收益：
- 能够使用 OpenCV 设置基本图像处理步骤，并借助 AI 使其适应质量控制线
- 能够在正确的上下文中为 AI 提供视觉系统决策，例如照明、校准和阈值设置
- 能够评估机器视觉结果错误分类的风险以及验证的必要性
模块考试
1. 对于机电一体化中人工智能生成的发动机驱动代码，在启动之前绝对不能跳过以下哪一个步骤？
- A) 在有限/安全的环境中验证和审查代码 ✔
- B) 删除代码的注释行
- C) 将变量名称翻译成土耳其语
- D) 将代码直接上传到生产线
描述：人工智能生成的嵌入式代码可以以错误的方向或过大的电流驱动物理执行器，从而对硬件和环境造成损害。首先在仿真中或在具有电流/速度限制的安全测试环境中验证代码是工程师不能忽略的一步。
2. 您向 AI 询问了六轴机械臂的逆运动学解决方案。在安全使用打印输出之前，您应该首先做什么？
- A) 将解决方案直接发送给机器人
- B) 验证接头角度是否保持在限制和工作空间范围内 ✔
- C) 改变机器人的颜色
- D）仅基于第一个解决方案并忽略其他解决方案
解释：逆运动学通常会产生多个解，有些解可能会超出关节限制或落入奇点。必须以数值方式验证该解决方案是否保持在关节限制和可访问的工作空间内。
3.您编写了代码让AI在微控制器上获取传感器读数，并且该代码在主循环中使用了delay(1000)。为什么这可能是一个问题？
- A）delay() 永久损坏内存
- B）delay() 是阻塞的并阻止实时响应 ✔
- C)delay()仅适用于8位处理器
- D）delay() 以物理方式加热传感器
说明：`delay()` 是阻塞的；在此期间处理器不能做任何其他工作，除了中断之外的所有任务都停止。在实时机电系统中，这会导致传感器读数丢失和响应延迟；优选非阻塞（基于毫秒）结构。
4. 将 IMU（陀螺仪）和编码器数据组合到移动机器人中。使用互补滤波器或卡尔曼滤波器的主要目的是什么？
- A）减少传感器数量
- B) 结合不同传感器的优点并减少漂移和噪声 ✔
- C) 降低数据速率
- D) 简化接线
描述：每个传感器都有自己的误差特征：陀螺仪在短期内是准确的，但随着时间的推移会发生漂移，编码器/加速度计有噪声。传感器融合结合了每个传感器较强的频率区域，从单个传感器产生更准确、更稳定的估计。
5. 当我们增加 PID 控制器中的积分 (I) 项时，系统中开始出现振荡和超调。造成这种行为最可能的原因是什么？
- A）导数项为零
- B) 由于积分增益和饱和过多而导致过度平滑 ✔
- C) 传感器关闭
- D) 设定值为负数
说明： 太大的积分增益试图过于积极地校正累积误差，并可能导致振荡、超调和不稳定以及积分饱和。通常适度增大I项以消除永久误差；如果存在振荡，则减小 I 或增加饱和限制。
6. 您为带有 AI 的 PLC 制作了梯形图逻辑草图。设计紧急停止（E-stop）按钮时正确的方法是什么？
- A) 使用常开 (NO) 触点并信任软件
- B) 常闭 (NC)，确保通过故障安全触点切换到安全侧 ✔
- C) 仅使用屏幕软件应用急停
- D) 将紧急停止置于主循环的最后
描述：紧急停止电路设计有常闭（NC）触点和故障安全逻辑，以确保安全；当电缆断裂或电源被切断时，系统必须切换到安全侧（停止）。必须根据这一安全原则审查人工智能输出。
7. 当通过基于模型的设计来模拟直流电机的动力学时，人工智能似乎给出了与真实系统完全一致的结果。什么是正确的工程态度？
- A）接受模型作为现实的完美副本而不进行测量
- B) 用实际测量验证模型假设和有效性范围 ✔
- C) 缩短模拟时间
- D) 为图表着色并报告
描述：由于忽略了摩擦、饱和、延迟和参数不确定性，仿真模型是现实的近似值。在将模型结果与实际系统测量结果进行比较并确定有效范围（验证）之前，不能认为模型结果绝对准确。
8. 在预测性维护中，您可以从轴承的振动数据中检测异常情况。将阈值设置得太低（太敏感）的典型结果是什么？
- A) 不产生任何警报
- B) 产生频繁的误报，但没有实际故障 ✔
- C) 自动校准传感器
- D) 物理上减少振动
解释：即使没有实际故障，非常低/敏感的阈值也会产生警报；这些误报会导致不必要的停机和维护成本，并且随着时间的推移，会导致操作员对警报失去信心。设置阈值是为了平衡漏报故障和误报。
9. 在生产线上使用机器视觉检测零件表面的划痕。哪个可控因素对结果的可靠性影响最大？
- A) 相机品牌
- B) 受控且一致的照明条件 ✔
- C) 操作者的多年经验
- D) 画线的颜色
描述：在机器视觉中，照明是整个链条中最关键、最可控的因素。即使是最好的算法，不一致或不足的照明也会欺骗；受控且可重复的照明通过管理阴影和反射大大减少了错误分类。
10. 你让人工智能为需要功能安全的系统编写代码。以下哪一项是有关人工智能使用的最准确的责任声明？
- A）人工智能负责安全关键决策，工程师不必批准
- B) 由于人工智能是最新的模型，因此无需测试即可将输出安全地带入现场
- C) 安全、测试和标准合规性的责任由工程师和组织承担 ✔
- D) 责任仅由编写代码的 AI 提供商承担
描述：AI是工程助手；产生草稿、建议和分析，但工程师和组织最终对物理系统的安全性、测试和符合标准（例如 ISO 13849、IEC 61508）负责。未经验证，人工智能输出无法放入安全关键系统。