0 引 言
人工智能产业不仅需要人工智能理论新模型和方法等关键技术研究，更需要能够综合运用交叉知识，从系统层面来设计构建以人工智能技术为核心的软硬件协同、算法和芯片协同、边缘场景人机协同的人工智能系统，从而解决面向国家经济社会发展和信息技术行业的重大需求[1]，所以培养人工智能专业学生的系统化能力显得尤为重要。经过近些年的发展，国内高校在计算机系统能力培养方面已经有很好的成效[2-5]，但是缺少对人工智能专业的系统能力的侧重。
同时，教育部在高等学校人工智能创新行动计划中也指出关于加强人工智能人才培养力度，要完善人工智能领域多主体协同育人机制，推广实施人工智能领域产学合作协同育人项目，以产业和技术发展的最新成果推动人才培养改革。推动科教结合、产教融合协同育人的模式创新，多渠道培养人工智能领域创新创业人才[6]。
计算机视觉实验是人工智能专业核心实验课程之一，是人工智能人才动手能力培养重要环节，鉴于此，有必要以人工智能专业学生的系统综合能力培养为目标，依托教育部－华为智能基座协同育人项目，面向人工智能行业真实需求，设计开发计算机视觉在深度学习方向的行业端到端软硬件协同系统应用项目，从底层芯片、深度学习框架、深度学习模型到开发应用进行系统贯穿；从实验教学总体思路、实验内容、实验教学方法与思政融入等方面进行计算机视觉实验教学改革。
1 计算机视觉实验课程的学情分析
由于计算机视觉实验课程涉及的交叉学科较多，行业技术应用更新快，所以教学内容要能紧跟行业企业需求，具有行业领先性。2021年开设了第一批次实验是基于华为MindSpore平台与Atlas200套件，实现设计面向深度学习的人脸检测与人脸识别综合实验平台[7]。实验完成后我们进行了总结，并对2022年春季开课前进行了课前调查，结合已有问题和现阶段的学生情况，进行学情分析，以便针对问题重构实验教学。
1.1 以往实验的总结分析
（1）实验难度高。由于该实验具有较强综合性，需要掌握操作系统、计算机网络、计算机视觉等相关知识，对学生的知识储备，系统能力有一定要求；
（2）开发板的环境配置复杂。由于学生对华为Atlas200DK开发板硬件不是很了解，另外采用的开发板交叉编译，分设环境配置比较复杂，版本兼容性不高，导致大部分学生最终卡在环境配置步骤；
（3）授课与实验学时不足，指导书不够详尽。
1.2 课前学情调查分析
计算机视觉实验课前问卷调查共回收有效结果57份（共发放67份，在57份中男生47人，女生10人）。主要从以下5个方面进行调查分析（见表1）。
1.3 与实验有关的课前知识学习情况调查
面向行业真实需求的企业级系统平台需要涉及传感器获取、系统开发综合运用和网络、操作系统、图像处理、软件开发等综合知识，需要对学生的知识掌握情况进行摸底，便于后续的实验内容和活动安排。通过调查发现，大多数学生熟练掌握计算机网络和Python开发，超半数的学生熟悉操作系统和图像处理相关知识和技术，薄弱地方在于深度学习框架，学生的掌握情况只有45.61%。具体调查数据见表2。
其中对华为昇腾技术，特别是华为面向生产环境的边缘终端设备——Atlas200DK开发板，只有24.55%的学生部分了解，可以看到学生对面向行业需求的技术和平台还是有鸿沟。
1.4 实验期望
主要针对实验期望掌握知识、实验内容、实验难度、实验模式4个方面进行调查。超过60%的学生期望能通过此实验加强对计算机视觉和深度学习算法进一步掌握（见表3）。
对实验教学资源在线平台+线下实验相结合的混合实验教学模式调查， 66.67%的学生认为有必要实施，可随时随地获取在线资源进行自主化学习，方便作业发布提交资源获取，说明大部分学生还是希望通过线上与线下混合的教学模式。
1.5 自身能力评估
人工智能专业学生的能力进行自我评估，分值为1—10分，分值越大代表能力值越高，最高分为10（见表4）。可以看到，同学们在系统综合能力及动手能力自评值都未超过4分。自主学习能力自评值稍高，为4.16分。工程实践能力自评分数最低，为3.74分。
1.6 毕业就业情况
本科毕业后其中66.7%的同学准备考研，进一步深造的学生占比71%，另外有29%学生有就业打算。对学生以后就业从事人工智能产业链进行调查，其中产业链分为四大类，包括A上游基础层：研发基础性硬件和软件，例如芯片、传感器以及各类计算能力平台工作；B中游技术层：各类感知技术与深度学习技术，如计算机视觉、语音识别、自然语言处理等；C下游应用层：面向应用场景解决方案，如智能医疗、智能家居、机器人、无人驾驶等；D其他，经调查显示，大多数学生想从事中下游技术领域，即有关感知技术与深度学习技术与面向应用场景的解决方案，从事基础硬件芯片和计算平台开发的人较少，占比7.02%，另外有部分学生想从事前端或非本专业相关工作，占比17.54%。
