“通过摄像头实时捕捉与特征解析，系统已完成对在场学生的人脸轮廓提取与姿态判定。”在2025年11月26日南京东南实验学校开放日的信息科技公开课现场，谷晓艳老师以CNN卷积神经网络的实时应用演示，开启了《初识AI图像识别》的教学探究。本节课以“思维·共生·AI赋能”为核心理念，依托苏科版信息科技教材AI模块内容，构建“生活感知-原理解构-实践探究-素养提升”的教学路径，实现人工智能技术的通俗化教学与初中生信息核心素养的精准培育。

    课堂导入环节，谷老师基于课前学情调研数据，系统呈现了学生熟知的AI图像识别应用场景——人脸识别考勤系统、植物物种识别软件、移动支付扫码功能、无人机智能跟拍技术及公共安全领域的人脸识别布控等。通过对典型案例的技术特征分析，明确AI图像识别的定义：计算机通过算法模型对图像进行数字化分析，提取目标对象的关键特征并完成识别判定的技术体系，其核心在于特征提取的精准性与场景适应性。现场开展的人脸与姿态实时识别实验，通过可视化技术输出“圆形轮廓、双眼-鼻-口特征、姿态”等识别结果，为抽象概念提供了具象化支撑。

    为厘清AI图像识别与传统图像识别的技术差异，课堂设计了对比实验探究活动。学生分别使用传统二维码识别工具与支付宝AI扫码功能，对正常、弯曲、模糊三种状态的二维码进行识别测试。实验数据显示，传统工具仅能识别标准格式二维码，而AI技术凭借特征提取的灵活性实现了复杂场景下的精准识别。谷老师结合技术原理解析：“传统图像识别依赖固定规则匹配，而AI图像识别通过海量数据训练形成特征提取能力，即使目标形态发生变形，仍可通过核心特征的提取与匹配完成识别。”

    在核心原理解构环节，谷老师采用类比迁移法，以人类视觉识别机制为参照，构建AI图像识别的逻辑框架。通过展示猫类特征分解示意图，引导学生归纳“三角形耳朵、圆形眼睛、绒毛纹理”等关键识别特征，进而类比AI图像识别的核心逻辑：特征分解-提取-组合-识别，明确CNN卷积神经网络在特征提取中的核心作用。为突破“卷积核运算”这一教学难点，课堂创新融入数字化工具实操：学生通过Photoshop自定义滤镜功能，设置3×3卷积核参数，观察图像经运算后的特征变化，直观感知轮廓、线条等特征的提取过程；借助Excel填充柄的绝对引用功能，模拟卷积核的“对位相乘、循环求和”运算，理解“以小谋大、循环复用”的技术逻辑，同时体会数据压缩与特征提取的双重效能。

    实践体验环节依托英利AI训练平台展开，学生分组完成“猫犬识别”模型的训练与测试。初始阶段，每组分别上传10张猫类、10张犬类图像进行模型训练，测试结果显示站姿蓝猫等特殊姿态样本的识别准确率较低。在谷老师的引导下，学生通过扩充样本量各60张，并补充不同姿态、场景的图像样本，二次训练后模型识别准确率显著提升。结合实验现象，谷老师进行技术延伸：“实际AI应用中，MNIST数字识别集含6万张训练样本，自动驾驶领域的图像训练集规模超千万张，充足的样本量与多元的场景覆盖是提升模型泛化能力的关键。”

    课堂总结阶段，谷老师系统梳理知识体系，明确AI图像识别的核心要素：定义内涵、技术优势、CNN算法逻辑、数据与算力支撑。同时链接国家“东数西算”工程，阐释AI技术的产业布局：西部依托算力优势开展模型训练，东部聚焦应用场景实现技术落地，引导学生认识人工智能与国家战略的紧密关联。最后，谷老师强调：“人工智能并非高深莫测的技术，而是基于数学算法与数字化工具的实践应用，希望学生以‘科技向善’为导向，在掌握基础技术原理的同时，培养跨学科思维与创新实践能力。”

    本节课遵循初一学生“具象到抽象”的认知规律，通过情境创设、对比探究、工具实操等教学方法，将PS、Excel等生活化工具与AI核心算法有机融合，实现了技术原理的可视化、可操作化。课程不仅达成了“理解AI图像识别定义与原理、掌握数字化工具应用技能”的知识目标，更通过核心素养的精准渗透，培养了学生的信息意识、计算思维与社会责任，为初中人工智能教学提供了可借鉴的实践范式。本节课的教学设计既体现了学科知识的专业性，又兼顾了初中生的认知特点，实现了技术教学与素养培育的有机统一。