資源簡介

(共30張PPT)
第7單元 第1課
確定問題
（黔教版）五年級
下
1
核心素養目標
3
新知講解
5
拓展延伸
7
板書設計
2
新知導入
4
課堂練習
6
課堂總結
課后作業
8
01
核心素養目標
信息意識
計算思維
數字化學習與創新
信息社會責任
利用算法和程序對垃圾進行準確分類，不僅提高效率，還能減少對環境的污染，推動綠色發展，是一種負責任的社會行為。
借助數字化工具進行學習，通過新的技術和方法解決垃圾分類問題，可以提升垃圾分類的自動化水平。
通過分解問題、模式識別、算法設計等方式來分析垃圾分類任務，并轉化為通過數據分析方法自動完成的算法，提升分類準確性。
通過設計算法解決垃圾分類問題，幫助提高對垃圾分類的認知，并且利用技術手段對垃圾進行智能分類，減少對環境的污染。
02
新知導入
活動背景
垃圾分類是綠色生活的新方式。然而生活中，人們有時會因為不了解分類規則而投錯垃圾。
小智想幫助大家提升垃圾投放的準確性，應該如何設計出解決問題的算法呢
這需要我們開展研究，進行規劃與設計，并進行驗證。讓我們一起為建設美麗家園貢獻自己的力量吧!
02
新知導入
活動目標
1、設計算法解決實際問題，并利用程序對算法進行驗證。
2、面對實際問題，經歷明確問題、規劃設計、驗證算法、優化算法、分享交流的過程，提升解決問題的能力。
3、通過設計垃圾分類算法，傳播綠色環保的生活觀念，增強社會責任感。
02
新知導入
02
新知導入
用過的餐巾紙屬于可回收物還是其他垃圾
餐巾紙屬于其他垃圾。很多人都容易混淆!
對垃圾進行合理分類，能保護我們的生活環境，實現垃圾資源化利用。但在垃圾分類的過程中，人們可能會遇到哪些問題呢
03
新知講解
活動：調查垃圾分類問題
1.搜索最新的生活垃圾分類信息，針對不同年齡層的人群展開調查活動，搜集人們在垃圾分類投放過程中遇到的問題，確定適合自己研究的問題。
我搜集到的問題有：
信息不明確：很多市民對垃圾分類標準不清楚，尤其是一些灰色地帶的物品，例如塑料袋、食品包裝、污損物品等，如何分類經常引發困惑。
03
新知講解
活動：調查垃圾分類問題
1.搜索最新的生活垃圾分類信息，針對不同年齡層的人群展開調查活動，搜集人們在垃圾分類投放過程中遇到的問題，確定適合自己研究的問題。
我搜集到的問題有：
分類容器設置不合理：垃圾分類的投放點可能設置不合理，容器標識不清晰或分類容器數目不足，導致居民混投垃圾。
垃圾的重復分類或誤投：由于信息不清晰，部分垃圾被反復分類，或是被誤投到錯誤的垃圾桶中，導致分類不準確。
03
新知講解
2.你準備幫助大家解決垃圾分類投放中遇到的什么問題
我準備解決：
提升分類準確性，尤其是在那些不易判斷的垃圾物品（如混合包裝物、含有多種材質的物品）分類上。具體的幫助方式可以通過提供清晰的分類標準、智能引導工具、圖像識別系統等來輔助市民進行正確分類投放。
03
新知講解
在設計算法前，需要明確要解決的問題。在確定問題的過程中，可以通過調查、走訪、查閱網絡資源等方式搜集相關資料，必要時還可以請教老師家長或者相關領域的專業人士。
03
新知講解
活動：垃圾分類方案設計
1.為了設計垃圾分類算法，小智先做了一個方案(圖7-1-1)。你能理解他設計的方案，并幫他補充完整嗎
圖 7-1-1 方案設計
垃圾分類
垃圾類型查詢
模擬投放垃圾
功能描述：
功能描述：
掃描垃圾物品的條形碼、拍攝物品照片，系統通過圖像識別或文本分類算法給出該垃圾的分類類型。
系統會根據物品類型提供分類建議，并給出正確的投放操作。
03
新知講解
方案調整
調整1
調整2
…….
圖 7-1-2 方案調整
內容
原因
內容
原因
2.小組討論交流方案，思考如何調整方案(圖7-1-2)，并說明各自的調整計劃。
03
新知講解
明確要解決的問題后，就要進行方案設計。方案設計是一個很重要的階段，也是后續算法設計的基礎。
03
新知講解
設計垃圾分類算法時的重點和注意事項
數據的全面性和多樣性：為了確保算法在不同情況下的準確性，必須保證訓練數據的多樣性，包括不同種類、不同材質、不同形態的垃圾物品。
實時性和精確性：垃圾分類系統要求能夠實時給出分類建議，因此算法的響應時間需要控制在合理范圍內。
容錯能力：垃圾分類過程中可能會遇到一些不常見的垃圾，算法應該具備一定的容錯能力，對未知垃圾進行合理推測。
重點
03
新知講解
設計垃圾分類算法時的重點和注意事項
可擴展性和持續優化：隨著垃圾種類的增多和垃圾分類標準的變化，算法需要具備一定的可擴展性，能夠隨時進行更新和優化。
用戶體驗：垃圾分類算法應該簡單易用，用戶能方便地與系統互動。需要設計友好的界面和交互方式，使用戶能夠快速理解和使用分類功能。
隱私和安全：確保用戶的數據（如垃圾照片或位置數據）在使用過程中得到保護，避免泄露用戶隱私。
重點
04
課堂練習
一、選擇題
