人工智能创新实验的设计与实践探索

冯 双，朱 磊，董 亮

（齐齐哈尔大学通信与电子工程学院，黑龙江齐齐哈尔 161000）

0 引言

随着互联网、大数据、云计算和物联网等技术不断发展，人工智能正引发链式反应般的的科学突破、催生一批颠覆性技术，加速培育经济发展新动能、塑造新型产业体系，引领新一轮科技革命和产业变革。在此背景下教育部于2018 年4 月印发了《高等学校人工智能创新行动计划》［1］，指出人工智能理论和技术具有普适性、迁移性和渗透性的特点，应积极开展“新工科”研究与实践，重视人工智能与计算机、控制等学科专业教育的交叉融合，探索“人工智能＋X”的人才培养模式。2017 年习近平总书记在十九大报告中指出，要深化产教融合，加快应用型、复合型、创新型人才培养机制［2］。复合型的人工智能创新人才的培养正是我们目前面临的一个重要课题。

校企合作教学模式对于实践性较强的工科是必要而迫切的，是培养工科高级复合型人才的必由之路［3］。2019 年5 月我校与齐齐哈尔重型数控装备股份有限公司签署校企战略合作协议、共建黑龙江智能机床研究院，通过承担一系列核心关键技术研发、成果转化、产业化项目和人才培养，发挥各自优势，提升双方科技创新能力与核心竞争力，助力地方经济发展。本文以此校企合作为依托，将校企合作的科研项目融入课程教学之中，从跨学科知识融合角度构建了人工智能创新实验，实现了理论教学与实践教学融汇贯通，提高了学生对知识理解与综合应用能力、团队合作与创新能力，也为复合型创新人才的培养奠定了基础。

1 创新实验构建方案

人工智能是一门综合性很强的学科、理论性较强、内容抽象，而实验教学是理论课程的具体化，是人工智能课程不可缺少的一个重要环节［4］。当前高校人工智能实验课程存在集中的教学模式与单一化的教学评价等问题，这严重影响了人工智能实验课程的教学质量［5］，针对学科的特点和人工智能实验课存在的问题，依托智能机床研究院校企合作项目构建了跨学科知识融合的激光超声缺陷检测创新实验方案，具体如图1 所示。

图1 跨学科知识融合创新实验构建方案

实验被划分为激光超声和人工智能两部分，是涉及光学、声学、电学、材料学以及人工智能等学科知识的综合实验，是人工智能在机械设备产品无损检测方面的重要应用［6-7］。此创新实验针对人工智能专业的本科学生开设，以校企合作项目为载体，旨在培养基础扎实、综合素质高、具备创新精神的应用型人才。

2 创新实验设计与实施

2.1 激光超声缺陷检测原理

脉冲激光辐射在固体样品上表面的能量一部分被反射，另一部分被样品表层快速吸收后转化成热能，并主要以热传导的形式向材料内部传递，在激光作用表层处及下方附近很小的区域内形成温度梯度场，导致材料发生热膨胀，由于介质周围的约束产生应力分布，从而激发出超声波［8］（见图2）。

图2 激光超声的激发机理

2.2 创新实验内容设计与分析

依据实验的进程和所应用的理论知识，跨学科知识融合的激光超声缺陷检测创新实验划分为以下既相互联系又可互相独立的3 个模块：

（1）激光超声缺陷检测的有限元仿真实验。此实验利用comsol有限元仿真软件进行，仿真模型建立，建立流程如图3 所示。图4 所示为激光与材料相互作用的云图，图中显示出横波、纵波、表面波等各类型超声波的产生。通过材料、结构力学、传热、热膨胀等物理场构建激光超声的仿真模型，这是光学、声学、材料学等学科知识的综合体现。此实验模块重点仿真激光光源参数、材料几何尺寸、缺陷位置与尺寸对激光超声的影响，通过激光超声的波形特点分析缺陷的位置和尺寸，具体实验内容如图5 所示。实验中激光光源参数（光功率、半径、上升时间）、缺陷参数（位置、尺寸、形状）、材料参数（材料属性、几何尺寸）均需进行调整变化，可满足每位同学一个实验项目的设置，避免了传统实验中所有同学共做同一实验的集中式教学模式，充分调动每一位学生的主观能动性，提升学生的独立操作与动手能力；并且通过软件中不同算法的选择得到最佳的计算结果，更为直观地理解数值分析、离散数学等较为抽象的理论课程知识。

