2026年江西省职业院校技能大赛（中职组）人工智能应用技术样题

2026年江西省职业院校技能大赛（中职组）人工智能应用技术样题

模块一：人工智能环境搭建

任务 1：人工智能环境搭建

任务描述：根据提供的安装文档及相关软件进行人工智能竞赛环境安装。

任务 2: 人工智能网络通信配置

1、局域网络的连接部署
登录路由器的管理地址按要求完成配置。
现场使用赛场中准备的网线将个人计算机与路由器相连，组成局域网，并确保整个网络畅通。网络连接好之后，参赛选手按照下表路由器的上网设置完成WAN 口的配置。

按照下表的要求完成无线网络配置。

按照下表的配置要求，通过对路由器 LAN 口 IP 设置，完成有线局域网络的搭建。


2、局域网各设备 IP 配置
按照下表的内容完成对局域网中各个网络设备IP 地址、子网掩码、网关地址等的设定，并保证各个网络设备的通畅。各设备网络接口方式自行设定。

利用IP 扫描工具，扫描检查局域网中各终端IP 地址。

模块二：目标检测与图像识别

任务 3: 人工智能数字识别

任务描述：
1、根据提供的 0-9 标准数字模板文件，调用 OpenCV 模板匹配相关函数（如 cv2.matchTemplate ()），使用 Python 语言编程完成数据集data内所有模拟手机号图片的数字识别，要求覆盖 0-9 全数字类型。
2、对识别完成的模拟手机号图片，在图片上方区域使用红色字体标注识别出的完整手机号码，标注位置需清晰可见且不遮挡原图片内手机号区域。

任务 4: 人工智能目标检测

根据提供的视频，调用OpenCV 中分类器，对视频中人脸微笑进行 检测。在检测到微笑时使用蓝色方框标出，并在蓝色方框上方标注‘smile’。

任务 5: 人工智能行人检测

任务描述：
根据提供的视频，调用OpenCV 分类器检测视频中的行人，使用绿色框进行标注，并将框的中心点用红色点进行标注。

任务 6: 人工智能模型构建

根据提供的模型构建代码中找到并修改设定以下参数：
1.读取keras.datasets 内置数据集CIFAR10，使用matplotlib 以子图的形式查看 10 张CIFAR10 图片。
2.使用Tensorflow 构建神经网络，要求至少包含 4 个卷积层（Conv），并使用model.summary()将模型结构打印输出。

任务 7: 人工智能车辆检测和标记

根据提供的视频数据集，编写代码调用竞赛资料中提供的yolov3 模型实现对视频流中车辆的检测。
要求实时标记检测到的车辆，以红色矩形框的形式，每个车辆框上方显示标签（车辆类型）和概率。

任务 8: 人工智能垃圾分类

根据提供的数据集，参考示例代码，完成训练垃圾分类模型
1.设置训练参数：
自行划分模型训练所需的训练集、验证集、测试集。
自行构建模型神经，并使用summary()函数查看模型架构。
将这些设置参数的代码截图，并保存到答题卡的对应位置上。
2.数据优化：
对训练集图片进行多种数据增强操作，提高垃圾分类的准确性。截图保存数据增强操作的关键代码到答题卡的指定位置上。
3.模型训练：
设计完善模型训练代码（示例代码仅供参考，请自行设计），以保证程序可以正常训练垃圾分类模型，要求准确率不低于 80%。
4.使用TensorBoard：
运行TensorBoard，查看训练完成后的准确率和损失值的变化图像。

模块三：终端智能控制程序设计

任务 9：人工智能 RGB 灯光模块控制

任务描述：
在竞赛提供的人工智能实训装置上找到 RGB 三色灯模块节点，并在个人计算机上执行以下操作：
1.使用图形化编辑工具，加载并修改提供的图形化编程工程文件。

2.修改图形化配置中WiFi 名称和WiFi 密码，保证终端可以正常连接 WiFi，修改服务器IP 为设备IP 保证终端节点可以正常连接MQTT。
3.将修改后的图形化工程模块代码，上传到 RGB 三色灯模块对应的终端节点中。
4.代码成功上传后，测试实验现象：第一次按下终端节点上的按键， RGB 三色灯显示红色；第二次按下终端节点上的按键，RGB 三色灯显示绿色；第三次按下终端节点上的按键，RGB 三色灯显示蓝色，依次循环。

任务 10：人工智能语音模块控制

任务描述：
找到语音播报模块对应的终端节点，并使用提供的图形化编程工具编写终端节点程序，实现如下功能：
1.按键控制播报
当终端底板上的按键被按下第一次时，播报：“手势 1”；当按下第
二次时，播报：“手势 2”；当按下第三次时，播报：“手势 3”，依次类推，要求能播报手势 1-9 循环，即当第十次时按下按键时，继续循环播报：“手势 1”。
该功能用于模拟手势识别系统的语音播报。
2.MQTT 消息控制播报
将终端节点通过路由器WiFi 连接至设备上的 MQTT 服务器；
使用 MQTTX 连接至设备上的MQTT 服务器；
当使用 MQTTX 向主题 shoushi 发布消息 {“key”: “1”} 时，播报：“手势 1”；当使用 MQTTX 向主题 shoushi 发布消息 {“key”: “2”} 时，播报：“手势 2”；当使用 MQTTX 向主题 shoushi 发布消息 {“key”: “3”} 时，播报：“手势 3”，依次类推，要求能够播报手势 1~9。
模块四：AI 模型部署与场景应用

任务 11: 表情灯控系统部署与优化

任务描述：
按照下述步骤在竞赛设备上进行表情灯控系统的项目部署与优化。
1.根据“人工智能表情识别系统使用指导手册”，查看 AI 实训平台 IP 地址。
2.根据“人工智能表情识别系统使用指导手册”，使用指定软件将所有AI 实训平台代码传输至AI 实训平台，创建并保存在桌面的 test1 文件夹中。
3.根据“人工智能表情识别系统使用指导手册”，在 AI 实训平台上运行使用rknn_transfer.py 将提供的hdf5 模型转换为rknn 模型，模型同样保存在桌面的test1 文件夹中。
4.根据“人工智能表情识别系统使用指导手册”，在 AI 实训平台上修改或补全代码后运行wz_biaoqing.py 调用转换好的rknn 模型，在竞赛设备上实现摄像头检测人脸表情识别，让其联动模块四的 RGB 灯并分析代码记录完整实验现象到答题卡上，要求包括表情识别效果（表情种类数量、类别）、灯光联动效果（对应表情亮灯效果）描述。

模块五：技术文档与项目总结

任务 12：技术文档与项目总结设计

任务描述：
设计一份终端设备配置说明文档，用于指导人工智能应用项目中各种终端设备的配置和使用。
文档应包含以下内容，字数不少于 300 字：
设备概述：对人工智能实训装置中涉及的各种终端设备进行介绍，包括摄像头、显示终端、执行器节点等。
配置步骤：详细说明每种终端设备的配置步骤，包括网络连接、软件安装和参数设置等。
功能说明：说明每种终端设备的功能和用途，包括摄像头的监控功能、显示终端的信息展示和传感器节点的数据采集等。

本套题目全模块答案及配套文件可联系博主获取！联系方式在文章最下方