新工科培養(yǎng)模式下智能制造工程專業(yè)新生研討課教學探索研究

閆恪濤 張洽銘 佘世剛 高書苑 高夕成 張洪敏

摘?要：新一輪教育教學改革對新工科人才培養(yǎng)提出更高要求，打破了單一的培養(yǎng)模式，正朝向學科交叉、理論指導實踐等多元化培養(yǎng)模式發(fā)展。本文以新生研討課教學為例，探索了人工智能技術在光學測量領域應用的研討課程教學方法，闡述了課程目標、教學內容設計、課程考核及成績評定方式、考核標準等內容。本文旨在探討一種新的教學方法，以培養(yǎng)學生獨立解決問題的能力，激發(fā)學生的科研興趣。同時，這種方法也為新生研討課提供了一種可行的思路。

關鍵詞：智能制造工程專業(yè)；新生研討課；人工智能與光學測量；教學探索

1?概述

制造業(yè)為我國經濟發(fā)展的重要支柱，為實現從工業(yè)制造大國向工業(yè)強國邁進，中國制定了《中國制造2025》國家戰(zhàn)略政策［13］。其他國家也陸續(xù)出臺了支持制造業(yè)的政策［46］，也重點對人才培養(yǎng)方面給予支持政策［4］，如德國的“雙元制”培養(yǎng)模式、日本的數字化與技能型人才培養(yǎng)模式等，這為先進制造業(yè)快速發(fā)展提供了強有力的技術基礎與人才儲備。為此，要想實現工業(yè)產業(yè)的發(fā)展與升級，就需要注重人才培養(yǎng)。

我國新工科人才的培養(yǎng)進入快速發(fā)展的階段，智能制造工程專業(yè)是在新工科人才培養(yǎng)模式下新設立的一門專業(yè)。智能制造工程專業(yè)融合了人工智能技術（AI）、工業(yè)機器人技術等多學科的新課程教學體系，以期培養(yǎng)先進制造技術、新一代信息技術等領域的復合型人才，但這也對制造人才的素質提出更高的要求［7］。新生研討課在歐美國家已經有很長的歷史，但它對于教學改革仍有重要的意義［8］。本文以我校智能智造專業(yè)“當人工智能遇到精密測量”為主題的新生研討課為例，本課程涵蓋傳統的光學測量技術和人工智能領域的學科交叉內容，從課程目標與教學內容、課程考核及評定方式等角度探討新生研討課教學建設。

2?“當人工智能遇到精密測量”為主題的研討課課程目標

本校智能制造專業(yè)研討課是針對大一新生開設，目前開設多個主題的研討以根據學生的興趣選課。課程目標決定教學內容、課程考核及成績評定方式［9］，“當人工智能遇到精密測量”為主題的新生研討課旨在激發(fā)同學的學習積極性與科研興趣，培養(yǎng)智能制造領域復合型人才。首先，達成兩個能力目標：其一，系統掌握光學干涉測量的基本理論、應用領域，掌握人工智能基礎以及人工智能在光學測量領域的應用理論，為后期從事人工智能、智能制造等領域的研究打下基礎；其二，能夠通過查閱文獻了解課程的關鍵技術，培養(yǎng)專業(yè)表達能力、問題求解能力、推理思維。同時，達成德育目標：幫助學生樹立正確的價值觀念，建立完整的世界觀、人生觀和智能制造職業(yè)理念，培養(yǎng)家國情懷。

3?教學內容設計

本文以“當人工智能遇到精密測量”為主題的研討課為例，提出從三個授課環(huán)節(jié)（人工智能技術、光干涉測量技術以及人工智能在光學測量領域應用）開展教學。三個授課環(huán)節(jié)聯系緊密，第一環(huán)節(jié)講解人工智能基本理論，第二環(huán)節(jié)介紹光干涉測量方法，第三環(huán)節(jié)為干涉測量技術在人工智能交叉領域的研討。在三個授課環(huán)節(jié)中，本文采用不同的教學方式進行教學，包括案例導入、問題導向以及研討形式。

3.1?案例導入式授課

以講授方式介紹人工智能的概念及應用領域，同時介紹人工智能研究的各個學派以及思想。要求學生掌握人工智能的概念，熟知人工智能在制造領域的應用案例。授課以具體的案例進行講解，讓理論知識點一目了然。

