人工智能創(chuàng)新實驗的設(shè)計與實踐探索

馮 雙，朱 磊，董 亮

（齊齊哈爾大學(xué)通信與電子工程學(xué)院，黑龍江齊齊哈爾 161000）

0 引言

隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算和物聯(lián)網(wǎng)等技術(shù)不斷發(fā)展，人工智能正引發(fā)鏈式反應(yīng)般的的科學(xué)突破、催生一批顛覆性技術(shù)，加速培育經(jīng)濟發(fā)展新動能、塑造新型產(chǎn)業(yè)體系，引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革。在此背景下教育部于2018 年4 月印發(fā)了《高等學(xué)校人工智能創(chuàng)新行動計劃》［1］，指出人工智能理論和技術(shù)具有普適性、遷移性和滲透性的特點，應(yīng)積極開展“新工科”研究與實踐，重視人工智能與計算機、控制等學(xué)科專業(yè)教育的交叉融合，探索“人工智能＋X”的人才培養(yǎng)模式。2017 年習(xí)近平總書記在十九大報告中指出，要深化產(chǎn)教融合，加快應(yīng)用型、復(fù)合型、創(chuàng)新型人才培養(yǎng)機制［2］。復(fù)合型的人工智能創(chuàng)新人才的培養(yǎng)正是我們目前面臨的一個重要課題。

校企合作教學(xué)模式對于實踐性較強的工科是必要而迫切的，是培養(yǎng)工科高級復(fù)合型人才的必由之路［3］。2019 年5 月我校與齊齊哈爾重型數(shù)控裝備股份有限公司簽署校企戰(zhàn)略合作協(xié)議、共建黑龍江智能機床研究院，通過承擔(dān)一系列核心關(guān)鍵技術(shù)研發(fā)、成果轉(zhuǎn)化、產(chǎn)業(yè)化項目和人才培養(yǎng)，發(fā)揮各自優(yōu)勢，提升雙方科技創(chuàng)新能力與核心競爭力，助力地方經(jīng)濟發(fā)展。本文以此校企合作為依托，將校企合作的科研項目融入課程教學(xué)之中，從跨學(xué)科知識融合角度構(gòu)建了人工智能創(chuàng)新實驗，實現(xiàn)了理論教學(xué)與實踐教學(xué)融匯貫通，提高了學(xué)生對知識理解與綜合應(yīng)用能力、團隊合作與創(chuàng)新能力，也為復(fù)合型創(chuàng)新人才的培養(yǎng)奠定了基礎(chǔ)。

1 創(chuàng)新實驗構(gòu)建方案

人工智能是一門綜合性很強的學(xué)科、理論性較強、內(nèi)容抽象，而實驗教學(xué)是理論課程的具體化，是人工智能課程不可缺少的一個重要環(huán)節(jié)［4］。當(dāng)前高校人工智能實驗課程存在集中的教學(xué)模式與單一化的教學(xué)評價等問題，這嚴重影響了人工智能實驗課程的教學(xué)質(zhì)量［5］，針對學(xué)科的特點和人工智能實驗課存在的問題，依托智能機床研究院校企合作項目構(gòu)建了跨學(xué)科知識融合的激光超聲缺陷檢測創(chuàng)新實驗方案，具體如圖1 所示。

圖1 跨學(xué)科知識融合創(chuàng)新實驗構(gòu)建方案

實驗被劃分為激光超聲和人工智能兩部分，是涉及光學(xué)、聲學(xué)、電學(xué)、材料學(xué)以及人工智能等學(xué)科知識的綜合實驗，是人工智能在機械設(shè)備產(chǎn)品無損檢測方面的重要應(yīng)用［6-7］。此創(chuàng)新實驗針對人工智能專業(yè)的本科學(xué)生開設(shè)，以校企合作項目為載體，旨在培養(yǎng)基礎(chǔ)扎實、綜合素質(zhì)高、具備創(chuàng)新精神的應(yīng)用型人才。

2 創(chuàng)新實驗設(shè)計與實施

2.1 激光超聲缺陷檢測原理

脈沖激光輻射在固體樣品上表面的能量一部分被反射，另一部分被樣品表層快速吸收后轉(zhuǎn)化成熱能，并主要以熱傳導(dǎo)的形式向材料內(nèi)部傳遞，在激光作用表層處及下方附近很小的區(qū)域內(nèi)形成溫度梯度場，導(dǎo)致材料發(fā)生熱膨脹，由于介質(zhì)周圍的約束產(chǎn)生應(yīng)力分布，從而激發(fā)出超聲波［8］（見圖2）。

