改进的Canny算子边缘检测算法研究

针对传统Canny算子边缘检测算法出现伪边缘或边缘丢失的缺陷,提出了一种采用统计滤波去噪和基于灰度的迭代法计算阈值的边缘检测算法。首先统计滤波并使用均值和方差去噪,避免出现如同高斯函数受噪声干扰的问题,保证图像边缘完整性;其次,使用灰度进行迭代计算确定阈值,改进了传统算法中人工确定的不足,使阈值更加准确,减少伪边缘和信息丢失的情况。通过大量实验对比和结果分析表明,改进后的算法与传统算法相比,可以提高边缘检测运行效率,使结果更加清晰、准确。     

边缘计算平台及应用分析

随着大数据、人工智能和物联网时代的到来,智能手机、智能手表等移动终端产生数据的增速已远远超过了网络带宽。同时,智能家居、无人驾驶等新应用对网络延迟提出了更高要求。边缘计算因在贴近数据源的网络边缘进行数据处理,绕过了网络带宽和延迟问题,迅速成为近几年的研究热点。首先提出边缘计算的定义,并对边缘计算、云计算、雾计算进行对比分析,给出边缘计算的优势,然后介绍边缘计算基本架构,列举了边缘计算较为经典的两个平台：移动边缘计算平台MEC和微云Cloudlet,最后对边缘计算在智能家居、车联网具体场景中的应用进行了分析。     

基于Jetson Nano的遗留物检测人工智能嵌入式教学实践系统

针对传统嵌入式系统设计在教学方案中往往缺少人工智能方面的教学内容,未能很好地与当今社会科技发展相适应等问题,设计了一个基于Jetson Nano的遗留物检测人工智能嵌入式教学实践系统。以理论知识学习、嵌入式开发板环境搭建、YOLOv5网络训练、OpenCV图像处理、遗留物检测算法设计等多个教学模块进行层次递进式教学,让学生对课堂更有参与感,增强了学生课堂学习的积极性,培养了学生动手实践能力与团队协作精神。这种实践与理论相结合的方式取得了良好的教学改进效果。     

Sobel算子改进边缘检测算法在混凝土裂缝识别中的应用

大型建筑、道路及桥梁等表面裂缝问题是其安全性检测中不能回避的问题,传统的人工检测手段,不仅速度慢,其计算精度也有待提高,更重要的是对于不安全的位置,使用人工检测危险性高。针对该问题,提出基于Sobel算子的改进边缘检测算法对图像进行处理,能够准确识别混凝土表面裂缝的边缘。     

基于深度学习的人群密度检测系统在嵌入式平台上的应用

人群密度计数是智能化视频监控分析领域的关键要素和研究热点。围绕基于目标检测和边缘计算的人群密度检测系统进行研究与设计，主要分为硬件端、通信层和Web端3个部分。硬件端利用摄像头实时监测，树莓派作为边缘设备运行YOLOv4-tiny的目标检测算法，将结果送入通信层-数据库，Web端利用AJAX等异步技术获取数据，引入PyMySQL库完成Web后端与数据库的连接，利用Apache Echarts框架进行JavaScript的交互功能设计，将系统在实际场景测试。结果表明，系统识别效果较好，可视化界面实时更新系统参数，实现了在嵌入式平台上的稳定运行。     

基于边缘云计算的混合并行AI训练机制研究

针对边缘计算环境下人工智能(Artificial Intelligence,AI)模型训练效率低下的问题,提出了基于边缘云计算的混合并行训练框架(Edge-Cloud based Hybrid Parallel Training Framework,ECHPT).ECHPT能在终端设备、边缘服务器和云计算中心之间实现AI模型和数据样本的自适应调度.ECHPT将模型计算和数据任务调度问题建模为训练时间最小化的优化问题,设计了调度算法对优化问题进行求解.实现了由设备、边缘服务器和云服务器组成的硬件原型.实验结果表明,与现有框架相比,ECHPT可以有效缩短AI模型的训练时间.     