人工神經網絡是一種由多個神經節(jié)點相互連接的網絡結構［10］。在講授人工神經網絡原理時，基于生物神經網絡的機理如圖1（a）所示，對人工神經網絡建模如圖1（b）所示。在生物神經網絡中，樹突將接收的數據傳輸到細胞體，并經過細胞體的處理，隨后由軸突傳輸到突觸后，再傳遞給下一個神經細胞。這里，生物神經網絡中的樹突接收信號，而該信號等同于神經網絡的輸入x=［x1，x2，…，xi］；軸突作為輸出端；突觸作為下一神經細胞的接口，在神經網絡中記為o。隨著輸入的電流不斷增加，細胞體內膜電位也隨之增加，超過一定閾值f時被激發(fā)輸出，產生脈沖信號進入下一個神經細胞［11］。基于以上原理，若權值向量定義為w=［w1，w2，…，wi］，人工神經網絡模型被建立［11］：

因此，本文提出通過簡單的案例進行介紹，從而激發(fā)學生學習人工智能的興趣。

3.2?以問題為導向的教學

測量在智能制造領域中占據著重要的地位。通過講解光干涉測量技術，學生可以了解激光干涉儀的工作原理，掌握干涉測量系統和干涉圖的產生過程。在確定影響干涉測量技術存在的問題后，從干涉圖去噪、相位解包裹及相位提取方面展開研討。

例如，光干涉產生干涉圖，而干涉圖中包含不可避免的噪聲如圖2（a）所示。為提高測量精度，就需要對噪聲干涉圖進行去噪處理，以重建出清晰的干涉圖，如圖2（b）所示。基于噪聲會影響精度問題，將干涉圖去噪技術作為研討方向之一。

干涉測量技術中，目前有多種干涉圖相位提取方法，但大多數方法通常在處理時引入反正切計算，導致相位被包裹在（-π，π］。為獲得真實相位［圖2（d）］，對包裹相位處理是條紋分析的關鍵環(huán)節(jié)［12］。雖已有多種相位解包裹技術，但由于噪聲干擾［圖2（c）］、被測形貌復雜多變，解包裹較為困難，相位解包裹技術的應用場合也有區(qū)別。基于問題為導向，將相位解包裹技術作為第二研討內容。

又例如，在干涉圖處理中，提出多種干涉圖解調方法以實現相位提取。但由于環(huán)境擾動、相移誤差等因素，造成相位失真。為解決這些問題，單幀條紋圖處理的動態(tài)測量極為必要，將單幀干涉圖相位恢復技術為第三研討內容。

3.3?研討式教學

本校“當人工智能遇到精密測量”為主題的研討課為小班制教學，根據三個研討方向劃分三組，每個小組將會根據興趣選擇一個方向，展開人工智能在以上問題中的應用研討。特地將不同班級的同學進行分組，分組研討既可以培養(yǎng)團隊合作意識，提高凝聚力，亦利于同學間取長補短。每組中選擇一位學習能力強、具有團隊協作意識的同學為組長，這將有助于激發(fā)小組成員的學習興趣和提高參與度。

3.3.1?研討一：AI+干涉圖去噪技術

目前有多種干涉圖去噪的技術，首先需要同學去調研傳統的條紋圖去噪技術。然后去思考：這些技術有什么優(yōu)缺點，是否滿足工業(yè)需求？帶著問題去探究各種技術。就目前而言，很多去噪技術無法滿足工業(yè)需求，如需要較長的處理時間、精度不高等，而深度學習技術提供一種解決思路［13］。引導同學查閱文獻、設計神經網絡以實現去噪任務。

3.3.2?研討二：AI+相位解包裹技術

引導學生思考為什么需要相位展開？目前，大部分相位恢復技術都需解包裹才得以重建三維輪廓，引導學生了解相位解包裹的必要性。在問題被拋出之后，組織學生調研深度學習在解包裹中的應用案例，每位同學需進行PPT匯報，設計深度學習解包裹框架，實現端到端的相位展開。

3.3.3?研討三：AI+單幀干涉圖相位提取技術

調研干涉測量原理，由組員查閱單幀干涉圖處理技術。引導學生利用Matlab等工具實現干涉圖相位提取，總結目前技術的優(yōu)缺點。進一步思考如何使用深度學習來解決當前存在的問題？下一步，組織學生調研深度學習在單幀干涉圖中的應用案例，每位成員分工進行PPT匯報，提出深度學習相位提取方案，最終實現單幀干涉圖相位重建。

“學中思考，思考中創(chuàng)新”是科研創(chuàng)新的重要過程。本文通過講解光學測量領域遇到的技術問題，引導學生提出人工智能的解決方案，為培養(yǎng)學術思維奠定基礎。通過提出研討方式的教學，既讓學生認識科研，亦培養(yǎng)了本科生的科研興趣；通過啟發(fā)教學方法，引導學生在面對困難問題時要多思考，尋找解決方案。

