鄒 亮，李會(huì)軍，王曄楓，雷 萌

（中國礦業(yè)大學(xué)信息與控制工程學(xué)院，江蘇徐州221116）

一、引言

在新時(shí)代背景下，黨的十九大明確了以“加快一流大學(xué)和一流學(xué)科建設(shè)，實(shí)現(xiàn)高等教育內(nèi)涵式發(fā)展”為基本原則的重要戰(zhàn)略部署。［1］［2］［3］行業(yè)特色高校是在我國經(jīng)濟(jì)建設(shè)的特殊歷史時(shí)期整合成立的，面向礦業(yè)、石油、地質(zhì)等產(chǎn)業(yè)，形成了特色鮮明的學(xué)科專業(yè)和具有獨(dú)特優(yōu)勢(shì)的科研平臺(tái)。［4］［5］［6］以中國礦業(yè)大學(xué)為例，作為全國唯一一所以礦業(yè)命名的特色行業(yè)高校，是一所工科為主，理、工、文、管等多學(xué)科協(xié)同發(fā)展的綜合性大學(xué)。［7］在“新工科”視域下，［8］為加快我?！半p一流”建設(shè)的進(jìn)程，在一線教學(xué)工作中應(yīng)重視實(shí)踐教學(xué)、強(qiáng)化應(yīng)用型人才培養(yǎng)，［9］［10］通過積極探索，開設(shè)綜合性、創(chuàng)新性的實(shí)驗(yàn)課程，提高學(xué)生的實(shí)踐和創(chuàng)新能力。

《人工智能基礎(chǔ)》是為電子信息類、自動(dòng)化類、計(jì)算機(jī)類和智能采礦等專業(yè)的本科生開設(shè)的一門專業(yè)主干課程。該課程數(shù)學(xué)推導(dǎo)多、理論性強(qiáng)，實(shí)驗(yàn)環(huán)節(jié)是學(xué)生接觸人智能系統(tǒng)，并將基礎(chǔ)理論實(shí)用化思維訓(xùn)練的重要教學(xué)手段。［11］然而，現(xiàn)有的實(shí)驗(yàn)課程，以驗(yàn)證性為主，實(shí)驗(yàn)對(duì)象工程性較弱，學(xué)生對(duì)理論與實(shí)際之間的關(guān)聯(lián)認(rèn)識(shí)模糊。如何培養(yǎng)學(xué)生利用人工智能的思想和理論方法，面向?qū)嶋H工程項(xiàng)目，分析問題、設(shè)計(jì)方案并解決問題，是“雙一流”建設(shè)過程中課程教學(xué)改革亟待解決的問題。如何在實(shí)踐教學(xué)環(huán)節(jié)中，融入思想政治教育，培養(yǎng)“好學(xué)力行、求是創(chuàng)新、艱苦奮斗、自強(qiáng)不息”的“礦大人”特有的精神，［12］也是高校立德樹人的根本任務(wù)。

鑒于此，以“理實(shí)交融、項(xiàng)目導(dǎo)向、綜合運(yùn)用、注重創(chuàng)新”為實(shí)驗(yàn)教學(xué)理念，融入“課程思政”，依托于現(xiàn)代分析與計(jì)算中心以及學(xué)院國家級(jí)電工電子實(shí)驗(yàn)中心，結(jié)合煤炭能源生產(chǎn)利用的特殊背景，研究面向“雙一流”建設(shè)的行業(yè)特色高校人工智能創(chuàng)新實(shí)踐教學(xué)改革。

