种植园AI哨兵 · 第一阶梯「橙」伪辨真：用 OpenCV 让计算机"看见"橙子黑斑

驱动性问题

丰收时节，橙子表面常出现深浅不一的黑斑——病果若不及时分拣，在储运中极易传染造成损失；但仅靠人眼识别，效率低、易疲劳。我们能否给计算机一双"慧眼"，让它像侦探一样快速精准地识别出带黑斑的"问题橙子"？

技术路径：传统图像处理

这是《种植园AI哨兵》项目的第一阶梯，学生运用 OpenCV 学习传统图像处理技术，通过编写具体规则让计算机"看见"并定位橙子黑斑，理解"规则驱动"的智能。

核心知识点

• 色彩空间转换：理解 BGR、HSV、灰度、LAB 四种色彩空间的特点与应用场景
• 边缘检测：Canny 算法（cv2.GaussianBlur 与 cv2.Canny），探究不同色彩空间的边缘检测效果
• 形态学操作：开操作、闭操作，去除噪声、填充小洞
• 轮廓提取：cv2.findContours()，分析不同色彩空间下的轮廓数量差异
• 黑斑筛选：依据尺寸、形状、面积设计综合筛选策略

课堂环节

1. 情境导入（5min）：展示橙子黑斑检测应用场景，提出驱动性问题，梳理完整检测流程
2. 新知探索（25min）：色彩空间探秘 → 边缘检测 → 轮廓提取与分析
3. 拓展迁移（7min）：多缺陷检测挑战、技术迁移到其他水果缺陷检测、技术伦理思考
4. 总结评价（3min）：复盘核心要点，填写学习任务单，进行过程性与总结性评价

工具与环境

协作学习教室、计算机（1台/2人）、VScode + miniconda/thonny、AIGC 对话工具、橙子数据集、学习任务单。

课后作业

对比不同参数组合的边缘检测效果（至少 3 组：如低阈值/高阈值/高斯模糊的搭配），记录边缘检测结果与轮廓数量；撰写技术报告，尝试将算法迁移到其他水果的缺陷检测。

技术伦理思考

收集橙子照片是否需要获得许可？如何确保色彩空间转换与边缘检测算法对不同品种、不同大小的橙子保持检测公平性？