閆恪濤 張洽銘 佘世剛 高書(shū)苑 高夕成 張洪敏

摘?要：新一輪教育教學(xué)改革對(duì)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?qū)W科交叉、理論指導(dǎo)實(shí)踐等多元化培養(yǎng)模式發(fā)展。本文以新生研討課教學(xué)為例，探索了人工智能技術(shù)在光學(xué)測(cè)量領(lǐng)域應(yīng)用的研討課程教學(xué)方法，闡述了課程目標(biāo)、教學(xué)內(nèi)容設(shè)計(jì)、課程考核及成績(jī)?cè)u(píng)定方式、考核標(biāo)準(zhǔn)等內(nèi)容。本文旨在探討一種新的教學(xué)方法，以培養(yǎng)學(xué)生獨(dú)立解決問(wèn)題的能力，激發(fā)學(xué)生的科研興趣。同時(shí)，這種方法也為新生研討課提供了一種可行的思路。

關(guān)鍵詞：智能制造工程專(zhuān)業(yè)；新生研討課；人工智能與光學(xué)測(cè)量；教學(xué)探索

1?概述

制造業(yè)為我國(guó)經(jīng)濟(jì)發(fā)展的重要支柱，為實(shí)現(xiàn)從工業(yè)制造大國(guó)向工業(yè)強(qiáng)國(guó)邁進(jìn)，中國(guó)制定了《中國(guó)制造2025》國(guó)家戰(zhàn)略政策［13］。其他國(guó)家也陸續(xù)出臺(tái)了支持制造業(yè)的政策［46］，也重點(diǎn)對(duì)人才培養(yǎng)方面給予支持政策［4］，如德國(guó)的“雙元制”培養(yǎng)模式、日本的數(shù)字化與技能型人才培養(yǎng)模式等，這為先進(jìn)制造業(yè)快速發(fā)展提供了強(qiáng)有力的技術(shù)基礎(chǔ)與人才儲(chǔ)備。為此，要想實(shí)現(xiàn)工業(yè)產(chǎn)業(yè)的發(fā)展與升級(jí)，就需要注重人才培養(yǎng)。

我國(guó)新工科人才的培養(yǎng)進(jìn)入快速發(fā)展的階段，智能制造工程專(zhuān)業(yè)是在新工科人才培養(yǎng)模式下新設(shè)立的一門(mén)專(zhuān)業(yè)。智能制造工程專(zhuān)業(yè)融合了人工智能技術(shù)（AI）、工業(yè)機(jī)器人技術(shù)等多學(xué)科的新課程教學(xué)體系，以期培養(yǎng)先進(jìn)制造技術(shù)、新一代信息技術(shù)等領(lǐng)域的復(fù)合型人才，但這也對(duì)制造人才的素質(zhì)提出更高的要求［7］。新生研討課在歐美國(guó)家已經(jīng)有很長(zhǎng)的歷史，但它對(duì)于教學(xué)改革仍有重要的意義［8］。本文以我校智能智造專(zhuān)業(yè)“當(dāng)人工智能遇到精密測(cè)量”為主題的新生研討課為例，本課程涵蓋傳統(tǒng)的光學(xué)測(cè)量技術(shù)和人工智能領(lǐng)域的學(xué)科交叉內(nèi)容，從課程目標(biāo)與教學(xué)內(nèi)容、課程考核及評(píng)定方式等角度探討新生研討課教學(xué)建設(shè)。

2?“當(dāng)人工智能遇到精密測(cè)量”為主題的研討課課程目標(biāo)

本校智能制造專(zhuān)業(yè)研討課是針對(duì)大一新生開(kāi)設(shè)，目前開(kāi)設(shè)多個(gè)主題的研討以根據(jù)學(xué)生的興趣選課。課程目標(biāo)決定教學(xué)內(nèi)容、課程考核及成績(jī)?cè)u(píng)定方式［9］，“當(dāng)人工智能遇到精密測(cè)量”為主題的新生研討課旨在激發(fā)同學(xué)的學(xué)習(xí)積極性與科研興趣，培養(yǎng)智能制造領(lǐng)域復(fù)合型人才。首先，達(dá)成兩個(gè)能力目標(biāo)：其一，系統(tǒng)掌握光學(xué)干涉測(cè)量的基本理論、應(yīng)用領(lǐng)域，掌握人工智能基礎(chǔ)以及人工智能在光學(xué)測(cè)量領(lǐng)域的應(yīng)用理論，為后期從事人工智能、智能制造等領(lǐng)域的研究打下基礎(chǔ)；其二，能夠通過(guò)查閱文獻(xiàn)了解課程的關(guān)鍵技術(shù)，培養(yǎng)專(zhuān)業(yè)表達(dá)能力、問(wèn)題求解能力、推理思維。同時(shí)，達(dá)成德育目標(biāo)：幫助學(xué)生樹(shù)立正確的價(jià)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(guó)情懷。

