鄒 亮，李會軍，王曄楓，雷 萌

（中國礦業(yè)大學信息與控制工程學院，江蘇徐州221116）

一、引言

在新時代背景下，黨的十九大明確了以“加快一流大學和一流學科建設，實現高等教育內涵式發(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濟建設的特殊歷史時期整合成立的，面向礦業(yè)、石油、地質等產業(yè)，形成了特色鮮明的學科專業(yè)和具有獨特優(yōu)勢的科研平臺。［4］［5］［6］以中國礦業(yè)大學為例，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、管等多學科協(xié)同發(fā)展的綜合性大學。［7］在“新工科”視域下，［8］為加快我?！半p一流”建設的進程，在一線教學工作中應重視實踐教學、強化應用型人才培養(yǎng)，［9］［10］通過積極探索，開設綜合性、創(chuàng)新性的實驗課程，提高學生的實踐和創(chuàng)新能力。

《人工智能基礎》是為電子信息類、自動化類、計算機類和智能采礦等專業(yè)的本科生開設的一門專業(yè)主干課程。該課程數學推導多、理論性強，實驗環(huán)節(jié)是學生接觸人智能系統(tǒng)，并將基礎理論實用化思維訓練的重要教學手段。［11］然而，現有的實驗課程，以驗證性為主，實驗對象工程性較弱，學生對理論與實際之間的關聯認識模糊。如何培養(yǎng)學生利用人工智能的思想和理論方法，面向實際工程項目，分析問題、設計方案并解決問題，是“雙一流”建設過程中課程教學改革亟待解決的問題。如何在實踐教學環(huán)節(jié)中，融入思想政治教育，培養(yǎng)“好學力行、求是創(chuàng)新、艱苦奮斗、自強不息”的“礦大人”特有的精神，［12］也是高校立德樹人的根本任務。

鑒于此，以“理實交融、項目導向、綜合運用、注重創(chuàng)新”為實驗教學理念，融入“課程思政”，依托于現代分析與計算中心以及學院國家級電工電子實驗中心，結合煤炭能源生產利用的特殊背景，研究面向“雙一流”建設的行業(yè)特色高校人工智能創(chuàng)新實踐教學改革。

二、傳統(tǒng)《人工智能基礎》實驗課程

由現有的《人工智能基礎》課程教學大綱可知，實驗開設4個教學單元，共計16個學時。教學內容主要包括房價預測、手寫字符識別、聚類算法應用和簡單圖像處理等，具體內容如表1所示?，F有實驗課程以純理論講述系統(tǒng)工程，教學模式單一，實驗對象工程性較弱，一定程度上限制了學生學習的積極主動性，興趣難以激發(fā)，不能滿足對實踐與創(chuàng)新能力培養(yǎng)的要求。

表1 《人工智能基礎》實驗內容安排

三、構建以行業(yè)特色工程問題為載體的實驗教學模式

《人工智能基礎》課程教學多為數學公式推導，學生難以將所學的理論知識與實際智能系統(tǒng)工程問題結合應用，進而造成諸多學生在學習過程中存在得過且過的消極心態(tài)。另外，教師課堂講授內容過多，學生缺少獨立思考與實踐環(huán)節(jié)，將導致學生對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，使教學質量難以達標。

結合中國礦業(yè)大學的行業(yè)特色，以實際工程項目為載體，開展命題式的實驗教學模式。將人工智能算法用于煤礦安全生產、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的煤矸石分選、煤礦工人安全帽佩戴與人臉在線檢測、煤礦突水、瓦斯爆炸等煤礦災害的區(qū)域態(tài)勢預警等方面，具體課時安排如表2。通過以項目為載體的創(chuàng)新性實踐訓練，讓學生在完成項目的過程中掌握專業(yè)知識，并培養(yǎng)鍛煉其信息檢索、建模推理、解決復雜工程問題等方面的能力。

表2 《人工智能基礎》實驗內容安排2.0

（一）基于近紅外光譜技術的煤矸石分選

項目問題：利用近紅外光譜分析技術實現煤與矸石的智能分選。

實驗數據：實驗搜集煤塊和矸石樣本各54份，并對其賦予標簽作為模型的輸出變量，其中煤塊標簽為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。