1、垃圾分類算法的核心目標是什么？（ ）
A. 提高垃圾回收率
B. 降低垃圾分類的時間成本
C. 確保垃圾分類的準確性
D. 提升垃圾處理廠的生產力
2、垃圾分類算法中，常用來進行分類預測的評價指標是什么？（ ）
A. 均方誤差（MSE） B. 準確率（Accuracy）
C. ROC曲線 D. 馬赫數
C
B
04
課堂練習
3、垃圾分類問題的預處理過程中，以下哪項操作是常見的？（ ）
A. 特征歸一化 B. 數據標簽平衡 C. 噪聲去除 D. 所有上述操作
4、以下哪種算法可以用于垃圾分類中的圖像識別任務？（ ）
A. K均值算法
B. 支持向量機（SVM）
C. 卷積神經網絡（CNN）
D. 隨機森林算法
D
C
04
課堂練習
5、垃圾分類模型訓練過程中，過擬合問題最常見的解決辦法是？（ ）
A. 增加數據量 B. 減少訓練輪數 C. 提高學習率 D. 增加算法復雜度
二、判斷題
1、機器學習算法能提高垃圾分類的準確性和效率。（ ）
2、深度學習技術不能用于垃圾分類問題。（ ）
3、在機器學習中，垃圾分類問題可以看作是一個典型的分類問題。（ ）
4、垃圾分類系統在實際應用中無需考慮實時反饋機制。（ ）
A
√
√
X
X
04
課堂練習
三、操作題
設計一個算法，對不同類型的垃圾進行分類并輸出相應的分類結果（如可回收、不可回收、濕垃圾、干垃圾）。
可以使用多類分類算法，先進行垃圾的圖像預處理（例如裁剪、灰度化、增強等），然后利用分類器（如決策樹、支持向量機（SVM）、神經網絡等）對圖像進行分類，并輸出分類結果。
05
拓展延伸
如何利用程序對算法進行驗證
數據集驗證：使用驗證集和測試集對算法進行驗證。首先將數據集分為訓練集和測試集，然后在測試集上評估算法的準確率、精確率和召回率等。
混淆矩陣：通過混淆矩陣來評估分類算法的表現，查看誤分類的情況，從而發現并調整問題。
05
拓展延伸
如何利用程序對算法進行驗證
交叉驗證：利用交叉驗證方法，分多次將數據分成不同的訓練集和測試集來評估算法的泛化能力。
真實場景測試：將算法部署在實際環境中，模擬用戶使用情況，驗證算法在實際應用中的準確性和實時響應能力。
用戶反饋：通過收集用戶的反饋數據，進行算法的迭代優化。比如用戶糾正錯誤分類時，可以通過機器學習方法不斷提升分類模型。
05
拓展延伸
提升垃圾投放準確性的算法設計
數據收集：首先需要收集大量的垃圾圖像數據，并標注每種垃圾的分類標簽，或者收集不同垃圾類型的描述數據。
訓練分類模型：使用機器學習方法（如卷積神經網絡CNN）來訓練圖像識別模型，幫助用戶根據垃圾的外觀準確分類。
為了提升垃圾投放的準確性，可以設計一個基于圖像識別或自然語言處理的智能垃圾分類系統。
05
拓展延伸
提升垃圾投放準確性的算法設計
文本分類：對于那些無法通過視覺直接識別的垃圾，可以通過自然語言處理技術（BERT模型）來分析垃圾標簽、名稱或描述，自動推測垃圾種類。
多模態融合：結合圖像識別和文本信息，確保在不同的場景下都能做到分類準確。
實時反饋和優化：設計一個實時反饋機制，幫助用戶在投放垃圾時通過手機APP或其他設備得到分類建議，避免誤投。
為了提升垃圾投放的準確性，可以設計一個基于圖像識別或自然語言處理的智能垃圾分類系統。
06
課堂總結
1
引入新知內容
確定問題
2
完成垃圾分類問題調查
3
進行垃圾分類方案設計
4
完成課題練習
5
進行相關知識拓展
1
2
3
4
5
07
板書設計
確定問題
1、進行新知引入
2、完成垃圾分類問題調查
3、進行垃圾分類方案設計
4、完成課堂練習
5、進行知識拓展
課后作業。
1、設計算法解決垃圾分類的具體應用。
08
課后作業
1、請設計一個算法，用于判斷一張圖片中是否包含塑料瓶。
要判斷一張圖片中是否包含塑料瓶，通常我們會使用計算機視覺中的物體檢測方法，如卷積神經網絡（CNN），尤其是基于深度學習的目標檢測框架，如YOLO（You Only Look Once）或Faster R-CNN。
數據準備： 收集包含塑料瓶的圖片和不包含塑料瓶的圖片，并標注出圖像中的塑料瓶的位置。 可以使用公開的數據集（如COCO、Open Images）進行訓練，或自行采集數據。
08
課后作業
1、請設計一個算法，用于判斷一張圖片中是否包含塑料瓶。
使用預訓練模型：使用像YOLO、Faster R-CNN這樣的預訓練深度學習模型，這些模型已經在大型數據集上進行過訓練，可以識別圖片中的多種物體，包括塑料瓶。
模型訓練（如果沒有預訓練模型）： 如果沒有合適的預訓練模型，可以針對特定的塑料瓶數據進行模型微調。
實現代碼： 假設你已經有了一個訓練好的模型（例如，YOLO模型），下面是一個簡單的Python代碼實現。
https://www.21cnjy.com/recruitment/home/fine

展開更多......

收起↑