圖2 激光超聲的激發(fā)機理

2.2 創(chuàng)新實驗內(nèi)容設(shè)計與分析

依據(jù)實驗的進程和所應(yīng)用的理論知識，跨學(xué)科知識融合的激光超聲缺陷檢測創(chuàng)新實驗劃分為以下既相互聯(lián)系又可互相獨立的3 個模塊：

（1）激光超聲缺陷檢測的有限元仿真實驗。此實驗利用comsol有限元仿真軟件進行，仿真模型建立，建立流程如圖3 所示。圖4 所示為激光與材料相互作用的云圖，圖中顯示出橫波、縱波、表面波等各類型超聲波的產(chǎn)生。通過材料、結(jié)構(gòu)力學(xué)、傳熱、熱膨脹等物理場構(gòu)建激光超聲的仿真模型，這是光學(xué)、聲學(xué)、材料學(xué)等學(xué)科知識的綜合體現(xiàn)。此實驗?zāi)K重點仿真激光光源參數(shù)、材料幾何尺寸、缺陷位置與尺寸對激光超聲的影響，通過激光超聲的波形特點分析缺陷的位置和尺寸，具體實驗內(nèi)容如圖5 所示。實驗中激光光源參數(shù)（光功率、半徑、上升時間）、缺陷參數(shù)（位置、尺寸、形狀）、材料參數(shù)（材料屬性、幾何尺寸）均需進行調(diào)整變化，可滿足每位同學(xué)一個實驗項目的設(shè)置，避免了傳統(tǒng)實驗中所有同學(xué)共做同一實驗的集中式教學(xué)模式，充分調(diào)動每一位學(xué)生的主觀能動性，提升學(xué)生的獨立操作與動手能力；并且通過軟件中不同算法的選擇得到最佳的計算結(jié)果，更為直觀地理解數(shù)值分析、離散數(shù)學(xué)等較為抽象的理論課程知識。

圖3 激光超聲有限元仿真模型建立流程

圖4 激光超聲與材料的相互作用

圖5 激光超聲缺陷數(shù)值仿真實驗內(nèi)容

（2）激光超聲缺陷檢測數(shù)據(jù)處理實驗。激光超聲檢測具有非接觸測量、信號帶寬寬、適用材料廣、可重復(fù)產(chǎn)生很窄的超聲脈沖以及具有極高的時空分辨率等優(yōu)點，在無損檢測技術(shù)領(lǐng)域中具有很大的發(fā)展?jié)摿?，已逐漸成為材料微缺陷檢測的一種重要手段和發(fā)展方向［9］。在對激光超聲的檢測中，信號的完整提取和準確處理是關(guān)鍵技術(shù)之一［10-11］。

基于激光超聲缺陷檢測的有限元仿真實驗，可得到一系列的含缺陷特征的激光超聲時域信號波形（見圖6），分析可知含缺陷特征的回波峰與缺陷的深度、位置直接相關(guān)，利用傅里葉變換、小波變換等信號分析方法對時頻信號進行數(shù)據(jù)分析，提取均方根、峰值因子（波峰因素）、峭度指標、波形因子（波形指標）、脈沖指標、裕度系數(shù)、能量熵等特征參數(shù)［12-13］，通過多特征參數(shù)融合提取揭示超聲信號在不同時間、空間尺度上的內(nèi)在特征，從而為缺陷評估提供準確的信息。此實驗將信號分析與數(shù)據(jù)挖掘理論課程的知識融入創(chuàng)新實驗，引導(dǎo)學(xué)生加深對理論知識的理解，掌握數(shù)據(jù)分析技巧、建立用于缺陷預(yù)測的數(shù)據(jù)集。

圖6 激光超聲響應(yīng)譜

（3）基于機器學(xué)習(xí)的缺陷預(yù)測實驗。本實驗?zāi)康脑谟谕ㄟ^多參數(shù)融合方法預(yù)測缺陷的位置、尺寸等信息?；趯嶒灒?）的數(shù)據(jù)分析建立用于缺陷預(yù)測的數(shù)據(jù)集，引導(dǎo)學(xué)生對核神經(jīng)網(wǎng)絡(luò)（Kernel neural network，KNN）、貝葉斯、邏輯回歸、神經(jīng)網(wǎng)絡(luò)、支持向量機（Support vector machine，SVM）［14-16］等常用機器學(xué)習(xí)算法進行交叉驗證，選定最優(yōu)化的分類學(xué)習(xí)算法和模型，對缺陷進行分類和預(yù)測，流程如圖7 所示。