3?教學(xué)內(nèi)容設(shè)計(jì)

本文以“當(dāng)人工智能遇到精密測(cè)量”為主題的研討課為例，提出從三個(gè)授課環(huán)節(jié)（人工智能技術(shù)、光干涉測(cè)量技術(shù)以及人工智能在光學(xué)測(cè)量領(lǐng)域應(yīng)用）開(kāi)展教學(xué)。三個(gè)授課環(huán)節(jié)聯(lián)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(cè)量方法，第三環(huán)節(jié)為干涉測(cè)量技術(shù)在人工智能交叉領(lǐng)域的研討。在三個(gè)授課環(huán)節(jié)中，本文采用不同的教學(xué)方式進(jìn)行教學(xué)，包括案例導(dǎo)入、問(wèn)題導(dǎo)向以及研討形式。

3.1?案例導(dǎo)入式授課

以講授方式介紹人工智能的概念及應(yīng)用領(lǐng)域，同時(shí)介紹人工智能研究的各個(gè)學(xué)派以及思想。要求學(xué)生掌握人工智能的概念，熟知人工智能在制造領(lǐng)域的應(yīng)用案例。授課以具體的案例進(jìn)行講解，讓理論知識(shí)點(diǎn)一目了然。

人工神經(jīng)網(wǎng)絡(luò)是一種由多個(gè)神經(jīng)節(jié)點(diǎn)相互連接的網(wǎng)絡(luò)結(jié)構(gòu)［10］。在講授人工神經(jīng)網(wǎng)絡(luò)原理時(shí)，基于生物神經(jīng)網(wǎng)絡(luò)的機(jī)理如圖1（a）所示，對(duì)人工神經(jīng)網(wǎng)絡(luò)建模如圖1（b）所示。在生物神經(jīng)網(wǎng)絡(luò)中，樹(shù)突將接收的數(shù)據(jù)傳輸?shù)郊?xì)胞體，并經(jīng)過(guò)細(xì)胞體的處理，隨后由軸突傳輸?shù)酵挥|后，再傳遞給下一個(gè)神經(jīng)細(xì)胞。這里，生物神經(jīng)網(wǎng)絡(luò)中的樹(shù)突接收信號(hào)，而該信號(hào)等同于神經(jīng)網(wǎng)絡(luò)的輸入x=［x1，x2，…，xi］；軸突作為輸出端；突觸作為下一神經(jīng)細(xì)胞的接口，在神經(jīng)網(wǎng)絡(luò)中記為o。隨著輸入的電流不斷增加，細(xì)胞體內(nèi)膜電位也隨之增加，超過(guò)一定閾值f時(shí)被激發(fā)輸出，產(chǎn)生脈沖信號(hào)進(jìn)入下一個(gè)神經(jīng)細(xì)胞［11］?；谝陨显恚魴?quán)值向量定義為w=［w1，w2，…，wi］，人工神經(jīng)網(wǎng)絡(luò)模型被建立［11］：

因此，本文提出通過(guò)簡(jiǎn)單的案例進(jìn)行介紹，從而激發(fā)學(xué)生學(xué)習(xí)人工智能的興趣。

3.2?以問(wèn)題為導(dǎo)向的教學(xué)

測(cè)量在智能制造領(lǐng)域中占據(jù)著重要的地位。通過(guò)講解光干涉測(cè)量技術(shù)，學(xué)生可以了解激光干涉儀的工作原理，掌握干涉測(cè)量系統(tǒng)和干涉圖的產(chǎn)生過(guò)程。在確定影響干涉測(cè)量技術(shù)存在的問(wèn)題后，從干涉圖去噪、相位解包裹及相位提取方面展開(kāi)研討。

例如，光干涉產(chǎn)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(cè)量精度，就需要對(duì)噪聲干涉圖進(jìn)行去噪處理，以重建出清晰的干涉圖，如圖2（b）所示?；谠肼晻?huì)影響精度問(wèn)題，將干涉圖去噪技術(shù)作為研討方向之一。

干涉測(cè)量技術(shù)中，目前有多種干涉圖相位提取方法，但大多數(shù)方法通常在處理時(shí)引入反正切計(jì)算，導(dǎo)致相位被包裹在（-π，π］。為獲得真實(shí)相位［圖2（d）］，對(duì)包裹相位處理是條紋分析的關(guān)鍵環(huán)節(jié)［12］。雖已有多種相位解包裹技術(shù)，但由于噪聲干擾［圖2（c）］、被測(cè)形貌復(fù)雜多變，解包裹較為困難，相位解包裹技術(shù)的應(yīng)用場(chǎng)合也有區(qū)別?；趩?wèn)題為導(dǎo)向，將相位解包裹技術(shù)作為第二研討內(nèi)容。