图3 激光超声有限元仿真模型建立流程

图4 激光超声与材料的相互作用

图5 激光超声缺陷数值仿真实验内容

（2）激光超声缺陷检测数据处理实验。激光超声检测具有非接触测量、信号带宽宽、适用材料广、可重复产生很窄的超声脉冲以及具有极高的时空分辨率等优点，在无损检测技术领域中具有很大的发展潜力，已逐渐成为材料微缺陷检测的一种重要手段和发展方向［9］。在对激光超声的检测中，信号的完整提取和准确处理是关键技术之一［10-11］。

基于激光超声缺陷检测的有限元仿真实验，可得到一系列的含缺陷特征的激光超声时域信号波形（见图6），分析可知含缺陷特征的回波峰与缺陷的深度、位置直接相关，利用傅里叶变换、小波变换等信号分析方法对时频信号进行数据分析，提取均方根、峰值因子（波峰因素）、峭度指标、波形因子（波形指标）、脉冲指标、裕度系数、能量熵等特征参数［12-13］，通过多特征参数融合提取揭示超声信号在不同时间、空间尺度上的内在特征，从而为缺陷评估提供准确的信息。此实验将信号分析与数据挖掘理论课程的知识融入创新实验，引导学生加深对理论知识的理解，掌握数据分析技巧、建立用于缺陷预测的数据集。

图6 激光超声响应谱

（3）基于机器学习的缺陷预测实验。本实验目的在于通过多参数融合方法预测缺陷的位置、尺寸等信息。基于实验（2）的数据分析建立用于缺陷预测的数据集，引导学生对核神经网络（Kernel neural network，KNN）、贝叶斯、逻辑回归、神经网络、支持向量机（Support vector machine，SVM）［14-16］等常用机器学习算法进行交叉验证，选定最优化的分类学习算法和模型，对缺陷进行分类和预测，流程如图7 所示。

图7 机器学习流程图

2.3 创新实验的实施与考核

（1）基于课程平台的线上预习机制的建设。人工智能是一门多学科交叉融合的专业，应用于人们生活的各个领域，2017 年人工智能行业发展研究报告白皮书显示我国目前急需创新性的人工智能复合人才［17］。基于创新性的人工智能复合人才的培养目标创建此实验，旨在引导学生加深对专业知识的理解和应用，了解行业需求。然而课程课堂教学时间有限，学生在课堂教学中无法对所有知识进行深入理解，特别是学科交叉性较强的知识，在此情况下，课程组基于我校课程平台构建了实验预习机制。通过教学视频、课程PPT、实验案例、教学软件及人工智能领域前沿文献和技术等几个模块的设计引导学生课下对知识提前预习和线下复习，了解行业前景，体会人工智能快速发展的魅力，激发学生对知识和科研探索的兴趣；设置线上预习测试题借此考查学生对知识和实验的理解及掌握程度，保障线上学习的质量。

（2）因材施教的自主、开放实验设计。激光超声缺陷检测的有限元仿真实验整体包括激光超声的有限元数值仿真、特征参数提取、机器学习进行缺陷预测3个部分，而每个部分均可采用不同的策略来实现。教学中教师提供3 种以上的实验方案供学生选择与参考，学生可根据个人的兴趣和特长选择适合的方案并进行方案的改进、选择同一方案的同学可在教师的指导下通过多人协作的方式完成实验到达预期目标。此设计可以发挥每个学生的特长、充分调动学生的主观能动性。

（3）多元考核方式的实现策略。教学评价是人工智能实验课的重要环节，它是检测课堂教学质量的重要依据。为改善现行的以实验报告和操作为考核依据的单一化考核方式，此创新实验采取线上、线下相结合的方式进行考核，线上考核内容侧重于基本知识和基本实验操作的考查，考核通过后方可进行线下实验；线下的考核包括实验操作、实验报告和答辩，与传统实验考核方式不同，此实验引入了答辩环节，在实验开展之初和结束两个阶段对分组学生的实验方案设计和实验结果进行考核，由学生互评和教师评价两个部分构成答辩评分，这可以有效保障实验方案的正确性和可实施性，通过学生互动和师生互动实现教学相长。

3 结语

以校企合作为契机、以工程应用为目的，建立了跨学科知识融合的人工智能创新实验，将激光超声的物理建模、数值模拟、数据处理、机器学习算法等跨学科知识引入到人工智能课程教学中。通过线上实验预习平台构建、因材施教的自主实验方案设计机制和多元化的考核方式保障了创新实验的实施。此创新实验的构建可充分激发学生的学习热情，将碎片化的知识加以整合，融会贯通，同时可以培养学生的团队协作能力、创新能力。