二、傳統(tǒng)《人工智能基礎(chǔ)》實(shí)驗(yàn)課程

由現(xiàn)有的《人工智能基礎(chǔ)》課程教學(xué)大綱可知，實(shí)驗(yàn)開設(shè)4個(gè)教學(xué)單元，共計(jì)16個(gè)學(xué)時(shí)。教學(xué)內(nèi)容主要包括房?jī)r(jià)預(yù)測(cè)、手寫字符識(shí)別、聚類算法應(yīng)用和簡(jiǎn)單圖像處理等，具體內(nèi)容如表1所示。現(xiàn)有實(shí)驗(yàn)課程以純理論講述系統(tǒng)工程，教學(xué)模式單一，實(shí)驗(yàn)對(duì)象工程性較弱，一定程度上限制了學(xué)生學(xué)習(xí)的積極主動(dòng)性，興趣難以激發(fā)，不能滿足對(duì)實(shí)踐與創(chuàng)新能力培養(yǎng)的要求。

表1 《人工智能基礎(chǔ)》實(shí)驗(yàn)內(nèi)容安排

三、構(gòu)建以行業(yè)特色工程問題為載體的實(shí)驗(yàn)教學(xué)模式

《人工智能基礎(chǔ)》課程教學(xué)多為數(shù)學(xué)公式推導(dǎo)，學(xué)生難以將所學(xué)的理論知識(shí)與實(shí)際智能系統(tǒng)工程問題結(jié)合應(yīng)用，進(jìn)而造成諸多學(xué)生在學(xué)習(xí)過程中存在得過且過的消極心態(tài)。另外，教師課堂講授內(nèi)容過多，學(xué)生缺少獨(dú)立思考與實(shí)踐環(huán)節(jié)，將導(dǎo)致學(xué)生對(duì)于抽象的人工智能理論方法和Python編程規(guī)則印象不夠深刻，使教學(xué)質(zhì)量難以達(dá)標(biāo)。

結(jié)合中國礦業(yè)大學(xué)的行業(yè)特色，以實(shí)際工程項(xiàng)目為載體，開展命題式的實(shí)驗(yàn)教學(xué)模式。將人工智能算法用于煤礦安全生產(chǎn)、加工利用等環(huán)節(jié)中，主要包括：基于近紅外光譜分析技術(shù)的煤矸石分選、煤礦工人安全帽佩戴與人臉在線檢測(cè)、煤礦突水、瓦斯爆炸等煤礦災(zāi)害的區(qū)域態(tài)勢(shì)預(yù)警等方面，具體課時(shí)安排如表2。通過以項(xiàng)目為載體的創(chuàng)新性實(shí)踐訓(xùn)練，讓學(xué)生在完成項(xiàng)目的過程中掌握專業(yè)知識(shí)，并培養(yǎng)鍛煉其信息檢索、建模推理、解決復(fù)雜工程問題等方面的能力。

表2 《人工智能基礎(chǔ)》實(shí)驗(yàn)內(nèi)容安排2.0

（一）基于近紅外光譜技術(shù)的煤矸石分選

項(xiàng)目問題：利用近紅外光譜分析技術(shù)實(shí)現(xiàn)煤與矸石的智能分選。

實(shí)驗(yàn)數(shù)據(jù)：實(shí)驗(yàn)搜集煤塊和矸石樣本各54份，并對(duì)其賦予標(biāo)簽作為模型的輸出變量，其中煤塊標(biāo)簽為1，矸石為0。利用MicroNIR Pro手持式光譜儀分別掃描樣本光譜圖，作為模型的輸入變量。

實(shí)驗(yàn)方法：核心算法為BP神經(jīng)網(wǎng)絡(luò)和遺傳算法。BP神經(jīng)網(wǎng)絡(luò)模型用于構(gòu)建煤與矸石分類模型，遺傳算法用于優(yōu)化識(shí)別網(wǎng)絡(luò)模型的參數(shù)。具體實(shí)驗(yàn)過程如圖1。

圖1 煤矸石識(shí)別實(shí)驗(yàn)流程圖

模型評(píng)價(jià)：實(shí)驗(yàn)指導(dǎo)教師準(zhǔn)備待測(cè)煤矸石樣本數(shù)據(jù)20組，輸入已訓(xùn)練好的模型，通過分析計(jì)算煤矸石樣本預(yù)測(cè)結(jié)果的準(zhǔn)確率（Accuracy）、精確率（Precision）和召回率（Recall）3個(gè)指標(biāo)，對(duì)學(xué)生實(shí)驗(yàn)成績(jī)予以評(píng)定。各指標(biāo)的計(jì)算公式如下，

