周海燕， 劉 英*， 農(nóng)春仕， 朱銀龍， 李玉榮， 楊雨圖， 倪 超， 吳 斌

(1.南京林業(yè)大學機械電子工程學院，江蘇 南京 210037；2.南京林業(yè)大學實驗室與基地建設(shè)管理處，江蘇 南京 210037)

人工智能、大數(shù)據(jù)、區(qū)塊鏈等新一代信息技術(shù)的發(fā)展將持續(xù)推動制造、交通、能源等產(chǎn)業(yè)邁向數(shù)字化改造升級的步伐，完成“產(chǎn)業(yè)數(shù)字化”，提升我國在全球競爭中的優(yōu)勢[1]。自動化專業(yè)作為新一代信息技術(shù)的引領(lǐng)專業(yè)，承擔著培養(yǎng)工程實踐能力強、創(chuàng)新能力強的高素質(zhì)新工科人才的重要使命[2-4]。實驗教學作為“新工科”建設(shè)重要的部分，具有培養(yǎng)學生具備“解決復雜工程問題”的能力，在自動化專業(yè)培養(yǎng)體系里發(fā)揮著十分重要的作用[5]。但傳統(tǒng)的自動化專業(yè)實驗教學存在實驗對象和內(nèi)容單一，實驗教學內(nèi)容與實際應用聯(lián)系不緊密，學生創(chuàng)新性和學習積極性不高等問題，難以滿足新工科專業(yè)對人才培養(yǎng)的需求[6]。因此，針對自動化專業(yè)，結(jié)合“新工科”發(fā)展需求，優(yōu)化實驗實踐教學方式，增加具有設(shè)計性的綜合實驗，采用工程案例來豐富實踐教學內(nèi)容，引導學生積極參與，科學地采用探討等個性化的教學方式，完善升級自動化專業(yè)實驗實踐，滿足新工科背景下對自動化專業(yè)人才培養(yǎng)的需求。

實驗團隊將木材行業(yè)產(chǎn)業(yè)發(fā)展的最新成果轉(zhuǎn)化為實驗教學項目“實木板材缺陷識別與優(yōu)選排樣系統(tǒng)”，教學內(nèi)容涉及《數(shù)字圖像處理》《人工智能》和《最優(yōu)控制》等多門課程理論知識和實踐技能，是一個綜合性的工程實踐實驗教學項目。在當前“新工科理念引導，結(jié)構(gòu)優(yōu)化，模式創(chuàng)新”思想的倡導下，深度融合自動化專業(yè)教學與虛擬仿真信息技術(shù)，避免該實體實驗的高危性和因參數(shù)設(shè)計導致木材誤切浪費，建設(shè)具有行業(yè)背景的自動化專業(yè)虛擬仿真實驗課程——實木板材的缺陷識別與優(yōu)選排樣虛擬仿真實驗，為提升林業(yè)裝備的信息化和智能化，以及培養(yǎng)自動化專業(yè)人工智能領(lǐng)域創(chuàng)新創(chuàng)業(yè)人才提供一定的支撐[7-10]。

1 虛擬仿真實驗設(shè)計思路

1.1 總體思路

堅持“學生為中心、產(chǎn)出導向、持續(xù)改進”的原則，通過實驗測試等手段提取實物系統(tǒng)參數(shù)建立其仿真模型，結(jié)合自動化專業(yè)理論知識對實驗系統(tǒng)進行更為深入的教學實驗研究。如圖1所示，實驗從實驗階段、實驗模塊、實驗目的、實驗內(nèi)容和實驗方法這5部分開展設(shè)計，實驗教學過程層層遞進，實驗內(nèi)容環(huán)環(huán)相扣，教學內(nèi)容豐富，實驗方法多樣。通過本實驗，可加深學生對數(shù)字圖像處理、人工智能和最優(yōu)控制的認知，使學生掌握數(shù)字圖像處理原理、分類算法和遺傳算法、探索設(shè)計參數(shù)與輸出之間的關(guān)系，培養(yǎng)學生探究式的思維方式和解決復雜工程問題的綜合能力。

