信息技术拓展模块智慧树知到答案章节测试2025年昆明冶金高等专科学校.docxVIP

信息技术拓展模块智慧树知到答案章节测试2025年昆明冶金高等专科学校

1.单选题：以下哪项不属于大数据“4V”特征的标准定义？

A.Volume（大量）

B.Velocity（高速）

C.Veracity（真实性）

D.Variety（多样）

答案：C

解析：大数据的经典“4V”特征为Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。Veracity（数据真实性）是部分扩展定义中提及的补充特征，但并非原始“4V”核心内容。

2.判断题：Hadoop框架中，HDFS负责分布式计算，MapReduce负责分布式存储。（）

答案：错误

解析：Hadoop的核心组件中，HDFS（Hadoop分布式文件系统）负责分布式存储，MapReduce负责分布式计算任务的调度与执行，二者功能需严格区分。

3.简答题：某冶金企业需分析近5年高炉炼铁的生产数据（包括温度、压力、原料配比、能耗、产率），请说明使用大数据技术的分析流程。

答案：流程分为五步：①数据采集：通过SCADA系统、传感器网络实时采集高炉生产数据，同时整合历史数据库中的结构化数据（如ERP系统的原料采购记录）与非结构化数据（如设备维护日志）；②数据清洗：剔除异常值（如传感器故障导致的温度超量程数据）、处理缺失值（通过时间序列插值填补压力传感器偶发断连数据）；③数据存储：将清洗后的数据存储至HadoopHDFS（非结构化日志）与HBase（结构化生产参数）的混合存储架构中；④数据分析：使用Spark进行实时分析（如能耗与产率的相关性计算）、使用MLlib训练预测模型（如基于原料配比预测铁水硅含量）；⑤结果应用：将分析结果输出至生产调度系统，优化原料配比（降低焦比）或调整工艺参数（稳定高炉温度），最终实现能耗降低5%8%的目标。

人工智能基础章节测试

1.多选题：以下属于监督学习算法的有（）

A.Kmeans聚类

B.支持向量机（SVM）

C.决策树

D.关联规则挖掘

答案：B、C

解析：监督学习需要标注数据训练，SVM用于分类/回归，决策树可用于分类（如缺陷类型判断）或回归（如预测产品性能）；Kmeans（无监督聚类）、关联规则挖掘（无监督，发现数据关联关系）属于无监督学习。

2.案例分析题：昆明某冶金企业需利用人工智能技术提升钢板表面缺陷检测效率，现有人工检测存在漏检率高（约12%）、效率低（每小时检测50张）的问题。请设计基于深度学习的解决方案，需包含数据准备、模型选择、部署方式三部分。

答案：①数据准备：使用工业相机（分辨率≥500万像素）在钢板轧制后实时拍摄表面图像，标注缺陷类型（如裂纹、氧化皮、凹坑），构建至少5万张的数据集（正常样本占60%，缺陷样本占40%，涵盖常见缺陷类型）；采用数据增强（旋转、翻转、添加噪声）解决缺陷样本不平衡问题；②模型选择：选用轻量级卷积神经网络（CNN）如MobileNetV3（相比ResNet参数量减少60%，适合工业终端部署），或基于YOLOv8的目标检测模型（直接定位缺陷位置并分类，平均精度均值mAP≥0.92）；③部署方式：将训练好的模型通过TensorRT优化后部署至边缘计算设备（如工业PC），与生产线PLC系统集成；检测结果实时上传至质量管控平台，异常图像触发警报（通过短信或APP推送至质检人员），同时记录缺陷位置、类型用于工艺改进分析。

物联网技术章节测试

1.填空题：物联网体系结构中，负责将感知层数据传输至应用层的是______层，常用技术包括______（举1例）。

答案：网络；NBIoT（或LoRa、5G、工业以太网）

2.论述题：昆明冶金高专与某钢铁企业合作，需搭建“高炉设备状态监测物联网系统”，请说明感知层、平台层的关键技术及具体应用。

答案：感知层关键技术：①传感器选型：针对高炉环境（高温、多粉尘、强电磁干扰），选择耐高温压力传感器（量程02MPa，耐温≤500℃）、红外温度传感器（非接触式测量炉壁温度）、振动传感器（加速度型，监测炉体异常振动）；②数据采集终端：采用工业级边缘计算网关（如研华UNO系列），支持ModbusRTU/ModbusTCP协议，可同时接入50个传感器节点，实现数据本地预处理（如滤波、均值计算）；③标识技术：为关键设备（如热风炉、除尘风机）加装RFID电子标签（耐金属型，存储设备ID、型号、投用时间），通过手持终端扫码核对设备信息。

平台层关键技术：①物联网平台：选用华为IoT工业版（或阿里云IoT），支持百万级设备接入，提供设备管理（在线状态监控）、规则引擎（设置温度＞1200℃触发预警）、数据存储（时序数