基本信息

第一作者姓名：周黄政

性别：男

民族：汉族

第一作者学校：扬州市梅岭小学

第一作者人所在年级：六年级

第二作者姓名：

性别：

民族：

第二作者人所在学校：

第二作者人所在年级：

第三作者姓名：

性别：

民族：

第三作者人所在学校：

第三作者人所在年级：

辅导教师姓名：曾歆

作品摘要

*主要特征：

基于神经网络和机器学习技术，实现古筝指法的识别和评估，具高准确率和实时性。为古筝学习者提供指法指导，在考级和演出中提供辅助评分。创新点在于它结合了传统乐器和先进技术，提高古筝教学和表演的效率和准确性。

*主要用途：

帮助学习者和演奏者进行智能化指法识别和纠正，提高演奏技巧和音乐表现力。还可用于古筝自主学习和评估，提供更便捷、高效的学习体验。升级后可应用于教学、考级、比赛等场景中，为评委提供更客观、准确的评判依据。

*与人工智能的相关性说明：

基于视觉的古筝指法识别算法，结合深度学习模型进行实时指法检测与反馈，实现对演奏的即时辅助。创新点在于使用了基于视觉的方法进行指法识别，避免传统传感器需对古筝进行改装的问题，能够实现更加自然的演奏过程。

作品说明

*构思形成：

在学古筝的过程中发现老师很难同时关注每个学生的指法问题，存在学习困扰。因此我想到了将智能技术应用于古筝教学中，开发出一个可以实时监测学生的指法，指出不准确的地方并提供改进建议的古筝智能指法识别系统。

*设计过程：

主要包括古筝音频采集、智能指法识别和指法评价三个模块。通过摄像头采集古筝演奏音视频，采用深度学习技术进行手指关键点识别，再对指法进行自动识别和分类，得到指法判断序列。指法评价模块会根据标准化的古筝演奏技巧，对演奏者的指法进行评价，并给出相应的分数和反馈建议。设计优化了指法识别和评价算法，搜集和整理了大量的古筝演奏数据，用于训练和测试智能指法识别模型。最后将所有模块结合起来，实现了一套完整的系统。

*演示效果：

对各种指法进行了单独测试，发现“托”的识别准确率最高，达到92.5%。因为托是大拇指，在各个角度都能完整拍摄到，且移动幅度最大。《上学歌》全曲测试中，使用该系统全程识别弹奏过程的指法，总体识别正确率达到84.0%。

*优点：

能够自动识别古筝演奏过程中的指法并给出实时反馈，辅助学生纠正指法错误提高效率。通过深度学习等先进技术，指法识别具有较高的准确率和稳定性。具有可扩展性，可修改指法判断算法和增加传感器，扩展到其他乐器。

*还需进一步研究的问题：

需要研究多摄像头多角度拍摄，调整指法判断模块的门限，或采用神经网络算法等方法进一步提高该系统的准确率。还可扩充训练数据集，使其更具代表性和泛化能力。同时还需考虑系统的实时性、稳定性、可靠性和易用性。

作品图片