圖1 實驗設(shè)計框架圖

1.2 實驗的原理

實木板材缺陷識別與優(yōu)選排樣系統(tǒng)是將木材加工與人工智能技術(shù)深度融合，通過去除木材缺陷、短材接長，提高木材資源的利用率，使學生綜合運用自然科學基礎(chǔ)知識、自動化專業(yè)知識與實踐技能解決復雜工程問題。本課程依據(jù)板材生產(chǎn)中實際缺陷掃描、智能識別與優(yōu)選排樣的生產(chǎn)過程設(shè)計了虛擬仿真實驗，系統(tǒng)整體架構(gòu)示意圖如圖2所示，具體原理如下：圖像采集系統(tǒng)對傳送帶上運動的實木板材進行掃描，獲取圖像數(shù)據(jù)，利用數(shù)字圖像處理的技術(shù)手段去除噪聲以及干擾，增強重要目標特征，改善圖像質(zhì)量，把缺陷目標從缺陷背景圖像中分離出來，完成圖像定位[11，12]。再通過機器學習技術(shù)，基于實木板材常見表面缺陷與正常木材組織之間的顏色、紋理等差異，分別利用傳統(tǒng)人工神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡對板材缺陷進行智能分類[13，14]。實現(xiàn)對木材缺陷的定位與識別，進而采用遺傳算法搜索最優(yōu)鋸切下刀點，截除缺陷的同時實現(xiàn)對木材的充分利用。切割后的實木板材按照尺寸分類推送至對應儲料箱，并將各尺寸板材數(shù)量存儲至數(shù)據(jù)庫，面向最終產(chǎn)品應用遺傳算法優(yōu)化排樣設(shè)計。

圖2 實木板材的缺陷識別與優(yōu)選整體結(jié)構(gòu)示意圖

1.3 實驗教學設(shè)計

本文將從實驗內(nèi)容、教學方法、實驗方法這3方面詳細講解實木板材的缺陷識別與優(yōu)選排樣虛擬仿真實驗的教學設(shè)計。

1.3.1 實驗內(nèi)容

堅持需求導向，緊密結(jié)合經(jīng)濟社會發(fā)展對高校人才培養(yǎng)的需求，緊密結(jié)合專業(yè)特色和行業(yè)產(chǎn)業(yè)發(fā)展對高校人才培養(yǎng)的需求[15]。掌握圖像預處理的相關(guān)知識、方法和流程，通過研究斜率和截距參數(shù)的影響規(guī)律，能夠找出提高圖像對比度的解決方案，提高其分析實際工程問題的能力。掌握圖像閾值分割中閾值設(shè)置規(guī)律、形態(tài)學的腐蝕與膨脹處理技術(shù)，能夠去除外界干擾圖像，對缺陷進行準確定位，提高學生面對實際工程難題，綜合應用圖像預處理知識解決實木板材缺陷圖像定位問題的能力。掌握神經(jīng)網(wǎng)絡結(jié)構(gòu)的設(shè)計方法，通過特征選擇、網(wǎng)絡結(jié)構(gòu)訓練與參數(shù)優(yōu)化設(shè)計基礎(chǔ)和提升算法，探究人工智能技術(shù)解決實木板材缺陷圖像分類準確率的解決方案。

1.3.2 教學方法

為了實現(xiàn)教學目標，堅持以學生為中心的教學理念，讓學生充分掌握實驗知識點，采用情景浸入式、設(shè)計式、任務驅(qū)動式、激勵探究式等教學方法，結(jié)合文字、圖片、視頻等多種媒介促進教學準備、線上討論、線下交流，培養(yǎng)學生實踐能力、綜合分析能力和創(chuàng)新能力。教師與學生共同制定自主學習方案，包括組建學習小組、形成具體學習計劃等，并指導學生掌握實驗項目的原理、內(nèi)容和考核方式。教師根據(jù)實木板材缺陷識別與優(yōu)選排樣過程的特點，提示學生在進行本項目實驗時，要考慮木材出材率及桌面拼接實現(xiàn)率的問題。學生自主探究虛擬仿真系統(tǒng)的使用方法和具體功能，主動地、自由地、創(chuàng)造性地進行項目的學習、訓練與自我考核。虛擬仿真系統(tǒng)會根據(jù)學生的用戶信息累計該生在線時長、項目完成次數(shù)。在確定實木板材缺陷識別與優(yōu)選排樣系統(tǒng)控制參數(shù)時，設(shè)計要求包含了多目標，不僅要滿足自動化智能制造優(yōu)選排樣要求，還要滿足環(huán)保、經(jīng)濟、生產(chǎn)率、機械化程度要求。