4?多元化的考核方式

注重學生在學習過程中的總體素質考核，本文提出通過過程考核與終結性考核相結合的多元化方式評價學生的學習能力、綜合素養(yǎng)。

其一，建立過程考核機制（總分為100分，占總成績20%）。根據出勤情況、課堂互動等表現給定成績（總分為20分），分為三個成績檔位：（1）按時上下課，上課積極參與互動討論，主動思考、提問，為13～20分檔；（2）按時上課，出勤率高，有互動但積極性稍弱，為7～13分檔；（3）缺勤次數較多，互動少，為0～7分檔。此外，根據PPT匯報表現給予成績（總分為80分）：（1）具有強的團隊合作意識，PPT制作規(guī)范，報告內容準確、全面新穎，有理有據、邏輯性強，聲音洪亮，為65～80分檔；（2）團隊意識較弱，PPT制作水平較低，報告內容較準確，有理有據但邏輯性稍弱，為40～65分檔；（3）團隊意識差，匯報內容拼湊，講解不充分，邏輯性差，為0～40分檔。

其二，建立終結性考核機制（總分100分，占總成績80%）。期末考試形式是課程報告，以研討課的內容進行課程報告，考查學生人工智能基礎知識、光學檢測理論、寫作技巧、文檔排版、創(chuàng)新思維等。

結語

本文以“人工智能遇到精密測量”為主題的新生研討課為切入點，提出了新生研討課的教學方法，闡述了課程達成的目標，以案例導入、問題導向、研討教學等方式開展教學內容，并描述了多元化考核思路以及評價方式。通過本文研究，具有以下意義：（1）夯實科研基礎，激發(fā)大一學生科研興趣，培養(yǎng)創(chuàng)新型人才；（2）以問題為導向的教學方法，培養(yǎng)學生主動思考、文獻檢索、英文閱讀、解決問題能力；（3）培養(yǎng)學生團隊合作意識，樹立職業(yè)理念。

參考文獻：

［1］楊澤坤.《中國制造2025》與《德國工業(yè)戰(zhàn)略2030》的異曲同工［J］.中國投資（中英文），2022，546（Z9）：2629.

［2］崔慧明，陳林.“中國制造2025”戰(zhàn)略之“智能制造”［J］.科技經濟市場，2022（04）：79.

［3］趙海峰，王婷.“中國制造2025”背景下工程科技人才需求研究［J］.中國高校科技，2017，350（10）：79.

［4］王龍，林興浩，陳嵐，等.國外發(fā)展先進制造業(yè)的戰(zhàn)略部署及啟示［J］.廣東科技，2022，31（02）：3440.

［5］楊青，鐘書華，柳婷.國外先進制造技術（AMT）的發(fā)展研究：一個文獻綜述［J］.科學管理研究，2021，39（04）：150158.

［6］劉賀賀，張?zhí)?國外智能制造政策發(fā)展動向［J］.通信企業(yè)管理，2016，350（06）：6467.

［7］張凌云，劉忠，熊中剛，等.新工科背景下智能制造工程專業(yè)的建設探索［J］.裝備制造技術，2022，336（12）：161163+192.

［8］楊乾磊，周雨樺，包文欣，等.國內外新生研討課教學現狀的比較研究［J］.高教學刊，2023，9（02）：6164.

［9］黎昌金，覃燕梅，謝紅雨，等.基于OBE理念的師范類專業(yè)課程目標達成評價研究［J］.應用型高等教育研究，2022，7（01）：5560+73.

［10］張馳，郭媛，黎明.人工神經網絡模型發(fā)展及應用綜述［J］.計算機工程與應用，2021，57（11）：5769.

［11］楊杰，黃曉霖，高岳，等.人工智能基礎［M］．北京：機械工業(yè)出版社，2020.

［12］許少毅，馮廷宇，邢方方，等.三維形貌測量中單頻相移條紋相位展開方法［J］.哈爾濱理工大學學報，2022，27（05）：18.

［13］陶立清，黃國滿，楊書成，等.一種利用卷積神經網絡的干涉圖去噪方法［J］.武漢大學學報（信息科學版），2023，48（04）：559567.

基金項目：常州大學教育教學研究課題（GJY2020079）：基于OBE?理念的程序設計課程項目化實施研究——以機械電子工程專業(yè)為例

作者簡介：閆恪濤（1991—?），男，漢族，山東泰安人，博士，講師，研究方向：光學檢測與人工智能。