新工科培养模式下智能制造工程专业新生研讨课教学探索研究

闫恪涛 张洽铭 佘世刚 高书苑 高夕成 张洪敏

摘 要：新一轮教育教学改革对新工科人才培养提出更高要求，打破了单一的培养模式，正朝向学科交叉、理论指导实践等多元化培养模式发展。本文以新生研讨课教学为例，探索了人工智能技术在光学测量领域应用的研讨课程教学方法，阐述了课程目标、教学内容设计、课程考核及成绩评定方式、考核标准等内容。本文旨在探讨一种新的教学方法，以培养学生独立解决问题的能力，激发学生的科研兴趣。同时，这种方法也为新生研讨课提供了一种可行的思路。

关键词：智能制造工程专业；新生研讨课；人工智能与光学测量；教学探索

1 概述

制造业为我国经济发展的重要支柱，为实现从工业制造大国向工业强国迈进，中国制定了《中国制造2025》国家战略政策［13］。其他国家也陆续出台了支持制造业的政策［46］，也重点对人才培养方面给予支持政策［4］，如德国的“双元制”培养模式、日本的数字化与技能型人才培养模式等，这为先进制造业快速发展提供了强有力的技术基础与人才储备。为此，要想实现工业产业的发展与升级，就需要注重人才培养。

我国新工科人才的培养进入快速发展的阶段，智能制造工程专业是在新工科人才培养模式下新设立的一门专业。智能制造工程专业融合了人工智能技术（AI）、工业机器人技术等多学科的新课程教学体系，以期培养先进制造技术、新一代信息技术等领域的复合型人才，但这也对制造人才的素质提出更高的要求［7］。新生研讨课在欧美国家已经有很长的历史，但它对于教学改革仍有重要的意义［8］。本文以我校智能智造专业“当人工智能遇到精密测量”为主题的新生研讨课为例，本课程涵盖传统的光学测量技术和人工智能领域的学科交叉内容，从课程目标与教学内容、课程考核及评定方式等角度探讨新生研讨课教学建设。

2 “当人工智能遇到精密测量”为主题的研讨课课程目标

本校智能制造专业研讨课是针对大一新生开设，目前开设多个主题的研讨以根据学生的兴趣选课。课程目标决定教学内容、课程考核及成绩评定方式［9］，“当人工智能遇到精密测量”为主题的新生研讨课旨在激发同学的学习积极性与科研兴趣，培养智能制造领域复合型人才。首先，达成两个能力目标：其一，系统掌握光学干涉测量的基本理论、应用领域，掌握人工智能基础以及人工智能在光学测量领域的应用理论，为后期从事人工智能、智能制造等领域的研究打下基础；其二，能够通过查阅文献了解课程的关键技术，培养专业表达能力、问题求解能力、推理思维。同时，达成德育目标：帮助学生树立正确的价值观念，建立完整的世界观、人生观和智能制造职业理念，培养家国情怀。

3 教學内容设计

本文以“当人工智能遇到精密测量”为主题的研讨课为例，提出从三个授课环节（人工智能技术、光干涉测量技术以及人工智能在光学测量领域应用）开展教学。三个授课环节联系紧密，第一环节讲解人工智能基本理论，第二环节介绍光干涉测量方法，第三环节为干涉测量技术在人工智能交叉领域的研讨。在三个授课环节中，本文采用不同的教学方式进行教学，包括案例导入、问题导向以及研讨形式。

3.1 案例导入式授课

以讲授方式介绍人工智能的概念及应用领域，同时介绍人工智能研究的各个学派以及思想。要求学生掌握人工智能的概念，熟知人工智能在制造领域的应用案例。授课以具体的案例进行讲解，让理论知识点一目了然。

