《智能识别设计与应用A》教学大纲

《智能识别设计与应用A》教学大纲适用范围：202X版本科人才培养方案课程代码：10150321课程性质：专业选修课学分：2学分学时：32学时（理论26学时，实践6学时）先修课程：Python程序设计B、数学逻辑思维创新、智能制造技术、信息技术创新后续课程：无适用专业：物流管理开课单位：管理学院一、课程说明《智能识别设计与应用》是物流管理专业的一门专业选修课程。本课程主要讲授各种智能识别技术的原理、方法及应用，通过本课程旨在使本专业学生初步建立起信息处理与模式识别的理论技术及应用的知识体系，能够以数学方法与计算机为主要工具，研究和掌握对各种媒体信息进行识别、处理、分类、应用的方法，并在此基础上，构建某些智能生产系统，为职业发展提升奠定基础。本课程注重基本理论知识的深入学习，强调培养运用基础理论知识解决生产实际中问题的能力，兼顾新技术及其发展方向的介绍，培养“厚基础、宽口径、高素质、强能力”的人才。二、课程目标通过本课程的学习，使学生达到如下目标：课程目标1：掌握常见的智能识别技术的原理、方法及应用知识。课程目标2：能够以数学方法与计算机为主要工具，研究和掌握对各种媒体信息进行识别、处理、分类、应用的方法，并在此基础上，构建某些智能生产系统，锻炼并提高学生实践动手能力。课程目标3：了解智能识别设计有关的国家标准、行业标准、企业标准、法律法规以及相关知识产权、行业政策；理解基于智能识别设计的智能生产系统要符合国家发展规划、国家标准和相关法规政策等。三、课程目标与毕业要求《智能识别设计与应用》课程教学目标对物流管理专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑强度1.工程知识1.1能将数学、自然科学、工程科学的语言工具用于复杂工业与服务系统问题的表述。课程目标1：掌握常见的智能识别技术的原理、方法及应用知识。M2.问题分析2.1能运用相关科学原理，识别和判断复杂工业与服务系统问题的关键环节。课程目标1：掌握相关工程知识分析智能生产系统中的智能识别需求。M3.设计/开发解决方案3.2能够针对特定需求，完成设施布置、运作流程或人因平台等设计。课程目标2：能够以数学方法与计算机为主要工具，研究和掌握对各种媒体信息进行识别、处理、分类、应用的方法，并在此基础上，构建某些智能生产系统，锻炼并提高学生实践动手能力。课程目标3：了解智能识别设计有关的国家标准、行业标准、企业标准、法律法规以及相关知识产权、行业政策；理解基于智能识别设计的智能生产系统要符合国家发展规划、国家标准和相关法规政策等。H5.使用现代工具5.2能够选择与使用恰当的工具、方法和模拟软件，对复杂工程问题进行分析、计算与设计。课程目标2：能够以数学方法与计算机为主要工具，研究和掌握对各种媒体信息进行识别、处理、分类、应用的方法，并在此基础上，构建某些智能生产系统，锻炼并提高学生实践动手能力。课程目标3：了解智能识别设计有关的国家标准、行业标准、企业标准、法律法规以及相关知识产权、行业政策；理解基于智能识别设计的智能生产系统要符合国家发展规划、国家标准和相关法规政策等。H注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配1.理论部分理论部分的教学内容、基本要求与学时分配见表2。表2教学内容、基本要求与学时分配教学内容教学要求，教学重点难点理论学时实践学时对应的课程目标1.标识设计1.1标识系统设计的基本概念、特征1.2标识系统的设计与类别1.3标识设计的开发流程教学要求：使学生了解标识系统设计的基本概念；了解标识系统的设计与类别；理解标识设计的开发流程。重点：标识系统的设计与类别；标识设计的开发流程。难点：标识系统的设计与类别；标识设计的开发流程。41、2、32.语音识别技术2.1语音识别技术的基本概念2.2语音识别技术的分类2.3语音识别技术的常见应用教学要求：使学生了解图像识别技术的基本概念和分类；掌握图像识别技术的指纹、人脸、条形码、二维码等识别技术的应用。重点：图像识别技术的几种应用。难点：图像识别技术的几种应用。611、23.图像识别技术3.1图像识别技术的基本概念和分类方法3.2指纹识别技术3.3脸部识别技术教学要求：使学生了解图像识别技术的基本概念和分类；掌握图像识别技术的指纹、人脸、条形码、二维码等识别技术的应用。重点：图像识别技术的几种应用。难点：图像识别技术的几种应用。611、24.信息处理与通用算法4.1标识系统信息处理的含义、过程4.2标识系统的通用算法教学要求：使学生了解标识系统的信息处理的含义、过程等，了解标识系统的通用算法。