其中TP、TN、FN以及FP的定義如表3所示。

表3 真實(shí)值與預(yù)測(cè)值的關(guān)系

經(jīng)過反復(fù)仿真測(cè)試，模型預(yù)測(cè)結(jié)果的準(zhǔn)確率最高值和平均值分別約為95%、87%；精確率分別約為95%、89%；召回率分別約為96%、86%。因此，在3個(gè)指標(biāo)平均值的基礎(chǔ)上，若總體增加10%以上，則實(shí)驗(yàn)成績(jī)?yōu)閮?yōu)秀；若增加5～10%為良好；若增加-5～5%為中等；若增加＜-5%則為合格。

（二）基于YOLOV4的煤礦工人安全帽佩戴檢測(cè)

項(xiàng)目問題：利用深度學(xué)習(xí)算法實(shí)現(xiàn)煤礦井下工人安全帽佩戴情況的智能在線檢測(cè)。

實(shí)驗(yàn)學(xué)時(shí)：6學(xué)時(shí)

實(shí)驗(yàn)數(shù)據(jù)：從互聯(lián)網(wǎng)搜集5000張工人佩戴安全帽的圖片，并利用labelImg對(duì)圖片樣本進(jìn)行標(biāo)注。其中，標(biāo)簽包括：person為圖片樣本中未佩戴安全帽的人頭部分，hat為圖片樣本中佩戴安全帽的人頭部分。

實(shí)驗(yàn)方法：核心算法為YOLO目標(biāo)檢測(cè)網(wǎng)絡(luò)，實(shí)現(xiàn)安全帽的佩戴檢測(cè)。利用YOLOv4官方發(fā)布的權(quán)重對(duì)安全帽檢測(cè)模型參數(shù)進(jìn)行初始化，并利用訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化和訓(xùn)練過程監(jiān)控。具體實(shí)驗(yàn)過程如圖2。

圖2 煤礦井下工人安全帽檢測(cè)流程

模型評(píng)價(jià)：實(shí)驗(yàn)指導(dǎo)教師將一組煤礦井下某工段攝像頭采集的視頻作為測(cè)試數(shù)據(jù)，要求學(xué)生間隔10秒獲取一幀圖像，并對(duì)構(gòu)建的Yolov4模型，利用AP（平均精度）和mAP（平均精度均值）2個(gè)指標(biāo)對(duì)其性能進(jìn)行測(cè)試。其中AP為precision與recall繪制的曲線面積，mAP是AP平均值。

經(jīng)過反復(fù)測(cè)試，對(duì)于訓(xùn)練集數(shù)據(jù)最優(yōu)mAP大約在88%，測(cè)試集數(shù)據(jù)最優(yōu)mAP約為85%，測(cè)試效果如4所示。根據(jù)模型的mAP值，將學(xué)生實(shí)驗(yàn)操作成績(jī)?yōu)橐韵聨讉€(gè)等級(jí)：mAP≥85%為優(yōu)秀；80% ～85%為良好；65%～80%為中等；65%以下為合格。

（三）命題式的開放式創(chuàng)新性實(shí)踐課程設(shè)計(jì)

在完成上述兩個(gè)主題的必做實(shí)驗(yàn)內(nèi)容后，學(xué)生還可開展命題式的開放式創(chuàng)新性實(shí)踐教學(xué)。該教學(xué)環(huán)節(jié)中，以學(xué)生為中心，教師在布置任務(wù)要求后自動(dòng)“隱身”，讓學(xué)生自擬主題、自由組隊(duì)、自主研究。最終提交一份包含項(xiàng)目的研究意義、研究現(xiàn)狀、研究方法、研究方案及結(jié)果分析等內(nèi)容的報(bào)告和實(shí)驗(yàn)結(jié)果。具體實(shí)際“項(xiàng)目”問題主要包括3種：