人工神经网络是一种由多个神经节点相互连接的网络结构［10］。在讲授人工神经网络原理时，基于生物神经网络的机理如图1（a）所示，对人工神经网络建模如图1（b）所示。在生物神经网络中，树突将接收的数据传输到细胞体，并经过细胞体的处理，随后由轴突传输到突触后，再传递给下一个神经细胞。这里，生物神经网络中的树突接收信号，而该信号等同于神经网络的输入x=［x1，x2，…，xi］；轴突作为输出端；突触作为下一神经细胞的接口，在神经网络中记为o。随着输入的电流不断增加，细胞体内膜电位也随之增加，超过一定阈值f时被激发输出，产生脉冲信号进入下一个神经细胞［11］。基于以上原理，若权值向量定义为w=［w1，w2，…，wi］，人工神经网络模型被建立［11］：

因此，本文提出通过简单的案例进行介绍，从而激发学生学习人工智能的兴趣。

3.2 以问题为导向的教学

测量在智能制造领域中占据着重要的地位。通过讲解光干涉测量技术，学生可以了解激光干涉仪的工作原理，掌握干涉测量系统和干涉图的产生过程。在确定影响干涉测量技术存在的问题后，从干涉图去噪、相位解包裹及相位提取方面展开研讨。

例如，光干涉产生干涉图，而干涉图中包含不可避免的噪声如图2（a）所示。为提高测量精度，就需要对噪声干涉图进行去噪处理，以重建出清晰的干涉图，如图2（b）所示。基于噪声会影响精度问题，将干涉图去噪技术作为研讨方向之一。

干涉测量技术中，目前有多种干涉图相位提取方法，但大多数方法通常在处理时引入反正切计算，导致相位被包裹在（-π，π］。为获得真实相位［图2（d）］，对包裹相位处理是条纹分析的关键环节［12］。虽已有多种相位解包裹技术，但由于噪声干扰［图2（c）］、被测形貌复杂多变，解包裹较为困难，相位解包裹技术的应用场合也有区别。基于问题为导向，将相位解包裹技术作为第二研讨内容。

又例如，在干涉图处理中，提出多种干涉图解调方法以实现相位提取。但由于环境扰动、相移误差等因素，造成相位失真。为解决这些问题，单帧条纹图处理的动态测量极为必要，将单帧干涉图相位恢复技术为第三研讨内容。

3.3 研讨式教学

本校“当人工智能遇到精密测量”为主题的研讨课为小班制教学，根据三个研讨方向划分三组，每个小组将会根据兴趣选择一个方向，展开人工智能在以上问题中的应用研讨。特地将不同班级的同学进行分组，分组研讨既可以培养团队合作意识，提高凝聚力，亦利于同学间取长补短。每组中选择一位学习能力强、具有团队协作意识的同学为组长，这将有助于激发小组成员的学习兴趣和提高参与度。

3.3.1 研讨一：AI+干涉图去噪技术

目前有多种干涉图去噪的技术，首先需要同学去调研传统的条纹图去噪技术。然后去思考：这些技术有什么优缺点，是否满足工业需求？带着问题去探究各种技术。就目前而言，很多去噪技术无法满足工业需求，如需要较长的处理时间、精度不高等，而深度学习技术提供一种解决思路［13］。引导同学查阅文献、设计神经网络以实现去噪任务。

3.3.2 研讨二：AI+相位解包裹技术

引导学生思考为什么需要相位展开？目前，大部分相位恢复技术都需解包裹才得以重建三维轮廓，引导学生了解相位解包裹的必要性。在问题被抛出之后，组织学生调研深度学习在解包裹中的应用案例，每位同学需进行PPT汇报，设计深度学习解包裹框架，实现端到端的相位展开。

3.3.3 研讨三：AI+单帧干涉图相位提取技术

调研干涉测量原理，由组员查阅单帧干涉图处理技术。引导学生利用Matlab等工具实现干涉图相位提取，总结目前技术的优缺点。进一步思考如何使用深度学习来解决当前存在的问题？下一步，组织学生调研深度学习在单帧干涉图中的应用案例，每位成员分工进行PPT汇报，提出深度学习相位提取方案，最终实现单帧干涉图相位重建。

“学中思考，思考中创新”是科研创新的重要过程。本文通过讲解光学测量领域遇到的技术问题，引导学生提出人工智能的解决方案，为培养学术思维奠定基础。通过提出研讨方式的教学，既让学生认识科研，亦培养了本科生的科研兴趣；通过啟发教学方法，引导学生在面对困难问题时要多思考，寻找解决方案。

