1. 引言
在全球科技革命与产业变革纵深推进、我国“新工科”建设提质增效的双重背景下，工程人才培养已从单一知识传授转向“理论基础–实践能力–价值认同”的复合型能力培育[1]。智能装备产业作为制造业数字化转型的核心载体，其核心竞争力高度依赖智能信息处理技术的突破与应用——该技术作为机械工程、计算机科学、控制科学的交叉融合领域，直接决定智能网联汽车、工业机器人等装备的性能上限，成为制造业智能化升级的关键支撑[2] [3]。
《智能信息处理技术》作为智能制造工程等新工科专业的核心课程之一，承担着衔接基础学科与产业应用、培育学生智能算法工程化能力的重要使命[4]。该课程以机械设计、控制理论、计算机编程等课程为知识基底，聚焦智能信息处理的核心概念、原理及算法工程化实现，通过“算法开发–系统仿真–案例验证”的实践链路，将理论知识转化为工程应用能力，将工程创新能力的培养作为人才培养的关键环节[5]。然而传统教学中，该课程存在三大痛点：一是知识碎片化，聚焦单一算法讲授，缺乏“感知–决策–执行”全链路整合；二是能力断层化，实践依赖仿真平台，与企业真实工程场景脱节；三是价值引领缺位，缺乏技术伦理与产业情怀培育。上述问题导致学生难以适配智能装备产业对“系统思维 + 工程能力 + 责任担当”的复合型人才需求。
相关研究针对上述问题做出了改革，黄等人[6]基于智能信息处理课程群的关联性和重要性，从教学工作安排、知识点衔接、教学团队建设、实验教学设置和课程群教学网站建设等方面提出了具体的改革对策，旨在为该课程群教学工作的改革提供理论参考和实践依据。郭等人[7]将人才培养作为首要目标，基于交叉学科开展协同创新，面向应用、基础、案例，明确“智能信息处理”课程的教学目标，进行教学要求和学科交叉的建设。但上述改革均未有效解决智能信息处理技术课程知识、能力、素质培育的核心痛点。
为此，本文以智能装备产业真实需求为牵引，构建“知识–能力–素质”三维进阶教学体系，通过“产业场景化知识重构”“全流程项目化实践淬炼”以及“深度化价值塑造”三大创新路径，实现理论教学、工程实践与价值引领的协同育人。具体而言：通过产业场景对接夯实知识底座，通过全流程项目训练提升学生复杂系统建模、智能算法工程化的核心能力，通过思政元素浸润塑造学生的技术自信与工程伦理意识，最终实现学生工程素养与价值认同的协同提升，为新工科背景下同类交叉学科课程改革提供参考。
2. 《智能信息处理技术》课程内容分析
目前《智能信息处理技术》课程教学方式主要以课堂讲授为主，学生实践机会偏少，难以将所学知识用于实际，教学效果有待提升。从教学内容上分析，主要原因如下：
(1) 知识体系碎片化。课程内容以单一算法(如神经网络、模糊控制)为单元，缺乏对“传感器数据采集–特征工程–算法部署–硬件驱动”全流程技术整合，学生难以构建系统性知识图谱，无法理解技术在产业场景中的协同逻辑。
(2) 实践能力断层化。实践环节局限于MATLAB/Simulink仿真，未提供“仿真–实战”衔接平台，学生缺乏智能控制系统搭建、算法工程化部署等实战经验，与企业对应届毕业生“实战落地能力”的需求存在较大差距。
(3) 价值引领缺位化。教学中未深度挖掘技术背后的工程伦理、绿色制造理念，缺乏“中国智造”案例赋能，学生对技术的产业价值、家国使命认知不足，服务地方产业的使命感未被有效激发。
基于对上述问题的深度反思，核心优化路径聚焦于以下三方面：一是突破单一算法的碎片化教学模式，围绕智能装备的信息处理全流程，重构课程内容体系，并以典型产业案例为串联主线，贯通核心技术环节，助力学生构建系统化知识图谱；二是构建“虚实融合”一体化实践平台，深度对接企业级开发环境与产业课题，弥合仿真训练与工程实战的能力断层，强化学生工程化思维与系统集成核心能力；三是有机融入课程思政元素与产业情怀培育，借助技术伦理研讨、绿色技术实践等多元载体，引导学生确立正确的产业责任使命，实现价值引领与身份认同。上述优化路径具体汇总如图1所示。