重点：标识系统的通用算法难点：标识系统的通用算法421、25.应用系统及案例5.1智能识别系统应用5.2智能识别系统案例分析教学要求：使学生了解智能识别系统的应用；进行智能识别系统案例分析。重点：智能识别系统应用难点：智能识别系统应用621、2、3合计2662.实践部分实践部分的教学内容、基本要求与学时分配见表3。表3实践项目、实践内容与学时实践项目实践内容和要求实践学时对应的课程目标1.语音和图像识别技术实践内容：语音和图像识别技术实践。实践要求：了解各类语音和图像识别技术的特点、应用场合，熟悉语音和图像识别技术在智能生产系统方法的应用。222.信息处理与通用算法实践内容：信息处理与通用算法实践。实践要求：了解信息处理与通用算法的特点、应用场合，熟悉信息处理与通用算法在智能生产系统方法的应用。223.智能识别系统综合实践内容：智能识别系统综合应用实践。实践要求：了解智能识别系统综合应用。22、3合计6五、教学方法及手段本课程以课堂讲授为主，结合讨论、案例、视频资源共享、实践等教学手段完成课程教学任务和相关能力的培养。学生初步建立起信息处理与模式识别的理论技术及应用的知识体系，能够以数学方法与计算机为主要工具，研究和掌握对各种媒体信息进行识别、处理、分类、应用的方法，并在此基础上，构建某些智能生产系统。在实践教学环节中，通过启发式教学、讨论式教学、任务式教学等，培养学生对语音识别技术、图像识别技术、信息处理与通用算法等相关的基本理论、基本知识和基本技能，培养学生自主学习能力、实际动手能力，激发学生的创新思维。六、课程资源1.推荐教材：（1）马延周.新一代人工智能与语音识别[M].北京:清华大学出版社,2019年.（2）周润景.模式识别与人工智能[M].北京:清华大学出版社,2018年.2.参考书：（1）曹林主,人脸识别算法与案例分析[M].北京:电子工业出版社,2021年.（2）陈果果主,语音识别实践[M].北京:电子工业出版社,2020年.（3）言有三,深度学习之图像识别[M].北京:机械工业出版社,2019年.3.期刊：（1）中国自动识别技术，中国自动识别技术协会（2）模式识别与人工智能，中国自动化学会、国家智能计算机研究开发中心和中国科学院合肥智能机械研究所（3）条码与信息系统，中国物品编码中心4.网络资源：（1）科大讯飞：/?ch=bdpp（2）谷歌：.hk（3）微软：MSRA语音/七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末考核成绩两部分构成，具体考核/评价细则及对课程目标的支撑关系见表4。表4课程考核对课程目标的支撑考核环节占比考核/评价细则课程目标123过程性考核课堂表现15（1）根据课堂出勤情况和课堂回答问题情况进行考核，满分100分。（2）以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√663阶段实践15（1）根据每个实践任务的完成情况质量单独评分，满分100分；（2）每次实践任务单独评分，取各次成绩的平均值作为此环节的最终成绩。（3）以此环节成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√15作业10（1）主要考核学生对各章节知识点的复习、理解和掌握程度，满分100分；（2）每次作业单独评分，取各次成绩的平均值作为此环节的最终成绩。（3）以作业成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√442期末考核60以论文、调查报告等大作业形式完成。√√√252510合计：100分355015八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以课堂表现、阶段实践、作业评价、大作业等方式对学生进行考核评价。考核基本要求：考核总成绩由期末大作业成绩和过程性考核成绩组成。其中：期末大作业成绩为100分（权重60%）；课堂表现、阶段实践、作业评价等过程性考核成绩为100分（权重40%）；过程性考核和大作业测试内容分值分配与教学大纲各章节的学时基本成比例。2.过程性考核成绩的标准过程性考核方式重点考核内容、评价标准、所占比重见表5。表5过程性考核方式评价标准考核方式所占比重(%)100>x≥9090>x≥8080>x≥7070>x≥60x<60课堂表现37.5笔记完整，积极参与教学活动，踊跃回答问题，准确率大于90%。笔记完整，认真参与教学活动，回答问题准确率大于80%。笔记不完整，偶尔参与教学活动，回答问题准确率大于70%。上课不认真，上课不记笔记，偶尔参与教学活动。上