4 多元化的考核方式

注重学生在学习过程中的总体素质考核，本文提出通过过程考核与终结性考核相结合的多元化方式评价学生的学习能力、综合素养。

其一，建立过程考核机制（总分为100分，占总成绩20%）。根据出勤情况、课堂互动等表现给定成绩（总分为20分），分为三个成绩档位：（1）按时上下课，上课积极参与互动讨论，主动思考、提问，为13～20分档；（2）按时上课，出勤率高，有互动但积极性稍弱，为7～13分档；（3）缺勤次数较多，互动少，为0～7分档。此外，根据PPT汇报表现给予成绩（总分为80分）：（1）具有强的团队合作意识，PPT制作规范，报告内容准确、全面新颖，有理有据、逻辑性强，声音洪亮，为65～80分档；（2）团队意识较弱，PPT制作水平较低，报告内容较准确，有理有据但逻辑性稍弱，为40～65分档；（3）团队意识差，汇报内容拼凑，讲解不充分，逻辑性差，为0～40分档。

其二，建立终结性考核机制（总分100分，占总成绩80%）。期末考试形式是课程报告，以研讨课的内容进行课程报告，考查学生人工智能基础知识、光学检测理论、写作技巧、文档排版、创新思维等。

结语

本文以“人工智能遇到精密测量”为主题的新生研讨课为切入点，提出了新生研讨课的教学方法，阐述了课程达成的目标，以案例导入、问题导向、研讨教学等方式开展教学内容，并描述了多元化考核思路以及评价方式。通过本文研究，具有以下意义：（1）夯实科研基础，激发大一学生科研兴趣，培养创新型人才；（2）以问题为导向的教学方法，培养学生主动思考、文献检索、英文阅读、解决问题能力；（3）培养学生团队合作意识，树立职业理念。

参考文献：

［1］杨泽坤.《中国制造2025》与《德国工业战略2030》的异曲同工［J］.中国投资（中英文），2022，546（Z9）：2629.

［2］崔慧明，陈林.“中国制造2025”战略之“智能制造”［J］.科技经济市场，2022（04）：79.

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

［4］王龙，林兴浩，陈岚，等.国外发展先进制造业的战略部署及启示［J］.广东科技，2022，31（02）：3440.

［5］杨青，钟书华，柳婷.国外先进制造技术（AMT）的发展研究：一个文献综述［J］.科学管理研究，2021，39（04）：150158.

［6］刘贺贺，张田.国外智能制造政策发展动向［J］.通信企业管理，2016，350（06）：6467.

［7］张凌云，刘忠，熊中刚，等.新工科背景下智能制造工程专业的建设探索［J］.装备制造技术，2022，336（12）：161163+192.

［8］杨乾磊，周雨桦，包文欣，等.国内外新生研讨课教学现状的比较研究［J］.高教学刊，2023，9（02）：6164.

［9］黎昌金，覃燕梅，谢红雨，等.基于OBE理念的师范类专业课程目标达成评价研究［J］.应用型高等教育研究，2022，7（01）：5560+73.

［10］张驰，郭媛，黎明.人工神经网络模型发展及应用综述［J］.计算机工程与应用，2021，57（11）：5769.

［11］杨杰，黄晓霖，高岳，等.人工智能基础［M］．北京：机械工业出版社，2020.

［12］许少毅，冯廷宇，邢方方，等.三维形貌测量中单频相移条纹相位展开方法［J］.哈尔滨理工大学学报，2022，27（05）：18.

［13］陶立清，黄国满，杨书成，等.一种利用卷积神经网络的干涉图去噪方法［J］.武汉大学学报（信息科学版），2023，48（04）：559567.

基金项目：常州大学教育教学研究课题（GJY2020079）：基于OBE 理念的程序设计课程项目化实施研究——以机械电子工程专业为例

作者简介：闫恪涛（1991— ），男，汉族，山东泰安人，博士，讲师，研究方向：光学检测与人工智能。