1.3.3 實驗方法

實驗課程主要使用觀察法、控制變量法、比較法和設(shè)計法等實驗方法[16]，使學生全面掌握在實木板材缺陷定位、識別與優(yōu)選加工流程中的技術(shù)性能，理解多種參數(shù)對于性能的影響規(guī)律。學生通過觀察圖片在不同的灰度變換、圖像分割及腐蝕膨脹等參數(shù)下的變化了解影像圖片性能的因素。由于人工智能算法的知識點復雜，學生很難直接掌握相關(guān)知識，為此學生可以先從簡單的人工神經(jīng)網(wǎng)絡算法調(diào)節(jié)實驗做起，掌握相關(guān)的知識點以后，再依次進行卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu)設(shè)計與參數(shù)優(yōu)化，通過比較兩種算法的實驗結(jié)果，學生可以系統(tǒng)地學習相關(guān)知識點?？刂谱兞糠ㄖ饕獞糜趦?yōu)選排樣環(huán)節(jié)，可以讓學生詳細了解遺傳算法某個參數(shù)對于板材出材率的影響，培養(yǎng)學生科研素質(zhì)。自主設(shè)計法主要應用在板材缺陷分類與優(yōu)選排樣環(huán)節(jié)，學生根據(jù)任務需求選擇數(shù)字化圖像處理方法，根據(jù)缺陷定位識別算法給出缺陷類型與位置，并設(shè)計遺傳算法對于切割結(jié)果優(yōu)化，達到設(shè)計需求。同時可以進行效果檢測與探究學習，檢查判斷各環(huán)節(jié)的設(shè)計是否科學合理(出材率是否最大，缺陷類型檢測誤差率是否達到要求)。

2 虛擬仿真實驗模塊實現(xiàn)

通過數(shù)字化建模技術(shù)再現(xiàn)真實生產(chǎn)場景，采用三維動畫全面剖析關(guān)鍵工序及相關(guān)設(shè)備的工作過程，全面揭示了板材缺陷智能識別與優(yōu)選排樣的制造原理，基于圖像處理建立了生產(chǎn)參數(shù)和識別結(jié)果及排樣結(jié)果的關(guān)系，并且通過生產(chǎn)實踐驗證[17]。實驗模塊采用多層次結(jié)構(gòu)，從缺陷定位、缺陷分類到優(yōu)選排樣，層層遞進，兼具知識的深度與廣度，充分利用最新的虛擬仿真技術(shù)的高仿真特性、交互特性，從對工業(yè)機器人、電機、加工設(shè)備、實木板材缺陷等基礎(chǔ)認知到圖像預處理、神經(jīng)網(wǎng)絡和遺傳算法優(yōu)選的高階仿真，各實驗環(huán)境的設(shè)計與實施都側(cè)重于培養(yǎng)學生的自主探究、學習能力，使其熟悉工業(yè)現(xiàn)場環(huán)境，提高對板材缺陷識別與優(yōu)選排樣的設(shè)計能力、創(chuàng)新開發(fā)能力及獨立解決問題能力。

2.1 認知模塊

認知模塊主要是讓學生熟悉實驗場景，回顧相關(guān)專業(yè)知識，讓學生具備操作該實驗的基本知識。該環(huán)節(jié)通過文字、圖片、動畫的形式展現(xiàn)于本實驗課程相關(guān)的知識點，對于較難理解的知識點，通過動畫模擬講解，加深學生理解。本課程是面向真實工程的原始生產(chǎn)設(shè)備模型進行虛擬仿真，實驗場景與實際生產(chǎn)線完全一致，并真實再現(xiàn)排樣過程。如圖3所示，學生以第一人稱視角進入虛擬仿真實驗系統(tǒng)，熟悉實木板材缺陷識別與優(yōu)選排樣生產(chǎn)流程，了解關(guān)鍵工序相關(guān)設(shè)備的工作過程，并完成算法優(yōu)化，結(jié)果評估等任務。實驗結(jié)果與真實情況一致。通過動態(tài)畫面和音效再現(xiàn)一個仿真度高、體驗感強和趣味性十足的生產(chǎn)實際情境，使學生有身臨其境的感覺。

圖3 虛擬仿真場景圖

2.2 木材缺陷定位與分類模塊

為了確保木材上的缺陷被正確識別并且切割，需要對木材進行缺陷定位和分類，木材缺陷定位主要包含圖像預處理、圖像分割和形態(tài)學處理3個部分，如圖4所示，該部分通過計算灰度線性變換的直線斜率和截距，有選擇地拉伸某段灰度區(qū)間，以改善輸出圖像，消除噪聲對圖像處理的影響，通過灰度變換使缺陷區(qū)域和背景對比明顯，突出缺陷區(qū)域。再通過直方圖閾值分割方法或最大熵閾值分割方法，將缺陷像素從背景中檢測出來，分割出缺陷區(qū)域，可對比兩種分割方法。最后，通過調(diào)節(jié)開運算、閉運算和膨脹與腐蝕等參數(shù)，將鏈接分割后二值化圖像中的白色像素，形成連通區(qū)域，去除干擾噪聲像素，實現(xiàn)缺陷區(qū)域的準確定位。