1.結(jié)合獨(dú)有的行業(yè)特色，將人工智能算法用于煤礦安全方面，如煤礦危險(xiǎn)區(qū)域違章操作檢測(cè)、堆煤預(yù)警、煤流異物檢測(cè)等；

2.利用開源的標(biāo)準(zhǔn)數(shù)據(jù)，將學(xué)習(xí)的理論算法用于前言熱點(diǎn)問題的智能預(yù)測(cè)，如新型冠狀病毒感染傳播的預(yù)測(cè)等；

3.根據(jù)實(shí)驗(yàn)室現(xiàn)有的機(jī)械臂、機(jī)器人等先進(jìn)的實(shí)驗(yàn)器具，分析所學(xué)理論方法的可行性，讓設(shè)備按任務(wù)要求自主運(yùn)行。

以項(xiàng)目為載體的實(shí)踐訓(xùn)練，讓學(xué)生在完成項(xiàng)目過程中掌握專業(yè)知識(shí)，培養(yǎng)其信息檢索、建模與推理、解決復(fù)雜工程問題等方面的能力。實(shí)驗(yàn)教師發(fā)布基于上述特色主題的項(xiàng)目后，由學(xué)生自主搜集查閱相關(guān)文獻(xiàn)和組建團(tuán)隊(duì)；然后，根據(jù)所申項(xiàng)目問題的任務(wù)要求，給出研究方法、具體的研究技術(shù)路線和團(tuán)隊(duì)成員分工；最后，在課程結(jié)束后提交結(jié)題報(bào)告，并由實(shí)驗(yàn)教師項(xiàng)目進(jìn)行現(xiàn)場(chǎng)驗(yàn)收?；陧?xiàng)目管理模式的實(shí)驗(yàn)課程考核方法，以學(xué)生為主，自由發(fā)揮自身的創(chuàng)造力。在培養(yǎng)其團(tuán)隊(duì)協(xié)作能力的同時(shí)，加深了對(duì)人工智能理論的認(rèn)知，無形之中訓(xùn)練了學(xué)生利用理論知識(shí)解決智能系統(tǒng)工程問題的思維。

四、結(jié)語

基于對(duì)傳統(tǒng)實(shí)驗(yàn)教學(xué)模式的反思，在“雙一流”建設(shè)背景下，結(jié)合中國礦業(yè)大學(xué)鮮明的行業(yè)特色，以煤礦安全生產(chǎn)中實(shí)際工程問題為對(duì)象，營(yíng)造了“理實(shí)交融、項(xiàng)目導(dǎo)向”綜合實(shí)驗(yàn)環(huán)境，構(gòu)建“基礎(chǔ)型驗(yàn)證實(shí)驗(yàn)—提升型創(chuàng)新實(shí)驗(yàn)”兩個(gè)層次、虛實(shí)結(jié)合的立體化人工智能實(shí)踐教學(xué)體系。充分發(fā)揮中國礦業(yè)大學(xué)的行業(yè)特色與品牌優(yōu)勢(shì)，為社會(huì)培養(yǎng)創(chuàng)新型的工程人才。此外，課程組將在開放實(shí)驗(yàn)平臺(tái)的基礎(chǔ)上，引入更多的工程問題、開源項(xiàng)目和平臺(tái)，推動(dòng)全方位優(yōu)質(zhì)教學(xué)資源的整合與共享。積極響應(yīng)習(xí)近平總書記“人人皆學(xué)、處處能學(xué)和時(shí)時(shí)可學(xué)”學(xué)習(xí)型社會(huì)建設(shè)的號(hào)召，使《人工智能》這一個(gè)熱門課程的學(xué)習(xí)不再受身份、空間和時(shí)間的限制。