SCI论文（www.lunwensci.com）:
摘要：本文以高校自动测试系统实验课设计为例，从接轨国际前沿技术、培养学生创新意识角度出发，探讨了嵌入式人工智能技术在自动测试系统课程实验中的应用。论文以嵌入式人工智能平台为基础，将适用于人工智能技术的目标检测模块与自动测试系统总线相结合，形成能够体现人工智能技术的自动测试系统仪器模块，并以此为案例，进行实验课的内容设计。实际教学效果表明，这种实验案例设计能够调动学生积极性、培养学生的前沿技术掌握能力，有利于提升高校实验课的课程质量。
关键词：人工智能；自动测试系统；实验设计
本文引用格式：刘冰,等.基于嵌入式AI平台的自动测试系统实验课设计[J].教育现代化,2019,6(69):90-91,103.
一 引言
自动测试系统是指在人极少参与或不参与的情况下，自动进行数据处理，并以适当方式显示或者输出结果的系统[1]。自动测试系统的学习是高校测控技术专业的重要学习环节，通常以专业课的形式体现，课程培养目标是希望学生在理解自动测试总线接口技术和虚拟仪器软件技术的基础上，可以面向实际应用需求实现自动测试系统集成。因此，这是一门理论学习与实践应用相结合的专业课，所以，这门课程的实验环节显得尤为重要。
随着人工智能（Artificial Intelligence AI）技术的发展，自动测试系统智能化成为了一个方向，小型化、轻量级、低功耗是自动测试系统在这个方向上的重要体现。而人工智能技术是实现自动测试系统智能化的重要技术手段，为了满足上述需求，嵌入式人工智能技术成为了构建先进自动测试系统的技术基础。在此背景下，为了让测控专业的学生尽快了解人工智能技术并将该技术与所学专业相结合，急需基于嵌入式人工智能技术对体现自动测试系统应用能力的实验课程内容进行改革设计，以满足新时代国家对富有创新精神和实践能力的人才需求。为此，本文以嵌入式人工平台为基础，面向自动测试系统在实际中的应用需求，对自动测试系统实验课进行案例设计与探索[2,3]。
二 嵌入式人工智能技术与实现平台
人的智力有“思维”和“行为”两种方式，思维是大脑的独立思考，行为是个体与客观世界的交互，嵌入式平台提供了一种人工智能模拟人类行为的方式。与目前主流的服务器机器学习系统不同，嵌入式人工智能平台在数据带宽、计算资源、存储资源上都面临受限问题，需要在机器学习架构、算法模型、运行部署、加速计算方法等方面进行定制优化。因此，非常适用于自动测试系统在小型化、轻量级、低功耗方面的需求[4,5]。
常见的用于实现嵌入式人工智能技术的平台如图1所示，包括单片机平台、DSP平台、ARM平台、FPGA平台、嵌入式GPU平台等，这些平台各有特点。其中单片机平台成本低，但是计算能力有限；DSP平台计算能力出色，但是功能扩展性不强；ARM平台计算能力和成本均可以接受，功耗略高；FPGA平台可以重构，计算能力出色，功耗极低，但是开发难度较高；嵌入式GPU平台计算能力出色，但是成本较高，功耗也较高。因此从培养985、双一流高校学生能力以及技术水平的角度出发，在自动测试系统的实验课设计中，我们在首先介绍每种嵌入式平台的特点及优劣势的条件下，选择FPGA平台作为嵌入式人工智能技术的实现平台，并向学生阐述为何基于该平台进行实验设计[6]。
三 基于Perf-FPGA的自动测试系统目标识别模块设计