1.7 其他建议
（1）希望学到有实际用途，跟上时代，广泛使用的技术和知识；
（2）实验难度简单一些，循序渐进；
（3）考研和工作压力较大，希望不要占用过多时间；
（4）希望教授就业能用到的技术，如果考研的话能对未来研究的方向打下一些；
（5）考核方式不要过于复杂。
通过上述调查发现，学生已经具有一定的计算机网络、操作系统和计算机视觉等知识的相关基础，但是对行业领先应用比如华为AI昇腾及相关技术了解不多；结合实验内容和建议来看，学生期望学习到目前广泛使用的行业领先的技术和知识，对就业和进一步学习深造都有帮助，并希望进一步学习有关深度学习和计算机视觉和图像处理的相关知识技术，另外由于就业和考研学习压力较大，期望实验难度适中，考核方式简单；教学模式线上+线下混合学习模式，方便资源获取，自主学习和作业提交；就业方向大部分从事中下游技术领域，即有关深度学习与面向应用场景的解决方案，从事基础硬件芯片和计算平台开发的人较少；而目前在系统综合能力、工程实践和动手能力上自我评估较低。即实验的痛点在领先性、实用性、易学性、效率性。
同时结合已开设的计算机视觉实验基于Atlas200DK的计算机视觉课内实验存在课时不足、环境部署较为复杂和完成度不高的问题。基于以上问题，提出基于国产华为晟腾AI技术，以企业真实案例为需求，搭建基于华为Atlas200DK的端到端深度学习的实践开发平台，从底层芯片到深度学习框架到深度学习模型再到开发应用进行系统贯穿。并分别从能力培养实验教学总体思路、实验教学内容开发、实验教学模式与思政融入等方面进阐述。最后给出了基于华为昇腾Atlas200DK实践的教学案例分享与评价反馈。
2 面向系统能力培养的计算机视觉实验教学总体思路
聚焦人工智能专业系统能力培养目标，基于学生课前调查问卷以及已开设的实验现状，总结痛点，以国产先进行业需求应用为驱动，设计并实现端到端面向深度学习的图像分割、目标检测和人脸识别的企业级计算机视觉实验开发平台。从底层芯片到深度学习框架到深度学习模型到开发应用进行系统贯穿，涵盖AI人工智能和和目前广泛使用的深度学习工具、平台、知识及技术，并综合线上与线下混合教学模式，开展全方位的分层次的教学活动，提升学生的系统工程能力和动手能力及自主学习能力。面向系统能力培养的计算机视觉实验教学总体框架如图1所示。
2.1 能力培养目标
通过实验教学来实现系统能力的培养，不仅是掌握知识，而是综合运用人工智能交叉知识和技术来解决问题，从而在这过程中培养能力。实验教学理念从传统面向课程的教育CBE到面向成果为导向，以学生为中心，以成果、能力为导向的OBE理念的转变[8]。围绕OBE理念，结合计算机视觉实验课程中的能力培养点（见表5），来进行教学内容、教学方法、教学活动等方面的改进。
2.2 实验教学内容设计
计算机视觉实验课程为人工智能专业大三第六学期开设，在前一学年第五学期已经学习了关于机器学习与数据挖掘、计算机视觉、操作系统等知识。后一学年大四第七学期将分别开设关于航运、交通、智能汽车等人工智能大数据的行业应用课程。本学期的计算机视觉实验课起到承前启后的作用，期望实验内容能够满足：①巩固并系统化已学习的交叉知识及课程；②提升专业及行业认知，了解目前行业领先及广泛使用的技术工具和平台；③提高综合实践能力，为后续进一步研究或就业打下坚实的理论及实践基础；④学生目前需要学习的课程较多，另外有实习和备考需求，实验难度设置适中；⑤课程中引导学生的爱国报国意识。
同时，在AI技术体系中，深度学习算法及框架处于贯通上下的腰部位置，下接实体芯片，上承应用。深度学习算法及框架被列入了国家“十四五”规划，与AI芯片一起被纳入新一代人工智能科技前沿领域攻关中。本课程内容依托华为智能基座项目-国产华为晟腾AI人工智能技术及平台，在云端利用ModelArts进行训练，采用昇腾310芯片的嵌入式边缘硬件设备Atlas200DK开发板为推理部署，开发企业级深度学习实验平台，实现图像分割、图像分类、目标检测及人脸实时识别的应用。实现芯片与算法协同、硬件与软件协同、云端与终端协同的系统级贯穿（图2）。
