面向新时代人才培养需求的“机器视觉”课程教学改革研究.pdf
《面向新时代人才培养需求的“机器视觉”课程教学改革研究.pdf》由会员分享,可在线阅读,更多相关《面向新时代人才培养需求的“机器视觉”课程教学改革研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、2023 年 10 月上195Agricultural Mechanization Synthetic Study农机化综合研究面向新时代人才培养需求的“机器视觉”课程教学改革研究*付贵忠,牛福洲,陈浩,曹自洋,沈晔湖,谢鸥(苏州科技大学机械工程学院,江苏 苏州 215009)摘要:智能制造是新一轮工业革命的核心,要实现从“制造大国”到“制造强国”的转变,智能制造将是主攻方向。机器视觉技术可以使制造过程更加自动化,提高制造过程的效率和准确度,帮助制造企业提高竞争力,在智能制造中具有十分重要的地位。为了更好地培养满足新时代智能制造产业需求的人才,在人才教育和培养的过程中需要针对性地做好“机器视觉
2、”课程的教学及其改革研究。基于此,项目组对“机器视觉”课程教学过程中出现的教材偏陈旧、教学内容工程实践性弱和教学方式不够丰富等问题进行了分析,建议尽量选用较新教材,在教学内容方面引入实际案例、鼓励学生使用开源的图像处理库并且引导学生以小组为单位参加项目和竞赛,在教学方式上增加学生讨论、专家演讲、企业参观和示例代码演示等环节。教学实践表明,改进后的教学方式教学效果更佳,可以提高学生的学习兴趣和积极性,更好地实现机器视觉专业人才培养目标。关键词:智能制造;机器视觉;教学改革中图分类号:G642 文献标志码:A DOI:10.3969/j.issn.1672-3872.2023.19.0510 引言
3、德国提出的“工业4.0”概念强调将物理世界和数字世界融合,通过物联网、大数据、云计算和人工智能等技术实现智能制造。智能制造涉及人工智能、物联网、大数据等前沿技术,在农业、医疗和服务业等领域有广泛应用。智能制造可以促使企业更加注重技术创新、品牌建设和高附加值产品的生产1。智能包含的能力包括感知能力、学习能力、推理能力、语言能力和协作能力等,而其中智能化的感知能力是非常重要的一环,机器视觉因其非接触、成本低、效率高和可重复性高等优点作为智能化感知的重要实现方式,在众多行业中得到了广泛应用。为了更好地培养满足新时代智能制造产业需求的人才,在人才教育和培养的过程中需要针对性地做好机器视觉专业素质的相关
4、培养2。机器视觉专业人才培养方式如图1所示,其中人才培养定位为以康耐视、基恩士和德创等机器视觉企业的典型岗位需求为目标,人才培养课程包括“数字图像处理”“机器视觉”“机器/深度学习”和“编程语言”等,在人才培养的过程中引入应用型项目实践、团队参与领域竞赛、行业专家讲座和机器视觉企业参观等重点项目。1 “机器视觉”课程教学现状机器视觉指机器代替人眼来做测量和判断,是计算机科学和人工智能领域的一个重要分支,涉及使计算机能够模仿人类视觉系统的能力,从图像或视频数据中提取信息、分析场景、识别对象等。“机器视觉”课程通常涵盖机器视觉的基础理论、图像处理技术、模式识别和深度学习等。图1机器视觉专业人才培养
5、方式1.1 教材偏陈旧目前,高校在机器视觉和数字图像处理方面用的教材包括:1)Digital Image Processing,作者为Rafael C.Gonzalez和Richard E.Woods;2)数字图像处理,即Digital Image Processing的中译版,阮秋琦等译;3)数字图像处理的MATLAB实现,作者为Rafael C.Gonzalez,Richard E.Woods,Steven 基金项目:教育部产学合作系统育人项目(202101319012,202102449049,202102449048);苏州科技大学教学改革与研究项目(2021JG-24,2020KCH
6、H-17);国家自然科学青年基金项目(52105526)作者简介:付贵忠(1990),男,江苏盐城人,博士研究生,讲师,研究方向为深度学习、机器视觉。1962023 年 10 月上Agricultural Mechanization Synthetic Study农机化综合研究L.Eddins,阮秋琦译;4)计算机视觉教程,作者为章毓晋;5)数字图像处理,卡斯尔曼著,朱志刚等译。以上教材内容十分丰富,但是在自动化、电气和仪器等专业的培养方案中,“机器视觉”课程一般不是专业的核心课程,课程内容的丰富性有时会受到学时的限制3。在授课教师讲授课程时,主要讲解的内容会选择图像的基础知识、基础算法、数学
