国家《关于深入实施“人工智能 +”行动的意见》强调推动“人工智能 + 民生福祉”落地，借助智能化供给改善公共服务，提升民众获得感、幸福感与安全感。在此背景下，我校积极响应，近日，学校电子信息工程学院人工智能教研室舒彤博士、丁文斌研究团队与九江涵辰子健康产业有限公司合作的“鼾声监测软件”项目成功落地，为高校落实国家战略提供了范例。

锚定 “民生福祉” 方向，校企合作破解 “真需求”

“传统鼾声监测依赖专用硬件，价格高、便携性差，普通家庭难以普及 —— 我们想做一款能装在手机里的监测工具，却卡在了核心识别算法上。”九江涵辰子健康产业有限公司项目联系人江文霞的困惑，正是民用健康监测领域的普遍痛点，也与《意见》中 “推动人工智能赋能民生服务，让技术贴近百姓生活”的要求高度契合。

当 AI 大模型技术从学术论文走向产业实践，如何让 “高精尖” 的技术真正解决企业生产经营中的 “真痛点”，成为高校科研团队的重要课题。2025年6月，九江学院人工智能教研室团队与该企业达成技术服务合作，签订《鼾声监测软件开发》专项合同。根据协议，团队需研发一款适配安卓系统的软件监测模块，通过分析手机录音文件判断是否为鼾声，样本识别率不低于 80%，同时提供 MATLAB 仿真测试、C 语言代码设计、安卓 APP 源代码交付等全流程技术服务。

项目负责人舒彤表示，团队从合作初期就明确 “以企业需求为导向”，将技术研发与实际应用场景深度绑定，我们的研发从一开始就不是‘为技术而技术’，而是要让打鼾人群在家就能完成便捷监测，为睡眠健康管理提供低成本解决方案。

攻坚 “轻量化部署”，让大模型走进 “民生终端”

对于鼾声监测项目而言，核心挑战在于：如何将需要大量算力支撑的 AI 音频大模型，“压缩”到资源有限的手机终端，同时保证识别精度。

团队以音频事件分类模型 YAMNet 为基础，结合嵌入式设备特性进行深度优化，走出了一条“大模型轻量化”的技术路径。“YAMNet 原本是针对通用音频事件识别的模型，直接用在鼾声监测上会存在‘识别泛、精度低’的问题。我们通过数据标注、迁移学习，让模型‘专情’于鼾声特征 —— 比如提取鼾声的低频震动规律、周期性波形，与环境音、说话声等干扰音做精准区分。”参与项目研发的人工智能专业2022 级学生黄凯成介绍，团队运用模型剪枝、权重量化等技术，将原本需要大量算力支撑的模型压缩至原体积的 1/5，同时把单帧音频推理时间控制在毫秒级，确保手机运行时不卡顿、不耗电。

从原始音频的标准化处理，到梅尔谱图特征提取，再到 MobileNet 深度可分离卷积网络的特征学习，团队构建了一套 “端到端” 的鼾声识别流程。2025年9月，项目按合同约定完成研发 —— 在企业提供的 100 个鼾声样本、20 个干扰音样本测试中，识别率达到 90%，超合同要求的 80% 标准。“现在打开手机 APP，录一段睡眠音频，软件就能实时显示鼾声分贝、是否超过设定阈值，数据还能同步给家人或医生，完全符合我们对‘便携化、平民化’的期待。”

践行 “实践育人”，让学生在 “干中学” 成长为战略人才

“以前在课堂上学模型压缩、嵌入式部署，总觉得离自己很远；直到参与这个项目，跟着老师一起标注数据、调试算法，才明白‘理论到实践’的差距在哪里。”人工智能专业 2022 级学生廖肇静，全程参与了项目的 MATLAB 仿真测试环节。在舒彤博士的指导下，他不仅掌握了YAMNet 模型的原理与优化方法，还学会了根据手机硬件特性调整代码参数 —— 比如针对不同品牌手机的录音采样率差异，设计自适应预处理模块，这一细节优化让模型兼容性提升了 30%。

据了解，该项目团队成员中，有4名人工智能专业本科生，分别承担数据标注、算法测试、代码编写等任务。“我们把项目拆解成一个个‘学习型任务’，让学生在解决实际问题中掌握专业技能。比如让学生尝试用不同的量化精度（INT8/UINT8）测试模型性能，对比哪种方案能在‘精度’和‘速度’间找到最佳平衡 —— 这种‘做中学’的效果，比课堂讲授更深刻。” 舒彤博士表示，团队还将项目案例融入《Python 程序设计》《机器学习》《嵌入式系统》等核心课程的实践教学中，让更多学生接触到 AI 技术落地的真实场景。

目前，该鼾声监测软件已进入试生产阶段，预计 2026 年初正式推向市场，惠及千万打鼾人群。此次合作不仅是九江学院响应《关于深入实施“人工智能 +”行动的意见》的具体举措，更探索出“国家战略引领、校企协同攻关、实践培育人才” 的高校服务地方发展新模式。未来，我们将继续围绕“人工智能 + 民生福祉”“人工智能 + 产业发展”等领域，推动更多 AI 技术从实验室走向生产生活，为培育新质生产力、服务民生需求贡献高校力量。”

审稿人：邓长寿