深度学习方法在“光伏组件制备工艺”教学中的探索与实践

郭清华 曾礼丽

摘 要：首先对深度学习及深度学习路线进行了阐述，以EL图像识别为切入点，介绍了将深度学习方法引入“光伏组件制备工艺”课程教学的具体实施过程。在课程教学中，引入深度学习模式能更好地达到教学目的，突出学生的主体地位，培养学生的自主学习能力和创新能力。

关键词：深度学习路线;自主学习能力;创新能力

“光伏组件制备工艺”课程是光伏类专业的核心课程，一般都安排大二学生学习。在此之前，学生学习了“光伏理化基础”“光伏电池制备工艺”等课程。“光伏理化基础”中的“太阳电池发电原理”以及“光伏电池制备工艺”中电池片的缺陷类型，都为学生进一步学习“光伏组件制备工艺”这门课程储备了知识。

深度学习[1]最早应用于计算机领域的人工智能方面，其核心是让计算机模拟人脑进行深层学习。AlphaGo围棋大胜证明了深度学习具有解决抽象问题的能力，因此，深度学习技术掀起了新一轮人工智能的热潮。随着人工智能的不断发展，各行各业都渴望应用人工智能，深度学习在教育领域也不断得到了应用和推广。在课程教学中，如何根据不同的场景落实智能技术的应用，是教师目前面临的难题。

1 传统教学模式的不足

“光伏组件制备工艺”的教学内容主要是依据光伏组件生产加工过程来选取的。在平时的教学过程中，采用的教学方法主要是基于工作过程的项目化教学，通过教师教授知识点、演示操作，学生再自己操作，这种教学方式有利于学生学习基本的操作技能和知识。由于学生缺乏独立探索与研究的机会，很容易让学生产生错觉，以为这门课程涉及的内容技术含量不高，进而失去兴趣，丧失学习动力。究其原因，其实是教师在教学方面没有进行深度教学，学生在学习方面没有进行深度学习。

2 教学中应用深度学习模型

美国两位学者提出了深度学习路线[2]（Deeper Learning Cycle，DELC），指导教师在课程中实施深度教学。深度学习路线包括5个环节：预评估、确定教学目标及内容;营造积极的学习文化;激发先前的知识、获取新知识;深度加工知识;评价学生的学习。根据DELC学习路线，构建了深度学习路线与师生作用的关系，如图1所示。

图1充分体现了“教师主导作用与学生主体作用”的教学理念，教师营造学习环境，激发学生的学习兴趣，调动学生的学习积极性，引导学生发现问题、分析问题，构建知识之间的联系与迁移，让学生通过查阅资料、自主探索、小组讨论等方式，制定解决问题的方案。学生参与这一系列学习活动之后，能更深入地理解、掌握与运用所学知识，进一步培养他们的自主学习能力和创新能力。

3 探究以深度学习为目的的教学案例

3.1  预评估、确定教学目标及内容

根据DELC学习路线，首先是对“光伏组件制备工艺”这门课程的内容进行评估，发现EL图像检测在光伏组件生产过程中非常重要，层压前有一次半成品的EL图像检测，后面还有一次成品的EL图像检测。通过调研发现，在光伏组件生产线上，得到EL图像之后，还需要大量的人工来识别这些图像，并作出判断。如果在此引入人工智能进行自动识别，就能大大提高工作效率，从内容上来说，这是引入深度学习很好的切入点。接下来再评估学生，在“光伏组件制备工艺”中，学生学习过单个电池片的EL检测图像，知道EL检测的目的，认识各种缺陷类型的EL图像，使學生对相关知识有一定的积累。通过预评估，可以将EL图像检测作为引入深度学习的教学内容，教学目标主要有两个：一是让学生能够根据EL图像识别缺陷组件;二是通过深度学习，培养学生自主学习能力和创新能力。

3.2  营造积极的学习氛围

为了激发学生的学习兴趣，可营造良好的学习氛围，收集大量相关的素材，比如大家熟悉的人脸识别支付、自动驾驶汽车、医院和家庭服务的智能机器人等。这些内容与学生的生活息息相关，能最大限度地激发学生的学习兴趣，调动他们的学习积极性。教师提问：人脸识别支付是如何实现的呢？EL图像检测可以实现自动识别吗？

3.3  激发先前的知识、获取新知识

引导学生回顾“光伏电池制备”课程，学习电池片EL测试，让学生陆续回答单个电池片的缺陷类型：隐裂（裂纹）、碎片、黑心、云片、皮带印、断栅、边缘过刻、漏电、虚印、短路黑片、明暗片、局部断路片、脏污、划伤等。这些缺陷类型在电池片制作成组件后都有可能存在，同时，还会产生新的缺陷类型，比如脱焊、虚焊等。缺陷类型众多，每一个缺陷的EL图像特征都不一样，所以，要找到一种方法完全自动识别这些缺陷非常困难。教师提问：有没有这样一种方法，可以像人的大脑一样学习各种缺陷类型的图像特征并记录下来，然后再自动叛别这些缺陷呢（见图2）？

图2先对有缺陷的图片进行标记，再将其转换为标准化的EL图像，用这些图像训练一个深度学习网络;训练好后，用该网络检测其他需要识别的EL图像，由此引入深度学习方法。首先，学生需要学习组件EL图像的特征，再学习图像分割，关键是寻找或构建深度学习网络。在图像分割与构建深度学习网络的过程中，需要运用一些专业软件，这个需要学生自己去学习。

3.4  深度加工知识

在这个环节中，教师给学生提供相关资料，并根据学生学习能力的强弱进行配对和分组，引导他们深入思考、自主探索，小组内部和小组之间都可以相互讨论。在这些任务的开展过程中，需要用Photoshop或其他软件标识各类缺陷类型，学生自己动手完成标识，能够很好地学习光伏组件EL图像的特征，也就能识别缺陷组件，达到第一个教学目标。在寻找深度学习网络的过程中，学生需要自主学习深度学习网络在其他图像识别上的应用，然后将这个网络迁移到这里。在此过程中，既能培养学生的自主学习能力和创新能力，还可以培养学生团结合作的精神，达到第二个教学目标。

3.5  评价学生的学习

教师先指导学生进行自评和互评，在此过程中，学生会体会到成就感，找到差距，然后教师做总结性的评价，对做得好的学生提出表扬，反之给予鼓励。

4 在“光伏组件制备工艺”课程教学中引入深度学习方法的意义

在以往的教学中，教师会向学生展示各种缺陷类型的EL图像，并分析每一种图像的特征，不会让学生自己动手标识，也没有进一步的教学。引入深度学习方法之后，明显提高了学生的学习兴趣和积极性。学生通过自己标识EL缺陷图像，加深了对这些缺陷图像特征的理解，在寻找深度学习网络的过程中，提高了自学能力和创新能力。在“光伏组件制备工艺”课程中引入深度学习方法并实施教学，有利于教学目标的达成，能更好地突出学生的主导地位。

5 结语

在课程教学过程中，不同的内容适合选取不同的教学方法，需要每个教师去甄别并组织实施，以达到更好的教学效果。在“光伏组件制备工艺”中引入深度学习方法还处于探索阶段，同时也存在一些问题，比如有个别同学由于自学能力不强导致参与度不高。深度学习模式的教学效益需要经过一段时间才能体现，因此，不要局限于某一门课程。

[参考文献]

[1]严严，陈日伟，王涵予.基于深度学习的人脸分析研究进展[J].厦门大学学报，2017（1）：13-24.

[2]吴秀娟.基于反思的深度学习研究[D].扬州：扬州大学，2013.