基于“二哈识图2”的传统显微镜AI智能化改造：模型训练

广济中心小学前瞻性课程开发中心

项目成员：王子硕、许瑞毅、方麒、孙思妍
指导老师：狄勇、李娜
接上篇：基于“二哈识图2”的传统显微镜AI智能化改造：设备迭代篇
我们已经可以让二哈识图2借助显微镜模组清晰稳定地看到“微观世界”。

下一步，我们将为这台上世纪的传统显微镜注入AI时代的“视觉智能”——通过定制化训练“二哈识图2”模型，实现实时识别显微标本中各类结构的名称，并探索一套可复制、易推广的实施流程，使其能作为普适性人工智能体验课程，广泛应用于教学场景。

一、图片样本的采集1.使用OBS虚拟摄像机实时获取

此方法由DFRobot的柳工提供。参考VLC播放器图传的配置方式，在OBS中添加VLC视频源，并启用虚拟摄像机功能。



打开 Mind+ 2.0，进入「模型训练」→「目标检测」模块，



点击“通过摄像头添加图片样本”。



若配置正确，OBS 虚拟摄像头将出现在设备下拉菜单中，可直接用于实时采集样本。



2.使用OBS录制源视频后截图


此方法最初由王子硕同学提出。如前篇所述，当时因图像采集不稳定，他采用此法作为临时解决方案，却意外为通识课程的实施提供了新思路：若无法为每位学生配备独立设备，可预先录制高质量样本视频，供学生通过播放软件截取画面，用于后续模型训练。



相较于通过 VLC 播放再用录屏软件二次录制的方式，OBS 可直接录制原始视频流，避免画质损失，确保获得图传所能提供的最高分辨率与最佳画质，为后续训练提供高质量数据基础。

够小伙伴们玩一阵子啦


获取样本视频后，学生可使用 PotPlayer 等播放软件快速截取所需帧图像，作为训练样本。二、模型训练与校验若标签操作缺乏认知参与，其教育价值确实有限。为此，我们为学生提供了一份“学习支架”，引导其在标注过程中主动查阅资料、辨识显微结构，确保标注建立在理解基础上。



学生填写的尚待完善的模型训练笔记



具体标注流程包括：创建类别标签 → 选择对应标签 → 在图像中框选目标区域，循环完成全部样本的标注。



标注完成后，点击“训练模型”即可启动训练。通常无需调整默认参数。实际训练耗时因样本数量和设备性能而异（一般数分钟至十几分钟），文中动图为50倍速演示。



模型验证可通过实时摄像头输入或加载本地图片进行。预览窗口将显示识别结果的边界框及对应的置信度。

三、部署至二哈识图2

点击“部署至二哈识图2”，选择或自定义一个 LOGO，填写模型名称与显示标题（将呈现在二哈屏幕），随后点击“开始转换”，系统将自动提交至云端进行模型格式转换。






上图第一个压缩包就是用于部署至二哈识图2的模型文件



将二哈识图2连接至电脑，设备将被识别为一个可移动磁盘。


将模型文件复制到 installation_package 文件夹中



然后在二哈设备菜单中依次选择：模型安装 → 本地安装。





安装成功后，自训练模型将出现在设备的模型选择列表中。



基于当前完成训练的几个模型看，对于特征比较明显的对象，效果是可以接受的。（标注的正确性待商榷，仅是过程性的训练成果）





蜜蜂携粉足



绦虫切片

然而，学生也提出了一个关键问题：为何在电脑端验证时，多数样本的识别置信度可达70%以上，而实际通过显微镜实时识别时，置信度却普遍徘徊在20%左右？



正在研究模型训练的小组成员



Mind+校验的置信度



二哈识图2实时识别置信度



红框处为学生在学习单上提出的质疑

此外，当前的目标检测模型在处理密集分布的对象（如细胞群）或微小、特征不显著的结构（如松叶气孔）时，识别效果仍不理想。



上图学习支架中，小朋友就困惑地表示“AI没有猜对，我把每个地方标出来，可训练一直失败。”我们期待Mind+的“实例分割”模块能尽快实现转换模型部署到二哈识图2，以提升对复杂微观结构的解析能力。


四、小结本项目的意义并非是打造了一个创客作品，而在于：1.探索了一条实验室低成本智能化改造的可行路径以传统光学显微镜为载体——这类设备曾是各级学校的“标配”，如今大量处于闲置或损坏状态。通过轻量级改造（如加装摄像头、接入AI识别模块，或采用厂商提供的标准化套件），可有效激活其剩余价值，助力学校以极低投入，直接迈入智能化实验教学新阶段。


2.初步构建了一种科学与信息科技融合的AI通识教育模式


借助 Mind+ 等无代码平台，小学生也能以较低门槛参与模型训练的全过程。课程的核心目标并非追求技术深度，而在于激发兴趣：在“做中学”中体验 AI 的工作原理，敢于追问“为什么 AI 没猜对？”“为什么训练失败？”，并尝试调整参数、修正标签，甚至更换不同的 AI 任务类型来观察效果。这种“体验—质疑—调优”的闭环，正是计算思维与科学探究的交汇点。



尤为关键的是，在显微识别任务中，“打标签”不再是机械的数据准备，而成为一种主动的认知过程：学生必须先准确辨识细胞、组织等微观结构，才能完成有效标注。然而，标本所呈现的内容有时与资料中的图解并不完全一致，这就促使孩子们进一步考证。




当前我们的学生依然缺乏上图内圈的思辨打磨流程

正如本案例所示，学生的标注虽仍有可商榷之处，但恰恰反映了其真实探究的阶段性成果。正所谓：“要标得对，必先认得清。”——输出即学习，标注即认知。这一机制自然地将 AI 工具转化为科学探究的助推器，为有潜力的学生提供自主生长的土壤，实现“不拔苗、自生根”的强基育人目标。
这不仅是一次激发学生成就感的设备焕新，更是一场以认知参与为核心的教育实践。