实验教学
基于人工智能和深度学习的分析化学滴定实验教学平台*
闫晓义1,2** , 尹泽龙1 , 杨然姊竣1 , 康煜雄1 , 李俊辰1 , 王廷哲1 , 马强1,2** , 宋志光1,2
1.吉林大学化学学院 吉林长春 130012;
Titration Experiment Teaching of Analytical Chemistry Based on AI and Deep Learning
YAN Xiao-Yi1,2** , YIN Ze-Long1 , YANG Ran-Zi-Jun1 , KANG Yu-Xiong1 , LI Jun-Chen1 , WANG Ting-Zhe1 , MA Qiang1,2** , SONG Zhi-Guang1,2
1. College of Chemistry, Jilin University, Changchun 130012, China;
摘要： 针对传统滴定实验耗时长、终点判断主观性强,且教学多局限于终点观察而忽略反应全过程探究的问题,本实验将计算机视觉技术与经典滴定分析深度融合,提出了一种基于深度学习的滴定反应动力学分析方法。通过磁力搅拌器模拟手动滴定操作,结合智能手机视频采集与YOLO系列卷积神经网络模型,实现了对滴定过程中显色-褪色现象及pH突跃的精准识别。基于前期构建的数据库,本实验经过机器学习的方法确定了滴定反应体系指示剂显色与褪色之间的时间间隔,建立了滴定剂体积、褪色时间及pH的三维立体关系图,并进一步探究了滴定反应的动力学规律。本实验以人工智能技术突破了传统实验操作限制,通过跨学科融合方式拓展了教学维度,为分析化学实验的数字化设计提供了新的范例。
关键词： 滴定实验 ,
卷积神经网络 ,
机器学习 ,
数字化设计
收稿日期: 2025-07-11
基金资助: *吉林大学人工智能赋能本科教育教学改革专项课题“人工智能技术赋能化学实验教学的应用探索”(24AI018Y)
通讯作者:
**闫晓义,E-mail:yxy0305@jlu.edu.cn;马强,E-mail:qma@jlu.edu.cn
引用本文:
闫晓义, 尹泽龙, 杨然姊竣, 康煜雄, 李俊辰, 王廷哲, 马强, 宋志光. 基于人工智能和深度学习的分析化学滴定实验教学平台* [J]. 化学教育（中英文）, 2026, 47(8): 57-64
[1]
张爱女,樊靓,张琼瑶,等.化学教育(中英文),2024,45(24):77-83
[2]
Kosenkov Y,Kosenkov D.Journal of Chemical Education,2021,98(12):4067-4073
[3]
汪一平,邵名望,阙荣辉.化学教育(中英文),2025,46(9):127-129
[4]
叶汉民,李志波,程小辉,等.实验室研究与探索,2022,41(12):9-13
[5]
Cheng S,Han Y,Wang Z Q,et al.Electronics,2025,14(1):201
[6]
Tian S Q,Lu Y X,Jiang F,et al.Traitement du Signal,2024,41(6):3335-3341
[7]
陈宇,陈汉文,祝之森,等.实验技术与管理,2025,42(4):205-212
[8]
Peter Atkins,Julio de Paula,James Keeler.物理化学.侯文华 译.北京:高等教育出版社,2021
[1]
张欣, 蒲芃欣, 张嘉轩, 崔猛, 黄永林, 刘俊杰, 丰海松, 童晓梅, 王枫梅, 徐向宇. 二组分气液平衡相图测定实验的数智化升级*