为了将嵌入式人工智能技术引入到自动测试系统实验课中，需要首先了解自动测试系统实验课的实验内容与实验目的。目前，在本校自动测试系统实验课中，主要的实验环节是GPIB、VXI、PXI自动测试系统的组建以及程控仪器模块的设计开发，相关的程控仪器模块功能包括开关模块、数据采集模块等。实验的目的是通过程控仪器模块的设计与自动测试系统组建过程的观摩，让学生掌握程控仪器的设计方法与自动测试组建的流程。通过对实验内容的分析，可以发现，嵌入式人工智能技术更适于在程控仪器模块设计实验环节体现，只需要找到符合嵌入式人工智能技术的测试功能，面向该功能基于人工智能技术设计程控仪器功能模块即可。为此，通过对自动测试系统实际应用需求的分析，我们选择了目标检测功能作为融合人工智能技术与自动测试系统程控仪器模块功能的连接点。由于在自动测试系统中，对目标的检测是一种非常常见的需求，而在人工智能领域，基于卷积神经网络的目标检测技术也是这几年的前沿热点研究方向。因此，把自动测试系统的实验设计为利用嵌入式人工智能技术实现一个具有目标检测功能的程控仪器模块是一种非常可行、并且有实际应用意义的实验案例。
在具体的实验流程方面，由于实验课课时有限，我们并没有设计嵌入式平台。而是直接使用选择澎峰（北京）科技有限公司Perf-FPGA平台作为嵌入式平台，并以该平台为基础部署以卷积神经网络为基础的目标检测网络。Perf-FPGA是澎峰科技研发的面向FPGA的AI方案，具有高性能，低功耗，环境适应性强等特点。可以进行人脸，行人，车辆等多种目标和物体检测与追踪，支持无人机、安防、教育科研等应用领域。Perf-FPGA涵盖了深度神经网络算法压缩，定点量化以及根据FPGA部署平台的生成加速器。压缩与量化工具DL-Quants可以导入多种主流深度学习模型,DL-Compiler可以快速生成DL加速器和运行代码。DL-Accelerator采用RTL实现，底层针对不同平台做了适配和优化，使资源占用和性能达到极致。该平台的示意图如图2所示。
以Perf-FPGA平台为基础，让学生们在上面部署MobileNet、YoLo、SSD等人工智能领域常见的目标检测神经网络，在成功部署目标检测神经网络后。在结合之前已经掌握的VXI、PXI总线模块接口设计的基础，设计自动测试系统中的VXI总线目标检测模块或者PXI总线目标检测模块。这样就把嵌入式人工智能技术应用到了自动测试系统中，从而完成了实验环节的案例设计。
四 结束语
人工智能技术是目前非常前沿的技术手段，为了将学生培养为掌握一流前沿技术的创新性人才，需要在将人工智能技术与教学环节相融合。由于人工智能理论过于晦涩难懂，因此需要通过实践环节加深对人工智能技术的理解，这就要求在课程实验中针对课程的内容进行针对性实验室案例设计。对于自动测试系统课程而言，由于无法直接应用服务器平台上的人工智能技术，因此更适合与嵌入式人工智能技术相结合。通过在自动测试系统实验中设计具有目标检测功能的VXI、PXI接口程控仪器模块是一种融合嵌入式人工智能技术的方式，基于这种方式，能够在课程实验内容中充分体现目前主流的前沿技术，这对于培养学生学习兴趣、提升课程内容质量，加强学生应用课程知识解决实际工程问题具有重要意义。
参考文献
[1]梁嘉倩，孟升卫，鲁文帅.面向复杂混合信号的CPCI专用测试系统及其自动校准方法[J].中国电子科学研究院学报，2017，12（2）：187-192.
[2]付东翔，傅迎华，胡春燕.智能检测技术与系统教学内容实践与探索[J].计算机教育，2018（10）：30-32.
[3]孙治博，史成坤，耿向伟，等．“人工智能+工程实践”的综合创新训练教学研究[J/OL]．北京航空航天大学学报(社会科学版).
[4]高士娟.《人工智能初步》教学设计[J].信息技术课，2018（24）：39-41.
[5]王刚，李颖，徐谦.面向无人驾驶应用的人工智能创新实验设计[J].计算机教育，2019（2）：15-18.
[6]徐锋，龙惠民，刘桂华.基于CDIO工程教育理念的FPGA技术课程教学改革探索[J].大学教育，2018（11）：64-66
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/27985.html
