10月28-29日，11月4-5日，北京沐融信息科技股份有限公司技术总监许龙伍走进材料科学与工程学院《材料成型原理》PBL课堂，为大三本科生讲授《深度学习在材料检测中的应用》。与以往不同的是，课程组把落点放在了讲台之外：授课内容被延伸设计为一个480分钟的项目式学习模块，学生分组联系，把课上的算法变成一台能跑起来的检测器。
企业专家进课堂，先解决的是“听得懂”。卷积、锚框、损失函数配上现场图像，抽象概念很快有了着落。但课程组在随堂观察中发现，听得懂并不等于做得成——学生能复述网络结构，却不曾亲手训练过一个能在自己课题里用起来的模型。正是这个缺口，催生了后续的项目化改造：把专家讲授内容拆解为可操作、可检查、可交付的任务链。
支撑任务链的是一个真实数据集。学生4至7人一组，在机房完成环境配置、数据部署、YOLOv11模型训练与测试评估，再结合本组研究方向提出一项迁移应用方案。课程组把教学目标拆成知识、能力、素养三层，最终收敛为四项看得见的成果：可运行的模型权重、测试集评估结果、检测效果图与迁移应用方案。
企业专家把AI的使用边界写进指导书并在第一节课反复申明：代码骨架允许复用，但参数含义必须能解释；报告允许使用工具，但日志、指标与效果图必须是本组真实运行结果，展示环节现场抽查。AI在这里始终是“助教”，不是“代笔”。
从最近一轮实施看，模块达成了三项预期。工具能力真正落地，多数小组能在四次课内走完从环境配置到首次训练成功的全过程，并能独立排查路径含中文、内存不足、权重下载失败等常见故障；评价从“看报告”转向“看过程”，里程碑记录与看板数据让过程性评价有据可依。
一堂企业专家课，最终沉淀为一份任务书、一张检查表和一套可复用的资源包。YOLO系列模型均为公开资源，学生电脑普通配置即可完成教学训练；项目指导书、代码骨架、里程碑检查表与互评表已成套，其他课程只需替换数据集与缺陷类别，便可迁移到铸件缺陷、涂层损伤、纤维断裂等场景。对材料类专业而言，产教融合的落点或许正在此处：不必重建平台，只需把一个真实问题、一套可用工具和一张可核查的进度表，交到学生手里。