Figure 1. Issues and reflections on the course
图1. 课程存在问题及反思
3. 课程学情分析
结合《智能信息处理技术》课程的具体学情，智能制造工程专业大三学生作为本课程的授课对象，尽管已掌握机械设计、控制理论、计算机编程等基础知识，但是仍存在以下认知短板：一是对智能信息处理全流程技术的整合认知不足；二是难以把握理论算法与产业场景的适配逻辑；三是对技术伦理与产业使命的关联性理解薄弱。
基于此，课程改革需兼顾知识密度与学习时效，实现“理论奠基–实践赋能–价值引领”的立体化培育，以实际案例为基础，构建“知识–能力–素质”三维进阶体系，形成“理论奠基–实践赋能–价值引领”立体化范式：知识维度追踪产业前沿，融合理论与应用场景，构建复合知识结构；能力维度引入工程教育理念，培育系统思维、协同创新与产业化能力，形成完整工程能力链；素质维度创新双轨模式，将思政融入技术实践，塑造家国情怀与伦理意识。课程改革相关内容汇总在图2中。
Figure 2. Components of the course reform
图2. 课程改革内容
4. 课程教学设计探索思路
针对当前课程知识碎片化、实践与产业脱节、思政与技术融合不深的核心问题，亟需对《智能信息处理技术》课程进行系统性教学改革设计，旨在培养“技术能力 + 系统思维 + 责任担当”的复合型人才，构建“理论奠基–实践赋能–价值引领”的教学新范式，实现理论学习、工程实践与价值塑造的深度协同。
总体教学思路以“智能装备产业真实需求”为核心牵引，打破单一算法讲授的传统模式，聚集智能网联汽车产业，将智能汽车环境感知、线控制动防抱死控制等产业前沿场景作为贯穿全程的核心案例，以“知识–能力–素质”三维进阶为框架，围绕“产业场景化重构”“项目实战化训练”以及“思政元素深度融入”三大核心策略，构建闭环式教学改革体系：知识重构环节则围绕智能信息处理“感知–决策–执行”全流程，拆解模块化知识点，搭建“理论内核 + 产业外延”的系统化知识图谱，解决知识碎片化问题；实践淬炼环节，则通过打造“虚实结合”实战平台，对接企业级开发环境与真实课题，设计“数据预处理–算法开发–实时部署”全流程闭环任务，让学生在全流程实践中锤炼工程化与系统集成能力；价值塑造环节，通过建立“技术探索–价值塑造”双螺旋机制，将工程伦理、绿色制造理念、家国情怀融入教学，通过前沿技术伦理研讨、中国智造案例分析、地方产业需求调研等活动，解决“价值引领缺位”问题，培养兼具技术自信与社会责任的复合型人才。具体改革思路详见图3。
Figure 3. Thoughts of the course reform
图3. 课程改革思路
4.1. 知识重构：产业场景驱动的系统化知识图谱搭建
打破单一算法讲授模式，围绕智能装备“感知–决策–执行”全流程，以产业真实场景为线索，重构三大核心算法知识体系，实现“理论内核 + 产业外延”的深度耦合：
(1) 神经网络知识体系：紧扣自动驾驶感知决策需求，以特斯拉端到端驾驶系统为案例，拆解多传感器数据融合(摄像头、激光雷达)-特征提取–控制指令输出的全流程，结合深圳暴雨、城市复杂路口等产业场景，分析神经网络如何自主学习人类驾驶经验，实现无高精地图下的路况识别与决策，帮助学生理解技术对“环境感知、智能控制”企业需求的适配性。
(2) 进化计算知识体系：聚焦自动驾驶路径规划痛点，以OccSora 4D场景进化生成系统为案例，讲解种群进化、基因重组等机制如何动态生成极端天气、异形障碍物等虚拟测试场景，解决实车测试成本高、场景覆盖不足的行业难题，让学生理解技术产业价值。