在实验项目学时安排中，遵循循序递进原则，首先介绍实验安排，深度学习主流工具和平台，重点介绍华为集成昇腾310芯片的相关AI开发技术。然后进行开发板环境配置，系统烧录，完成模型推理应用的环境部署。接下来进行图像识别应用系统的模型开发和推理部署。分别完成计算机视觉图像识别任务中的端到端系统应用项目开发，使同学了解如何在Atlas200DK开发板部署简单推理应用。在每个实验开发项目中，使用经典或广泛使用的深度学习框架和网络，如GoogLeNet、轻量级MobileNetV2和高效的Yolo网络等。并在华为云ModelArts平台进行网络数据训练、模型转换，以及在Atlas200DK开发板上部署推理应用。最后加载摄像头模块实现实时人脸识别。通过端到端全流程，不同应用场景的实验系统的开发，使同学不仅了解主流的深度学习算法框架，同时也提升了综合实践能力，提升专业认知度。实验内容与学时周次安排见表6。
2.3 实验教学方法
１）以需求为导向的案例化模块教学。
人工智能专业学生要求具有解决复杂工程问题的系统实践能力和动手能力。我们以企业行业真实应用需求为切入点，利用华为智能基座资源，利用昇腾芯片开发板进行应用的部署开发。集成了深度学习多场景应用案例，如图像分类、目标检测、人脸识别等模块。通过开发并重现贴近行业产业发展需求的实际工程案例，学生不仅了解人工智能计算机视觉在行业中的应用，同时对这些实际的案例进行剖析、分解和复现，提升了解决复杂的工业工程问题的能力。同时，在案例开发过程中遵循复现、分析和优化三个层次，鼓励学生从算法模型选择、实验结果分析和数据集创建等方面着手对实验案例进行优化和改进，让学生主动独立思考，将知识不断内化，提升学生的科学研究意识和创新能力。
２）线上线下相结合教学活动。
考虑学时数有限，线下的目标是最大化的提升有效实验实操时间：学生在课堂上操作开发板进行系统开发和部署，教师进行课堂实操答疑指导和验收。在线上，主要是进一步学习和交流沟通反馈的延续：教师提前将课程的任务和实验指导书及课程参考资料在线上发布，支持学生预习和自主化学习。同时线上发布调查问卷，教师会根据调查问卷进行重构教学内容、方式和活动，持续改进，发布相关论坛进行问题交流反馈和学习。
３）分层次多元化的考核评价方式。
探索开放式、多元化的考核方式，突出实践应用能力和适应能力培养。结合课前调查问卷了解学生的课业负担和就业学习压力，去除复杂化。将考核方式分为三大部分：系统验收、创新展示和文档撰写。系统验收是对实验的模块项目完成度进行考核测评，可以当堂验收或最终验收，该模块也集成了课堂表现；创新及展示是分析与优化部分，学生完成创新部分并进行成果汇报；最后为实验报告撰写，包括实验主要步骤，遇到问题与解决办法和每次实验自我能力评估总结。按百分制给分，各部分占比见表7。
2.4 思政融入
人工智能技术广泛应用到各行各业，人工智能及高科技领域代表国家重大战略需求，对国家经济社会发展起到非常关键的作用。而计算机视觉领域主流的芯片、平台和技术由国外发起。尤其当前国际情势在信息领域非常严峻，培养自主支撑国家信息建设的具有科技报国担当的人工智能高科技人才，是未来大国人工智能竞争的关键。
教育部印发的《高等学校课程思政建设指导纲要》指出，要将价值塑造、知识传授和能力培养三者融为一体[9]。在实验教学中，以人工智能社会前沿和热点问题为导向，并从教学组织、教学内容、方法、实践操作、成果展示等环节综合发力，将思政元素润物细无声地融入到教学内容中，培植学生的文化自信、爱国主义情怀、科学研究使命感、专业精神和创新精神。本课程蕴涵的主要思政元素及其活动目标见表8。
3 课程实施应用
本实验课程教学改革已在2021—2022第二学期计算机视觉独立实验课中进行了实施。
在实验过程中，学生的积极性和课堂实验效率很高，实验完成度较好。经过8周的实验， 96.55%的学生基本完成基于华为昇腾技术的面向深度学习完成的图像分割、检测和人脸识别的开发实践项目，部分学生还主动采用新技术来优化实验内容。实验过程中的讨论和每批项目验收中也发现学生的实验完成度越来越好，效率得到提升。
在专业知识素养方面，通过课前、课中和课后的调查，学生对业界主流技术如华为AI昇腾相关平台和技术了解程度从课前的3.18到课中的4.68到7.69（满分为10），提升了专业素养。
在能力提升方面，随着实验的进行，学生在系统能力、工程实践能力、创新能力、动手能力和自学能力等方面有了显著的提高。如系统能力自评值从课前的3.79到两次实验后的5.05，8次实验后的7.9，提升幅度达到108.4%（图3）。