圖7 機器學(xué)習(xí)流程圖

2.3 創(chuàng)新實驗的實施與考核

（1）基于課程平臺的線上預(yù)習(xí)機制的建設(shè)。人工智能是一門多學(xué)科交叉融合的專業(yè)，應(yīng)用于人們生活的各個領(lǐng)域，2017 年人工智能行業(yè)發(fā)展研究報告白皮書顯示我國目前急需創(chuàng)新性的人工智能復(fù)合人才［17］。基于創(chuàng)新性的人工智能復(fù)合人才的培養(yǎng)目標創(chuàng)建此實驗，旨在引導(dǎo)學(xué)生加深對專業(yè)知識的理解和應(yīng)用，了解行業(yè)需求。然而課程課堂教學(xué)時間有限，學(xué)生在課堂教學(xué)中無法對所有知識進行深入理解，特別是學(xué)科交叉性較強的知識，在此情況下，課程組基于我校課程平臺構(gòu)建了實驗預(yù)習(xí)機制。通過教學(xué)視頻、課程PPT、實驗案例、教學(xué)軟件及人工智能領(lǐng)域前沿文獻和技術(shù)等幾個模塊的設(shè)計引導(dǎo)學(xué)生課下對知識提前預(yù)習(xí)和線下復(fù)習(xí)，了解行業(yè)前景，體會人工智能快速發(fā)展的魅力，激發(fā)學(xué)生對知識和科研探索的興趣；設(shè)置線上預(yù)習(xí)測試題借此考查學(xué)生對知識和實驗的理解及掌握程度，保障線上學(xué)習(xí)的質(zhì)量。

（2）因材施教的自主、開放實驗設(shè)計。激光超聲缺陷檢測的有限元仿真實驗整體包括激光超聲的有限元數(shù)值仿真、特征參數(shù)提取、機器學(xué)習(xí)進行缺陷預(yù)測3個部分，而每個部分均可采用不同的策略來實現(xiàn)。教學(xué)中教師提供3 種以上的實驗方案供學(xué)生選擇與參考，學(xué)生可根據(jù)個人的興趣和特長選擇適合的方案并進行方案的改進、選擇同一方案的同學(xué)可在教師的指導(dǎo)下通過多人協(xié)作的方式完成實驗到達預(yù)期目標。此設(shè)計可以發(fā)揮每個學(xué)生的特長、充分調(diào)動學(xué)生的主觀能動性。

（3）多元考核方式的實現(xiàn)策略。教學(xué)評價是人工智能實驗課的重要環(huán)節(jié)，它是檢測課堂教學(xué)質(zhì)量的重要依據(jù)。為改善現(xiàn)行的以實驗報告和操作為考核依據(jù)的單一化考核方式，此創(chuàng)新實驗采取線上、線下相結(jié)合的方式進行考核，線上考核內(nèi)容側(cè)重于基本知識和基本實驗操作的考查，考核通過后方可進行線下實驗；線下的考核包括實驗操作、實驗報告和答辯，與傳統(tǒng)實驗考核方式不同，此實驗引入了答辯環(huán)節(jié)，在實驗開展之初和結(jié)束兩個階段對分組學(xué)生的實驗方案設(shè)計和實驗結(jié)果進行考核，由學(xué)生互評和教師評價兩個部分構(gòu)成答辯評分，這可以有效保障實驗方案的正確性和可實施性，通過學(xué)生互動和師生互動實現(xiàn)教學(xué)相長。

3 結(jié)語

以校企合作為契機、以工程應(yīng)用為目的，建立了跨學(xué)科知識融合的人工智能創(chuàng)新實驗，將激光超聲的物理建模、數(shù)值模擬、數(shù)據(jù)處理、機器學(xué)習(xí)算法等跨學(xué)科知識引入到人工智能課程教學(xué)中。通過線上實驗預(yù)習(xí)平臺構(gòu)建、因材施教的自主實驗方案設(shè)計機制和多元化的考核方式保障了創(chuàng)新實驗的實施。此創(chuàng)新實驗的構(gòu)建可充分激發(fā)學(xué)生的學(xué)習(xí)熱情，將碎片化的知識加以整合，融會貫通，同時可以培養(yǎng)學(xué)生的團隊協(xié)作能力、創(chuàng)新能力。