(3) 模糊计算知识体系：瞄准非线性时变系统控制挑战，以线控制动防抱死控制为核心案例，解析模糊规则在冰雪路面、紧急变道等工况下的滑移率精准调节逻辑，结合MATLAB软件仿真演示控制器设计与参数优化，突出技术在强干扰、高动态场景下的应用优势。
4.2. 实践淬炼：虚实结合的全流程工程能力培育
构建“算法开发–系统仿真–硬件在环实验”三级实践链路，依托“虚实结合”平台实现仿真与实战的无缝衔接，锤炼学生工程化与系统集成能力：
(1) 基础铺垫阶段：以“基于模糊控制的车辆防抱死控制系统设计”为案例，系统讲解MATLAB/Simulink操作规范，包括模块库调用、仿真环境搭建、数据可视化分析，夯实工具应用与理论基础。
(2) 仿真建模阶段：分三步开展实践，首先是构建单轮车辆动力学模型，明确轮速、滑移率等核心参数的数学关系；其次是设计模糊控制器，完成输入输出模糊化、模糊子集划分与规则库构建；然后是开展仿真验证与参数优化，撰写实验报告，强化逻辑建模能力。
(3) 硬件实战阶段：利用制动踏板、磁粉离合器、变频器等组成的硬件平台，实现仿真模型与物理硬件的实时对接，模拟真实车辆的制动场景，采集硬件运行数据并反馈优化，完成“理论设计–仿真验证–硬件落地”的闭环训练，提升算法工程化部署能力。
4.3. 价值塑造：技术赋能与使命引领的双螺旋培育
建立“技术教学–价值塑造”深度融合机制，将思政元素、产业情怀与伦理意识融入教学全过程：
(1) 中国智造自信培育：嵌入华为MDC智能驾驶平台等标杆案例，从算力性能、技术生态、国产化率等维度，与特斯拉FSD、英伟达DRIVE Orin进行对比分析，凸显我国在智能汽车核心技术领域的自主突破，打破“国外技术不可超越”的认知误区，在情感上唤起对国产技术的自豪感，进而在行动上以自主创新为方向，积极投身国产技术迭代升级，为“中国智造”的持续突破注入动力。
(2) 工程伦理实践：围绕自动驾驶数据安全、算法决策公平性、绿色制造技术应用等主题开展研讨，引导学生思考技术创新与社会责任的平衡，树立“科技向善”的职业理念。
(3) 产业使命激发：组织地方智能装备企业调研、产业需求分析报告撰写等活动，让学生直观感受技术对制造业转型升级的支撑作用，强化服务地方产业的使命感。
通过以上教学方案，结合与本教学设计相关的知识点，完成学生在知识、能力、素质三方面的提高。将学生对三方面的掌握情况进行了汇总统计(图4)，从图中可以看出，30名学生中29人熟练掌握仿真及实验技能，100%建立技术自信认知。
Figure 4. Statistical results of students’ mastery in knowledge, ability and quality
图4. 学生在知识、能力、素质三方面掌握情况统计结果
此外，课程实践中仍需优化两方面：一是可扩大产业案例覆盖范围(如工业机器人、数字化生产线)，适配更多智能装备细分领域；二是可引入校企联合考核机制，进一步提升评价的产业适配性。未来将持续跟踪智能装备产业技术迭代，动态更新知识体系与实践项目，完善“产学研用”协同育人闭环。
5. 结论
针对《智能信息处理技术》传统教学痛点，本文立足新工科建设与智能装备产业需求，构建“知识–能力–素质”三维进阶教学体系与“知识重构–实践淬炼–价值塑造”三位一体育人模式。通过产业场景化知识整合、全流程项目化实践、深度化价值引领，有效提升了学生的理论基础、工程能力与价值认同，为智能装备产业培养了“懂理论、善实践、有担当”的复合型人才。该体系的构建逻辑与实施路径，可为同类交叉学科课程改革提供可复制、可推广的参考范式。
基金项目
本文系浙江理工大学校级教改项目(项目编号：jgybxy202510)的阶段性研究成果。