对实验内容实用性、难易程度和能力提升等方面进行满意度调查，结果见表9。可以看到随着实验的进行，学生的能力也在大幅提升。NPS净推荐值均为正数。实验整体满意度为8.38，NPS值为32.76%，其中满意度为10的占比达32.76%。
4 结 语
新工科背景下，人工智能领域与行业深度融合，更需要注重对解决复杂工程问题的系统能力和应用实践能力的培养。本文以培养人工智能专业学生的系统能力为目标，采用国产自主领先平台改革实验教学内容，实现底层硬件芯片、算法模型及开发应用的系统级贯穿，有助于培养学生的系统开发和实践创新能力；围绕以学生为中心的OBE教学理念，基于翻转课堂的混合教学模式提升实验教学效果；并融入思政元素，实现素质、知识与能力目标有机结合，提升学生科技报国的使命担当和计算机伦理素养。同时建立实验过程跟踪、反馈和评价机制，对教学进行不断改进。该方案已在2021—2022第二学期人工智能专业2019级大三本科生计算机视觉独立实验课中进行了实施，服务超2 000人学时。在实验过程中，学生的积极性和课堂实验效率很高，完成度较高，并在系统开发、工程实践、研究创新以及自主学习能力等方面有较大提升，也激发了学生的学习兴趣，提升了人工智能人才培养质量。这是计算机视觉实验的新型探索，对人工智能人才培养具有一定的实践和借鉴意义。
在未来教学中，将对实验教学进一步优化和完善。在实验教学方法方面，注重教学节奏把控，加强师生互动，充分发挥学生参与积极性，提高课堂教学效果；在实验教学内容方面，注重科研和教学的紧密结合，保持与行业和研究的新技术同步；在实验教学活动中，提高创新实验活动的占比，提升学生的创新能力；并进一步建设在线实验学习与交流平台，开发数字化教学资源，以期进行交流推广。
参考文献：
[1] 中华人民共和国中央人民政府. 国务院关于印发新一代人工智能发展规划的通知[EB/OL]. [2017-07-08]. http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.html.
[2] 康辉, 冯铁, 马东辉, 等. 面向系统能力培养的系统软件综合实践荣誉课程建设[J]. 计算机教育, 2021(4): 56-59.
[3] 关桂霞, 任鲁鲁, 王晶. 基于计算机系统能力培养的课程改革探索与实践[J]. 实验技术与管理, 2019, 36(5): 239-241, 262.
[4] 张旭, 胡东华, 朱付保. 基于系统能力培养的计算机课程体系改革与实践[J]. 软件导刊, 2022, 21(7): 142-146.
[5] 何凯, 宋英杰, 楚旺,等. 新工科背景下软件工程系统能力培养探索[J]. 计算机教育, 2020(11): 165-169.
[6] 中华人民共和国教育部. 教育部关于印发《高等学校人工智能创新行动计划》的通知 [EB/OL]. [2018-04-02]. http://www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.
[7] 周俊伟, 朱安娜, 王亮亮, 等. 面向国产MindSpore平台与Atlas 200的计算机视觉教学改革[J]. 计算机教育, 2022(4): 56-60.
[8] 吴旭光, 韩益亮, 朱率率, 等. 基于OBE与BOPPPS融合的密码学实践能力培养改革[J]. 计算机教育, 2022(3): 98-101.
[9] 中华人民共和国教育部. 教育部关于印发《高等学校课程思政建设指导纲要》的通知[EB/OL]. [2020-05-28]. http://www.moe.gov.cn/srcsite/A08/s7056/202006/t20200603_462437.html.
基金项目：教育部—华为技术有限公司产学合作协同育人项目“计算机视觉课程改革探索：面向国产MindSpore平台的教学实践”（W2020029）。
第一作者简介：杨焱超，女，武汉理工大学中级实验师，研究方向为人工智能、云安全，yangyc@whut.edu.cn。
引文格式：杨焱超，周俊伟，王亮亮，等. 面向人工智能系统能力培养的计算机视觉实验教学改革 [J].计算机教育,2023(2)：182-186.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
