2026公需课人工智能赋能制造业高质量发展试题及答案.docxVIP

2026公需课人工智能赋能制造业高质量发展试题及答案

一、单项选择题（每题2分，共30分）

1.在智能制造场景中，工业视觉检测系统最常采用的深度学习模型是

A.循环神经网络（RNN）

B.长短期记忆网络（LSTM）

C.卷积神经网络（CNN）

D.生成对抗网络（GAN）

2.某离散型工厂计划通过强化学习优化排产，状态空间维度高达10^6，最合理的降维策略是

A.主成分分析（PCA）

B.自编码器（AE）

C.随机森林特征选择

D.线性判别分析（LDA）

3.工业边缘计算节点部署AI推理时，对模型进行INT8量化的主要目的是

A.提升模型精度

B.降低存储与功耗

C.增加可解释性

D.扩展特征维度

4.在数字孪生系统中，实现物理实体与虚拟模型毫秒级同步的关键技术是

A.5GuRLLC

B.NB-IoT

C.Wi-Fi6

D.LoRa

5.某钢铁企业利用联邦学习跨厂区训练质量预测模型，其加密梯度聚合采用的安全协议是

A.Paillier同态加密

B.RSA

C.DES

D.MD5

6.下列关于工业知识图谱的描述，错误的是

A.可支持故障根因分析

B.节点只能表示设备实体

C.可融合MES、PLM等多源数据

D.可用图神经网络进行推理

7.在AI赋能的预测性维护中，最能反映轴承早期微弱故障的信号是

A.温度均值

B.振动加速度峰度

C.电流有效值

D.电压谐波

8.某车间采用AI对机器人进行视觉引导抓取，若物体表面反光强烈，最先考虑的算法改进是

A.增加Dropout层

B.改用偏振成像+多光谱融合

C.提高学习率

D.减少BatchSize

9.工业AI模型上线后，出现“数据漂移”导致精度下降，最可靠的监测指标是

A.训练集损失

B.验证集AUC

C.生产数据与训练数据的KL散度

D.模型参数量

10.在半导体晶圆缺陷检测中，采用语义分割网络评价指标时，mIoU计算公式中的交集与并集分别指

A.预测框与真实框的面积

B.像素级预测与标注的交集/并集

C.缺陷类别数/总类别数

D.召回率与精确率之和

11.某工厂AI质检系统要求漏检率0.1%，但过杀率可放宽至2%，应优先调整

A.置信度阈值↑

B.置信度阈值↓

C.学习率↑

D.BatchSize↓

12.工业场景下，基于AI的能耗优化模型最常用的约束条件是

A.工人数量

B.最大需量合同功率

C.设备折旧年限

D.厂房面积

13.在AI辅助的供应链风险预测中，图神经网络将供应商映射为

A.节点

B.边

C.子图

D.权重

14.下列哪项不是工业AI模型可解释性工具

A.SHAP

B.LIME

C.Grad-CAM

D.Dropout

15.某企业利用AI进行刀具剩余寿命预测，若传感器采样频率为50kHz，一天产生约

A.4.32GB

B.2.16GB

C.1.08GB

D.864MB

二、多项选择题（每题3分，共30分；多选少选均不得分）

16.工业AI训练数据常见的“小样本”问题可采取的缓解策略包括

A.迁移学习

B.数据增强

C.主动学习

D.联邦学习

17.下列哪些技术组合可实现AI驱动的柔性产线重构

A.数字孪生+强化学习

B.5G+TSN

C.模块化夹具+机器视觉

D.区块链+云计算

18.在钢铁热轧过程中，AI模型预测板形缺陷时需输入的关键工艺参数有

A.轧制力

B.轧辊热凸度

C.板坯化学成分

D.加热炉残氧

19.工业AI模型部署至PLC边缘端时，必须考虑

A.内存占用

B.实时性

C.功耗

D.模型可解释性

20.关于AI赋能的绿色制造，下列说法正确的有

A.可通过强化学习优化空压站群控

B.碳排放预测可用LSTM

C.能耗数据无需脱敏即可上传公有云

D.图神经网络可优化蒸汽管网拓扑

21.某车企利用AI进行电池缺陷检测，以下哪些属于“过杀”成本

A.误报导致的人工复检

B.良品被报废

C.漏检引发的召回

D.停机重训模型

22.工业AI项目中，属于“数据治理”关键活动的是

A.主数据统一编码

B.元数据管理

C.数据血缘追踪

D.模型蒸馏

23.在AI赋能的AGV调度系统中，以下哪些算法可用于多机器人路径规划

A.AA.A

B.DLiteB.DLite

C.蚁群算法

D.遗传算法

24.工业视觉AI模型对抗攻击的防御手段包括

A.对抗训练

B.输入梯度掩码

C.模型集成

D.增加Softmax温度

25.下列哪些指标可用于评估AI预测性维护系统的经济性

A.MTTR

B.MTBF

C.ROI

D.OEE

三、判断题（每题1分，共10分；正