2025年7月暑假，三亚学院信息与智能工程学院计算机公共基础教学部教师黄寿孟，前往吉利研究院研发中心深度参与试制中心项目实习。此次实践以“干中学、教中研”为核心，不仅让他在企业一线锤炼了专业本领，更为计算机公共基础教学部的课程教学与科研工作注入了新活力，为培养符合产业需求的高素质人才开辟了新路径。
计算机公共基础教学部承担着《大学计算机基础》《编程技术基础》《大数据与人工智能》等重要课程的教学任务，这些课程是培养学生计算机素养和技术能力的基石。黄寿孟老师参与的吉利试制中心螺栓识别项目，让他对这些课程的教学有了更深刻的思考和丰富的实践素材。
在《大学计算机基础》课程中，以往更多是对计算机基本概念、操作的讲解。而黄寿孟老师在吉利研究院的实践中，遇到的生产线中螺丝、螺母存在油污干扰、光照不均等复杂工况，恰好可以转化为生动的教学案例。他计划在课程中加入企业真实生产环境下计算机应用的场景分析，让学生了解到计算机在实际工业场景中面临的挑战，以及如何运用基础的计算机知识去应对，让学生对计算机的实际应用有更直观的认识，不再局限于课本上的理论概念。
对于《编程技术基础》课程，黄寿孟老师的实践经历更是带来了宝贵的教学资源。他在项目中的主要任务是优化紧固件智能识别算法，从调整工业相机参数到标注缺陷样本，再到调试深度学习模型，每一个环节都离不开编程技术的支撑。他打算把吉利的真实生产数据拆解为学生可操作的实训任务，让学生分组优化识别模型。比如，让学生运用课程中学习的编程知识，针对不同的算法在复杂场景下的表现进行编程实现和对比，像用注意力机制突出螺纹特征，查看其效果是否比企业现有方案更优化。这不仅能让学生熟练运用编程技术，更能让他们体会到编程在解决实际问题中的价值，提升学生的编程实战能力。
在《大数据与人工智能》课程方面，黄寿孟老师的实践经验更是与课程内容紧密相关。他提到，课本里的 YOLO 算法模型在实验室里准确率能达到 95%，但到了车间可能就只剩 80%。这种 “理论与实践的温差”，正是《人工智能通用技术》课程中最好的教学素材。他计划在课程中详细剖析这一现象，让学生明白人工智能技术在实际应用中需要考虑的各种因素，如环境干扰、数据质量等。同时，他在与吉利工程师共同解决 “螺栓角度动态预测”问题时提出的 “时空特征融合算法”被企业采纳，这一案例也将被引入课堂，让学生了解到人工智能算法从理论研究到实际应用的过程，激发学生对人工智能技术的探索热情。
这种“从产业中来，到教学中去”的模式，也推动了黄寿孟老师在科研上的突破。计算机公共基础教学部的科研工作需要紧密结合教学实际和产业需求，黄老师将企业对技术实用性的极致追求带回科研中，倒逼自己跳出“实验室思维”，学会用产业视角审视研究价值。目前，他正与吉利研究院准备联合申报海南省课题项目，研究成果有望进一步反哺教学，为《人工智能通用技术》等课程提供更前沿的知识和案例。
未来，黄寿孟老师准备将吉利的 AI 质检流程转化为学生竞赛的备赛题库。这些题库将涵盖《编程技术基础》中的编程实现、《人工智能通用技术》中的算法优化等内容，让学生在竞赛中提升自己的专业技能。他认为，最好的教学就是让学生触摸行业的脉搏。当教师真正深入产业一线，课堂里才有了源头活水，而产教融合的真谛，正在于这种“实践反哺教学、教学促进创新、创新服务产业” 的良性循环。黄老师带回课堂的不只是技术，更是一种让教育与产业同频共振的思维方式，将有力推动计算机公共基础教学部课程与科研工作迈向新台阶。