7、形态学、边缘检测和图像分割等应用较广的章节,而对很多比较重要的内容没有详细的讲解,如图像恢复/校正/修补、图像去雾/雨、图像重建、图像编码和目标识别等内容,这些内容有些是和行业中的实际需求相关的。冈萨雷斯的 数字图像处理 教材及其译本,教材较为经典,受到广泛使用。作为近年来快速发展的技术之一,机器视觉的理论内容、新方法和新设备等都有了很大的发展。但在选择经典版本书籍作为教材时,存在滞后性,由于机器视觉教材的编写时间较早,如 数字图像处理 教材已经编写完成十余年,教材内容可能无法涵盖相关领域最新的研究进展和技术,尤其是在快速发展的机器视觉领域,导致学生无法了解机器视觉领域最新的发展趋势和相关前沿
8、知识,一些教材中的内容变得过时或不再适用,这可能导致学生在实际应用中面临困难4。1.2 课程教学内容工程实践性不强相关教师在授课时主要集中在基础理论上,少量的例题也是对理论进一步阐述,缺少和实际任务需求相关的例题。这导致学生在学习过程中常常会出现理论与实践脱节的情况5,学生在掌握理论知识时会局限在书本讲述的内容,而无法和实际情况联系起来。例如讲解图像去噪的时候,教材中主要讲解利用各种模板进行图像的去噪,关于噪声的产生作了一定的介绍,但是在给出需要处理的含噪图片时,并没有给出实际情况下的自然含噪图片,而是通过人工合成方式生成含噪图片,这不利于学生形成对实际有噪声图像的直观印象和培养学生对图像处理
9、的能力。因此,当学生毕业工作后面临实际工程问题时,他们会局限于书本中的图像去噪方案,而不能因地制宜地根据被研究对象的物体特性、光学特性、数据生成形式和环境影响等因素设计图像去噪算法。1.3 教学方式单一,学生积极性不高机器视觉在多个行业中都有很广泛的应用,包括制造业、互联网、农业和交通等,多学科的交叉和融合现象较强,因此需要具备多学科专业知识来解决实际的工程问题。在传统的板书和PPT教学模式中,更加侧重于理论知识的展示,对实际应用问题的背景阐述、问题剖析和研究方案的设计内容较少。一些经典教材可能沿用传统的教学方法和教学风格,可能不够贴近现代学生的学习需求和方式。这可能影响学生的学习积极性和理解
10、深度。在部分院校中有一定的上机实验课,但是上机实验课的课时较少,实验的内容也仅是书本中的例题,实验部分的成绩对最终评定影响较小,因而学生对这一部分的重视度不够。学生在学习的过程中,学习兴趣和积极性不高,认真听课率不高。复习准备考试的过程中,学生只能面对理论的内容反复记忆背诵以通过考试。最后虽然学生通过了考试,但是从本课程中获取的专业知识并不能够满足实际的工作需要,这样的教学方式自然不能达成专业的教学目标和毕业目标。参加工作后需要在工作中摸索完成工作所需要的内容。2 “机器视觉”课程教学改革措施2.1 选用合适的教材针对机器视觉教材选用存在的不足,教师应该充分意识到这些缺点,并采取适当的措施来弥
11、补。首先,选择国内外最新的机器视觉和图像处理方面的教材作为主要参考资料,再提供一些经典的书籍给学生作为辅助参考资料,学生可以通过主要参考教材了解最新且成熟的技术,课后通过辅助参考教材补充了解上课老师没讲或者自己没理解的内容。虽然在教学中可以选择较新的教材,但是教材从编写到出版一般也是需要最少一两年,其中的相关技术不会一直保持最新的状态。因此,在讲解到相应的内容时,教师可以通过引用最新的研究文献、技术博客、行业报告等资料,将教材内容与机器视觉最新的研究进展联系起来,以帮助学生了解机器视觉领域的最新发展趋势和前沿知识。2.2 增强课程的实践性考虑到现有的“机器视觉”课程教学更加侧重于理论知识的学习
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 面向 时代 人才培养 需求 机器 视觉 课程 教学改革 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,个别因单元格分列造成显示页码不一将协商解决,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。