實驗方法：核心算法為BP神經網絡和遺傳算法。BP神經網絡模型用于構建煤與矸石分類模型，遺傳算法用于優(yōu)化識別網絡模型的參數。具體實驗過程如圖1。

圖1 煤矸石識別實驗流程圖

模型評價：實驗指導教師準備待測煤矸石樣本數據20組，輸入已訓練好的模型，通過分析計算煤矸石樣本預測結果的準確率（Accuracy）、精確率（Precision）和召回率（Recall）3個指標，對學生實驗成績予以評定。各指標的計算公式如下，

其中TP、TN、FN以及FP的定義如表3所示。

表3 真實值與預測值的關系

經過反復仿真測試，模型預測結果的準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個指標平均值的基礎上，若總體增加10%以上，則實驗成績?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

項目問題：利用深度學習算法實現煤礦井下工人安全帽佩戴情況的智能在線檢測。

實驗學時：6學時

實驗數據：從互聯網搜集5000張工人佩戴安全帽的圖片，并利用labelImg對圖片樣本進行標注。其中，標簽包括：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。

實驗方法：核心算法為YOLO目標檢測網絡，實現安全帽的佩戴檢測。利用YOLOv4官方發(fā)布的權重對安全帽檢測模型參數進行初始化，并利用訓練數據和驗證數據進行參數優(yōu)化和訓練過程監(jiān)控。具體實驗過程如圖2。

圖2 煤礦井下工人安全帽檢測流程

模型評價：實驗指導教師將一組煤礦井下某工段攝像頭采集的視頻作為測試數據，要求學生間隔10秒獲取一幀圖像，并對構建的Yolov4模型，利用AP（平均精度）和mAP（平均精度均值）2個指標對其性能進行測試。其中AP為precision與recall繪制的曲線面積，mAP是AP平均值。

經過反復測試，對于訓練集數據最優(yōu)mAP大約在88%，測試集數據最優(yōu)mAP約為85%，測試效果如4所示。根據模型的mAP值，將學生實驗操作成績?yōu)橐韵聨讉€等級：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)新性實踐課程設計

在完成上述兩個主題的必做實驗內容后，學生還可開展命題式的開放式創(chuàng)新性實踐教學。該教學環(huán)節(jié)中，以學生為中心，教師在布置任務要求后自動“隱身”，讓學生自擬主題、自由組隊、自主研究。最終提交一份包含項目的研究意義、研究現狀、研究方法、研究方案及結果分析等內容的報告和實驗結果。具體實際“項目”問題主要包括3種：

1.結合獨有的行業(yè)特色，將人工智能算法用于煤礦安全方面，如煤礦危險區(qū)域違章操作檢測、堆煤預警、煤流異物檢測等；

2.利用開源的標準數據，將學習的理論算法用于前言熱點問題的智能預測，如新型冠狀病毒感染傳播的預測等；

3.根據實驗室現有的機械臂、機器人等先進的實驗器具，分析所學理論方法的可行性，讓設備按任務要求自主運行。

以項目為載體的實踐訓練，讓學生在完成項目過程中掌握專業(yè)知識，培養(yǎng)其信息檢索、建模與推理、解決復雜工程問題等方面的能力。實驗教師發(fā)布基于上述特色主題的項目后，由學生自主搜集查閱相關文獻和組建團隊；然后，根據所申項目問題的任務要求，給出研究方法、具體的研究技術路線和團隊成員分工；最后，在課程結束后提交結題報告，并由實驗教師項目進行現場驗收?；陧椖抗芾砟Ｊ降膶嶒炚n程考核方法，以學生為主，自由發(fā)揮自身的創(chuàng)造力。在培養(yǎng)其團隊協(xié)作能力的同時，加深了對人工智能理論的認知，無形之中訓練了學生利用理論知識解決智能系統(tǒng)工程問題的思維。

四、結語

基于對傳統(tǒng)實驗教學模式的反思，在“雙一流”建設背景下，結合中國礦業(yè)大學鮮明的行業(yè)特色，以煤礦安全生產中實際工程問題為對象，營造了“理實交融、項目導向”綜合實驗環(huán)境，構建“基礎型驗證實驗—提升型創(chuàng)新實驗”兩個層次、虛實結合的立體化人工智能實踐教學體系。充分發(fā)揮中國礦業(yè)大學的行業(yè)特色與品牌優(yōu)勢，為社會培養(yǎng)創(chuàng)新型的工程人才。此外，課程組將在開放實驗平臺的基礎上，引入更多的工程問題、開源項目和平臺，推動全方位優(yōu)質教學資源的整合與共享。積極響應習近平總書記“人人皆學、處處能學和時時可學”學習型社會建設的號召，使《人工智能》這一個熱門課程的學習不再受身份、空間和時間的限制。