又例如，在干涉圖處理中，提出多種干涉圖解調(diào)方法以實(shí)現(xiàn)相位提取。但由于環(huán)境擾動(dòng)、相移誤差等因素，造成相位失真。為解決這些問(wèn)題，單幀條紋圖處理的動(dòng)態(tài)測(cè)量極為必要，將單幀干涉圖相位恢復(fù)技術(shù)為第三研討內(nèi)容。

3.3?研討式教學(xué)

本?！爱?dāng)人工智能遇到精密測(cè)量”為主題的研討課為小班制教學(xué)，根據(jù)三個(gè)研討方向劃分三組，每個(gè)小組將會(huì)根據(jù)興趣選擇一個(gè)方向，展開(kāi)人工智能在以上問(wèn)題中的應(yīng)用研討。特地將不同班級(jí)的同學(xué)進(jìn)行分組，分組研討既可以培養(yǎng)團(tuán)隊(duì)合作意識(shí)，提高凝聚力，亦利于同學(xué)間取長(zhǎng)補(bǔ)短。每組中選擇一位學(xué)習(xí)能力強(qiáng)、具有團(tuán)隊(duì)協(xié)作意識(shí)的同學(xué)為組長(zhǎng)，這將有助于激發(fā)小組成員的學(xué)習(xí)興趣和提高參與度。

3.3.1?研討一：AI+干涉圖去噪技術(shù)

目前有多種干涉圖去噪的技術(shù)，首先需要同學(xué)去調(diào)研傳統(tǒng)的條紋圖去噪技術(shù)。然后去思考：這些技術(shù)有什么優(yōu)缺點(diǎn)，是否滿(mǎn)足工業(yè)需求？帶著問(wèn)題去探究各種技術(shù)。就目前而言，很多去噪技術(shù)無(wú)法滿(mǎn)足工業(yè)需求，如需要較長(zhǎng)的處理時(shí)間、精度不高等，而深度學(xué)習(xí)技術(shù)提供一種解決思路［13］。引導(dǎo)同學(xué)查閱文獻(xiàn)、設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)以實(shí)現(xiàn)去噪任務(wù)。

3.3.2?研討二：AI+相位解包裹技術(shù)

引導(dǎo)學(xué)生思考為什么需要相位展開(kāi)？目前，大部分相位恢復(fù)技術(shù)都需解包裹才得以重建三維輪廓，引導(dǎo)學(xué)生了解相位解包裹的必要性。在問(wèn)題被拋出之后，組織學(xué)生調(diào)研深度學(xué)習(xí)在解包裹中的應(yīng)用案例，每位同學(xué)需進(jìn)行PPT匯報(bào)，設(shè)計(jì)深度學(xué)習(xí)解包裹框架，實(shí)現(xiàn)端到端的相位展開(kāi)。

3.3.3?研討三：AI+單幀干涉圖相位提取技術(shù)

調(diào)研干涉測(cè)量原理，由組員查閱單幀干涉圖處理技術(shù)。引導(dǎo)學(xué)生利用Matlab等工具實(shí)現(xiàn)干涉圖相位提取，總結(jié)目前技術(shù)的優(yōu)缺點(diǎn)。進(jìn)一步思考如何使用深度學(xué)習(xí)來(lái)解決當(dāng)前存在的問(wèn)題？下一步，組織學(xué)生調(diào)研深度學(xué)習(xí)在單幀干涉圖中的應(yīng)用案例，每位成員分工進(jìn)行PPT匯報(bào)，提出深度學(xué)習(xí)相位提取方案，最終實(shí)現(xiàn)單幀干涉圖相位重建。

“學(xué)中思考，思考中創(chuàng)新”是科研創(chuàng)新的重要過(guò)程。本文通過(guò)講解光學(xué)測(cè)量領(lǐng)域遇到的技術(shù)問(wèn)題，引導(dǎo)學(xué)生提出人工智能的解決方案，為培養(yǎng)學(xué)術(shù)思維奠定基礎(chǔ)。通過(guò)提出研討方式的教學(xué)，既讓學(xué)生認(rèn)識(shí)科研，亦培養(yǎng)了本科生的科研興趣；通過(guò)啟發(fā)教學(xué)方法，引導(dǎo)學(xué)生在面對(duì)困難問(wèn)題時(shí)要多思考，尋找解決方案。

4?多元化的考核方式

注重學(xué)生在學(xué)習(xí)過(guò)程中的總體素質(zhì)考核，本文提出通過(guò)過(guò)程考核與終結(jié)性考核相結(jié)合的多元化方式評(píng)價(jià)學(xué)生的學(xué)習(xí)能力、綜合素養(yǎng)。

