从这些角度出发，根据具体情况进行选择。

同时通过图像分类，物体监测，预测分析，声音分类，就可以完成一系列的情境创始与完善，不断形成灵感的同时，又不断产生新的项目和操作。但前期需要大量的数据搜集与积淀，这对于孩子自主探究又是非常不错的渠道。

比如图像分类，需要识别某种物体，而其界定标准就是图片中的某种物体的参照，所以在素材搜集与采集时，我们必须要大量采集一线数据，考虑到这个问题，才能有针对性地提高训练的准确性。

再比如识别每个物体的位置及类别，失物招领，其实质就是一种物质与位置的类别识别。丢了什么东西的时候，通过这样的识别就能初步判断地点，并通过失物属性细化类别分析。

声音分类则对于合唱高低声部的区分度，音准节奏的把握有着一定的效果和作用。或者是对于乐器齐奏有问题的滥竽充数者，也能让他们在识别中无所遁形，再或者是齐读课文却在偷懒的问题，普通话不标准的问题，或者是字音读音有问题的都可以得到解决，尤其是纠正错误的普通话发音，或者是拼音、音节的拼读，都是不错的选择。

对于学校学生测试成绩而言，是个庞大的数据库，如何利用好它成为我们的一种非常强大的后驱力，考验着一线执教者的智慧。要知道现在大部分学校的数据统计还是最原始的优良百分比，非常落伍，其实我们可以从中获得更多的有用的信息的。那么于结构化的分析而言就是一次数据的饕餮盛宴。这种数值的预测分析可以更好地帮助我们看到考试成绩背后更多数据化的东西、规律性的实质，甚至是预测出一些事实现象，在可视化数据的同时不断服务后续操作，甚至是提供模板，可持续利用与操作。

1. 红领巾佩戴识别项目实例

因为目前疫情管控，出门都需要戴口罩，而不戴则被视为一种违反或者是禁止的行为，要受到提醒和警示，所以就出现了关于口罩佩戴模型训练部署与实时监测结果，那么，同样的原理，在当前口罩范例的基础上，基于学校实情，对于学生佩戴红领巾情况，我们是不是可以进行一些改进，通过类比套用，设计出以一个关于红领巾佩戴的模型来进行部署监测，甚至是进行反馈扣分警示呢？操作部署应该也是类似的。

首先，我们注册华为云的账号，然后进行了身份验证，并进行了账号权限的授予与秘钥的验证，就可以开始整个操作了。

（1） 在网络上搜集了戴红领巾和不戴红领巾两类图片，结合平时学生的真实图片形成数据集。新建OBS桶进行命名，创建项目，并将数据传到对应的桶内。积极标注戴与不戴的区别形成两种标签。并对训练设置进行调整。

（2）点击开始训练，等待模型训练成功，中间等待的时间继续搜集相关图片以扩大数据集。

（3）训练成功后进行一键线上部署上线，得出模型准确率为88%以及一些相关数值。

（4）上传相关图片进行测试，为形成鲜明对比选择了毫无关联的一张图片，显示高概率识别成功，72%属于非NO内容标签。

(5)搭建外部框架系统进行端口调用，复制API接口地址备用。

二）后期部署与完善思路

通过红领巾的识别实操，可以看到，思路是基本可行的。尤其是后续还可以在基于MOLDELARTS红领巾佩戴识别基础上进行体温等一系列的持续性探究与思考。全部做好以后大概就是一个线上的虚拟数字学校，可以通过监控系统进行无人自治，网络或者VR眼镜进行异地浏览，也为未来值日老师提供精细理性客观工作便利，这就是所谓网上社区协同专业人员进行一个虚拟域探讨，相互指导进行真实执行，目前只做了冰山一角，有待跟进……

后来还将邀请一些社团小朋友或者礼仪岗的同学在进校门时采集一些红领巾与非红领巾图片等数据作为后期建模使用源数据，以及对学生课间肢体冲突、奔跑数据做一些声源、图像采集，当然垃圾分类或是环境卫生是静态的资源会比较容易处理与搜集，可能会涉及到肖像权等方面的问题，需要审批与认同，当然会隐去面部的原始状态做马赛克处理，但是只是内部使用建构尝试项目不进行推广发表或者商用，不涉及到知识产权等问题，声明的基础上应该问题不大。

数字学校，这是个庞大的系统，这些不是一朝一夕能够完成的，但千里之行始于足下~

后面只要利用好端口调用，并开发外部APP小程序搭建框架，就可以进行相应的功能实现了，当然还是需要一定的技术进行支持的，非专业人员的操作可能存在一定的困难。

事在人为，相信我们可以作出许许多多有趣有用的应用来丰富我们的校园生活，尤其是为教育教学管理提供方便。后期比如关于握笔姿势的检查，坐姿端正的检查，都是一系列有用的表达。针对于最近的疫情，甚至可以是口罩佩戴的识别基础上的体温的实时监测防护，这样的例子比比皆是。相信我们的学校生活也会因为探究越来越智能，科技，充满现代感。

一切都有待于进一步探究。