圖4 木材缺陷定位界面

在實際加工中，不是所有缺陷都需要切除的，因此對木材缺陷進行分類，有利于提高木材的利用率。該實驗環(huán)節(jié)采用激勵探究式教學方法，通過兩種算法對比，即人工神經(jīng)網(wǎng)絡算法和卷積神經(jīng)網(wǎng)絡算法。如圖5所示，傳統(tǒng)神經(jīng)網(wǎng)絡，通過調(diào)整神經(jīng)網(wǎng)絡的隱層個數(shù)或隱藏節(jié)點個數(shù)，設(shè)置對應的特征參數(shù)、網(wǎng)絡層數(shù)等設(shè)計分類算法網(wǎng)絡結(jié)構(gòu)；卷積神經(jīng)網(wǎng)絡，設(shè)置卷積神經(jīng)網(wǎng)絡不同的卷積層、池化層、全連接層的個數(shù)和排列方式，觀察實驗結(jié)果，探究模型參數(shù)、結(jié)構(gòu)與分類效果之間的聯(lián)系。從而找出控制規(guī)律，形成概念，建立自己對實木板材缺陷識別的分類模型，拓展學生的創(chuàng)新思維和創(chuàng)造能力。

圖5 木材缺陷分類界面

2.3 優(yōu)選排樣模塊

在優(yōu)選排樣環(huán)節(jié)探索遺傳算法與出材率關(guān)系仿真實驗中，如圖6所示，改變交叉、變異概率等參數(shù)，觀察出材率曲線變化及新的下刀點情況。首先基于真實實驗數(shù)據(jù)設(shè)計的遺傳算法適應度函數(shù)，出材率曲線結(jié)果均通過算法運行真實得到，保證了虛擬仿真的實驗結(jié)果準確率。

圖6 優(yōu)選排樣界面

2.4 實驗考核評價模塊

對學生實驗結(jié)果的考核和評價是實驗教學的重要功能之一，實木板材的缺陷識別與優(yōu)選排樣虛擬仿真實驗實行的是過程評價和結(jié)果評價相結(jié)合，如圖7所示。過程評價對學生在這環(huán)節(jié)中對實驗目的的把握度、實驗原理的掌握度、實驗方法的合理度、實驗步驟的規(guī)范度及實驗結(jié)果的正確度進行評價，結(jié)果評價包含過程評價，且是對學生在整個實驗中獲得的知識、能力和素質(zhì)進行的評價。為了達到自動生成對學生實驗能力客觀評價，對實驗課程設(shè)計合理的賦分模型，賦分模型符合該實驗課程的工程認證要求，支撐課程目標達成。如表1所示，按實驗環(huán)節(jié)知識點分配各環(huán)節(jié)總分值，各環(huán)節(jié)再按考核要求劃分分值，每個環(huán)節(jié)即使實驗操作全部正確，也只能得到80%的分值，80%分值代表對學生知識能力的掌握程度評判，至于學生完成實驗操作是多次操作探索完成，還是一次性完成，是否采用更優(yōu)秀的方案完成，用剩余的20%分值用于評判。整個實驗考核分為操作準確度(80%)、操作時間(10%)及操作次數(shù)(10%)，來體現(xiàn)對學生知識、能力和素質(zhì)高低的評價。

圖7 考核與評價

表1 賦分框架

3 結(jié)束語

在“新工科”建設(shè)背景下，將木材加工與人工智能技術(shù)深度融合，建設(shè)體現(xiàn)林業(yè)特色的實木板材缺陷識別與優(yōu)選排樣虛擬仿真實驗，使學生綜合運用自然科學基礎(chǔ)知識、自動化專業(yè)知識與實踐技能解決復雜工程問題，提高了實驗教學效果和學生的學習效率，有力培養(yǎng)學生節(jié)約木材、綠色發(fā)展的理念，使其具備終身學習能力和創(chuàng)新意識，滿足自動化專業(yè)教學與實踐需要，又兼顧節(jié)省使用成本和時間以及高校資金短缺的普遍狀況，突破了自動化課程設(shè)計類實驗教學中的瓶頸。該課程可服務木材加工產(chǎn)業(yè)，為木材行業(yè)技術(shù)人員提升工程經(jīng)驗與系統(tǒng)性理論知識學習提供交互驗證平臺，推動工程技術(shù)人員的創(chuàng)新性研究。