其一，建立過(guò)程考核機(jī)制（總分為100分，占總成績(jī)20%）。根據(jù)出勤情況、課堂互動(dòng)等表現(xiàn)給定成績(jī)（總分為20分），分為三個(gè)成績(jī)檔位：（1）按時(shí)上下課，上課積極參與互動(dòng)討論，主動(dòng)思考、提問(wèn)，為13～20分檔；（2）按時(shí)上課，出勤率高，有互動(dòng)但積極性稍弱，為7～13分檔；（3）缺勤次數(shù)較多，互動(dòng)少，為0～7分檔。此外，根據(jù)PPT匯報(bào)表現(xiàn)給予成績(jī)（總分為80分）：（1）具有強(qiáng)的團(tuán)隊(duì)合作意識(shí)，PPT制作規(guī)范，報(bào)告內(nèi)容準(zhǔn)確、全面新穎，有理有據(jù)、邏輯性強(qiáng)，聲音洪亮，為65～80分檔；（2）團(tuán)隊(duì)意識(shí)較弱，PPT制作水平較低，報(bào)告內(nèi)容較準(zhǔn)確，有理有據(jù)但邏輯性稍弱，為40～65分檔；（3）團(tuán)隊(duì)意識(shí)差，匯報(bào)內(nèi)容拼湊，講解不充分，邏輯性差，為0～40分檔。

其二，建立終結(jié)性考核機(jī)制（總分100分，占總成績(jī)80%）。期末考試形式是課程報(bào)告，以研討課的內(nèi)容進(jìn)行課程報(bào)告，考查學(xué)生人工智能基礎(chǔ)知識(shí)、光學(xué)檢測(cè)理論、寫(xiě)作技巧、文檔排版、創(chuàng)新思維等。

結(jié)語(yǔ)

本文以“人工智能遇到精密測(cè)量”為主題的新生研討課為切入點(diǎn)，提出了新生研討課的教學(xué)方法，闡述了課程達(dá)成的目標(biāo)，以案例導(dǎo)入、問(wèn)題導(dǎo)向、研討教學(xué)等方式開(kāi)展教學(xué)內(nèi)容，并描述了多元化考核思路以及評(píng)價(jià)方式。通過(guò)本文研究，具有以下意義：（1）夯實(shí)科研基礎(chǔ)，激發(fā)大一學(xué)生科研興趣，培養(yǎng)創(chuàng)新型人才；（2）以問(wèn)題為導(dǎo)向的教學(xué)方法，培養(yǎng)學(xué)生主動(dòng)思考、文獻(xiàn)檢索、英文閱讀、解決問(wèn)題能力；（3）培養(yǎng)學(xué)生團(tuán)隊(duì)合作意識(shí)，樹(shù)立職業(yè)理念。

參考文獻(xiàn)：

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

［2］崔慧明，陳林.“中國(guó)制造2025”戰(zhàn)略之“智能制造”［J］.科技經(jīng)濟(jì)市場(chǎng)，2022（04）：79.

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

［4］王龍，林興浩，陳嵐，等.國(guó)外發(fā)展先進(jìn)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(shū)華，柳婷.國(guó)外先進(jìn)制造技術(shù)（AMT）的發(fā)展研究：一個(gè)文獻(xiàn)綜述［J］.科學(xué)管理研究，2021，39（04）：150158.

［6］劉賀賀，張?zhí)?國(guó)外智能制造政策發(fā)展動(dòng)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(zhuān)業(yè)的建設(shè)探索［J］.裝備制造技術(shù)，2022，336（12）：161163+192.

［8］楊乾磊，周雨樺，包文欣，等.國(guó)內(nèi)外新生研討課教學(xué)現(xiàn)狀的比較研究［J］.高教學(xué)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(lèi)專(zhuān)業(yè)課程目標(biāo)達(dá)成評(píng)價(jià)研究［J］.應(yīng)用型高等教育研究，2022，7（01）：5560+73.

［10］張馳，郭媛，黎明.人工神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用綜述［J］.計(jì)算機(jī)工程與應(yīng)用，2021，57（11）：5769.

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

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

［13］陶立清，黃國(guó)滿(mǎn)，楊書(shū)成，等.一種利用卷積神經(jīng)網(wǎng)絡(luò)的干涉圖去噪方法［J］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2023，48（04）：559567.

基金項(xiàng)目：常州大學(xué)教育教學(xué)研究課題（GJY2020079）：基于OBE?理念的程序設(shè)計(jì)課程項(xiàng)目化實(shí)施研究——以機(jī)械電子工程專(zhuān)業(yè)為例

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