计算机视觉中若干问题实现技术研究

计算机视觉是通过二维投影图像达到感知、识别和理解三维场景的目的。这一研究在人工智能方面对于理解和研究人体的视觉系统机理具有很大的应用价值。本文主要对计算机视觉技术进行了概述,分析了其存在的问题,并对环形孔径编码显微镜的制备方法及相应的图像处理技术以及边缘检测方法进行了研究。     

复杂腔体零件机器视觉图像亚像素边缘检测

基于复杂腔体类铸造零件机器视觉系统中的边缘检测问题,提出了一种改进的灰度矩亚像素边缘检测方法。提出了以模糊模型代替阶跃模型,将误差函数运用到矩方法的边缘检测算法。通过实验对检测精度和运行速度进行了对比,结果表明,改进的灰度矩边缘检测算法比传统算子具有更高检测定位精度和更快的速度,可满足图像目标高精度实时在线测量要求。     

基于改进的数学形态学边缘检测算法研究

研究了彩色图像边缘检测问题。针对传统边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等情况,提出了基于数学形态学彩色图像边缘检测改进算法。该方法将利用数学形态四运算,即膨胀、腐蚀、开、闭等变换以及它们的组合,并根据不同的结构元素的尺度大小和结构元类型,给出了一种改进的形态学抗噪型边缘检测算子,有效地检测出完整的图像边缘信息,并保持图像边缘的平滑性。实验结果证明了,与传统的边缘检测算法相比,本文提出的算法能有效提取准确的边缘信息,而且又具有很强的抗噪性,是一种有效的边缘检测方法。     

改进的基于模糊集的边缘检测算法

传统的边缘检测方法对模糊边缘图像不敏感。改进了模糊边缘检测算法,用min-max重心法模糊推理该点的边缘隶属度,实现边缘检测。给出了应用本算法边缘检测的实例,并与传统的边缘检测算法进行了比较。结果表明,本算法比传统算法边缘检测效果好。     

“人工智能+教育”的困境根源及应对

以云计算、大数据和深度学习为核心驱动力的人工智能正在如火如荼地开展,它与教育的深度融合(“人工智能+教育”)正在不断变革教育理念、更新教育手段、丰富教育内容。人工智能在教育领域不断推进应用之时,围绕它的批判声也络绎不绝。究其根源而言,人工智能试图驰骋于整个教育疆域但却力不从心,人工智能与教育深度融合过程中出现的新问题使它步履维艰。以此为根,人工智能应用于教育领域而招致的批判具体表现为三个方面:“人工智能+教育”系统、工具的安全性能无法保障,教育数据隐私泄露,教师主导地位沉沦。基于此,可以制定统一的“人工智能+教育”系统、工具开发与设计标准,利用区块链技术保护教育数据隐私,划定人工智能在教育领域的应用边界,从而拨开“人工智能+教育”前行中的重重迷雾。     

美国教育人工智能战略新走向——基于《2019年国家人工智能研发战略计划》的解读

为加速美国在全球范围内人工智能技术上领导地位的实现,重估美国联邦政府在人工智能研发方面的优先事项和满足人工智能时代对美国劳动力教育的现实需求,美国政府于2019年6月发布了《2019年国家人工智能研发战略计划》,这是美国在全球人工智能竞争大背景下出台的最新人工智能发展战略性文件。基于该文件核心内容并结合美国政府发布的其他相关资料,对其当前教育人工智能战略的最新走向进行分析研究可以发现,美国教育人工智能发展战略主要以持续投资人工智能的基础研发、开发有效人机协作方式、关注解决法律伦理问题、设计安全可靠的AI系统、创造开放性的数据环境、制定评估监管标准体系、着重AI研发人员的培养和扩大公私合作伙伴关系等八大战略为主要内容,并通过设立两大专业委员会、大力拓展学徒制计划、高度重视STEM教育、全力培养AI研发人员和加快培养高技能人才等五大现实举措,构筑了一个注重政府统筹规划、AI人才的开发、安全负责理念和国内外合作的教育人工智能发展愿景。     

新加坡人工智能终身教育体系现状及启示

人工智能技术的发展依赖人工智能人才的培养,因此世界各国都高度重视人工智能人才的培养。新加坡作为世界科技和教育强国,在人工智能教育领域已然先行一步。基于此,文章聚焦于新加坡人工智能教育,首先详细介绍了新加坡人工智能终身教育体系,随后分析了此体系的特点,包括因材施教的课程体系、因事而行的授课方式、因需而定的教师选拔机制等。最后,文章结合中国人工智能教育的现状,从教学资源、课程体系、师资队伍建设等角度分析了新加坡人工智能教育对中国的启示,以期推动中国人工智能教育的发展。     

基于ARM的智能家居机器人算法设计与开发

智能家居是一个融合了通信原理、控制技术的控制系统。随着人工智能的发展,智能机器人逐渐渗透到高端智能家居生活中。主要研究嵌入式系统在智能家居控制系统中的应用,通过IAR EWARM嵌入式集成开发环境,实现基于ARM架构设计的机器人在智能家居控制系统中的基本功能,介绍软件的开发环境和具体的算法。     

智能化时代“AI+教师”协同教学的实践形态

随着进入智能化时代,由人工智能与教师协同并存所形成的"AI+教师"协同教学的实践形态,将为高效教学和个性化教育提供新的契机。由于教师的"缺陷存在"所产生的"补缺"需求,使得"认知外包"成为常态,人工智能由此嵌入教学,充当"代具"以弥补教师能力的不足,形成"人-技术"的教学新形态。"AI+教师"协同教学的实践形态,按照协同性的高低依次分为"AI代理+教师"、"AI助手+教师"、"AI导师+教师"、"AI伙伴+教师"四种,这四种形态之间不是彼此割裂的,而是相互协同、共同服务于教学。未来,"AI+教师"协同教学的实践形态,将致力在实现教育转型、突破技术壁垒、厘清伦理关系三个方面做出努力,以弥合理论模型与教学实践之间的鸿沟,为教学注入新生力量。     

世界一流大学人工智能本科人才培养模式及启示——基于麻省理工学院、斯坦福大学和卡内基梅隆大学的比较分析

人工智能正在引领新一轮工业革命,我国该如何培养人工智能本科人才是目前需要面对的迫切问题。文章通过分析麻省理工学院、斯坦福大学和卡内基梅隆大学的人才培养目标、师资与教学资源、课程体系后发现,这3所世界一流大学分别采取了不同的人工智能本科人才培养模式:麻省理工学院的通用型人才,斯坦福大学的通专融合型人才以及卡内基梅隆大学的专业型人才。通过对这三种人工智能本科人才培养模式的比较分析,该研究将为我国人工智能本科人才培养提供重要启示。     

道德人工智能:基础、原则与设计

随着技术的快速进步,人工智能的决策和行为开始从外部设定转向内在发展,智能主体逐渐具有不同程度的自适应能力、决策能力和行为能力,它的自主能力也不断增强。出于道德考量,自主决策和行为的人工智能开始被视为道德主体。因此,传统道德如何在智能技术中自主发挥作用就成为一个必须面对的问题;后果论、道义论和美德论都具有解决此问题的潜力。要构建能够进行道德决策的人工智能系统,需要确保人工智能的自主推理能够受人类社会道德和价值观约束,与人类价值观保持一致,担负起决策“责任”。实现有“道德”的人工智能是一个复杂的系统工程,价值敏感设计、透明度设计及道德学习设计是开发道德人工智能的三种重要方法。     

The future of standardised assessment: Validity and trust in algorithms for assessment and scoring

This article considers the challenges of using artificial intelligence (AI) and machine learning (ML) to assist high-stakes standardised assessment. It focuses on the detrimental effect that even state-of-the-art AI and ML systems could have on the validity of national exams of secondary education, and how lower validity would negatively affect trust in the system. To reach this conclusion, three unresolved issues in AI (unreliability, low explainability and bias) are addressed, to show how each of them would compromise the interpretations and uses of exam results (i.e., exam validity). Furthermore, the article relates validity to trust, and specifically to the ABI+ model of trust. Evidence gathered as part of exam validation supports each of the four trust-enabling components of the ABI+ model (ability, benevolence, integrity and predictability). It is argued, therefore, that the three AI barriers to exam validity limit the extent to which an AI-assisted exam system could be trusted. The article suggests that addressing the issues of AI unreliability, low explainability and bias should be sufficient to put AI-assisted exams on par with traditional ones, but might not go as far as fully reassure the public. To achieve this, it is argued that changes to the quality assurance mechanisms of the exam system will be required. This may involve, for example, integrating principled AI frameworks in assessment policy and regulation.     

多层次AI 教育体系的构建及其实施路径

智能教育是智能技术赋能下的教育新模式、新体系,而AI教育是体系中担负人工智能人才培养的重要子系统。文章基于智能教育的整体发展视角,对多层次AI教育体系的构建及其实施路径进行了探讨:首先,分析了AI教育与智能教育的关系、定位以及面向智能教育谋划AI教育发展的基本思路;随后,结合我国教育特色和AI教育实践,描述了“一个目标、四个层次、两类培养”的多层次AI教育体系;最后,以基础教育AI课程改革为例,提出了目标聚焦、内容重构、环境升级、模式创新、队伍提升的实施策略。文章的研究为中小学开展AI教育及其课程实施提供了参考路径。