机器视觉课程教学方法改革与实践

江祥奎，丁 锐，熊 伟

（西安邮电大学自动化学院，陕西西安 710121）

1 聚焦“问题导向”，强化学情分析

机器视觉是智能科学与技术专业本科生的专业课，授课对象为智能科学与技术专业三年级学生。在知识结构上，学生已学习了高等数学、线性代数、高级语言程序设计、系统建模与仿真、模式识别等课程，具备了一定的理论分析和编程实践能力，但是对于复杂的工程实践问题，学生仍无法很好地理解相关原理。为此，机器视觉课程能很好地从工程需求背景出发，让学生了解前沿科学技术及其工作原理。机器视觉是智能学科的重要研究方向，是实现计算机集成制造的核心技术之一，对于我国建设智造强国至关重要［1-3］。

机器视觉课程具有学科交叉、知识点多、数学模型复杂、不利于学生系统化掌握等特点，给教学工作带来了诸多挑战［4］。因此，需要坚持以学生发展为中心，通过学情分析，深度挖掘痛点。根据学习认知模型，总结的痛点问题如下：

（1）课程涉及的知识繁杂，构建体系困难。机器视觉课程中的基础理论、基本方法和图像处理算法，不仅涉及到高等数学、线性代数、矩阵论、概率论与数理统计等相关知识，而且涉及到数字图像处理、模式识别、计算机视觉等相关课程。该课程内容推导量、运算量大，涉及到的概念通常晦涩、枯燥难懂，无法吸引学生注意力。同时，教学内容涉及面广，存在过多的教学案例，每个知识点对应不同的应用案例，致使学生无法形成完整的知识体系。

（2）实践训练不足，难以学有所用。在传统教学体系下，大量课程时间用于理论教学，实践训练时间较少，仅设置了8 学时的课内实验。针对重点教学环节中实际案例的分析与实现，仅一次课内实验难以很好地培养学生解决工程问题的能力。因此，单纯的实验课程并不足以让学生实现学有所用。

（3）课堂评价流于形式，未能激发学生持续改进。在课堂教学过程中开展了多种形式的评价，如课前线上测试、线上学习、课堂讨论、课堂测试、课程作业、课内实验、期末考试等，但是多种评价形式对于教学改进的效果仍有待提升，评价结果尚未很好地促进学生发展，教学评价的诊断与改进作用未能充分发挥。

2 创新设计，打造深层教学模式

为解决教学中存在的上述问题，本课程秉承“以学生发展为中心，以能力产出为导向”的教学理念，以所罗门学习风格理论为指导，通过5 轮教学改革实践的迭代，总结出“以学生发展为中心，以能力产出为导向”的深层教学模式［5-7］，如图1所示。

Fig.1 Deep teaching model centered on student development and oriented by ability output图1 “以学生发展为中心，以能力产出为导向”的深层教学模式

针对以往该课程教学中存在的“涉及知识繁杂，构建体系困难”的痛点问题，采用“两结合，一贯通”的教学策略，其中“两结合”采用“趣味案例教学法”与“情绪唤醒法”相结合的教学策略。“一贯通”是指将一个案例贯穿始终，甚至多个章节，由一个案例为导引，连通学生的知识体系，使学生可由一个案例串联出众多相关知识点。针对每个章节的重难点设计案例教学，将机器视觉抽象枯燥的原理、公式通过典型案例一步一步进行讲解，激发学生的学习兴趣。同时，课程将繁琐枯燥的知识点结合具体实际应用场景进行讲授，构造有“现实性”的课程案例，激发学生多层次的心理响应，使其高阶认知与低阶认知良性互动，提升其学习的主动性。

在课前预习的设计中，不拘泥于课本，积极吸收各类学术成果、国际前沿科技发展理论，引入恰当的参考资料，结合具体现实需求，紧扣知识点形成优质的“机器视觉剧本”，并增添趣味案例，如“人形描边”“幸福识别”“混声分离”等。与此同时，在“趣味”教学过程中，引导学生的思维方式，形成积极的人生价值观。

改变传统课堂教学方式，采用线上线下相结合的模式，即教师与学生角色互换，将学习的决定权从教师转移给学生。在线上，学生自主规划学习内容、学习节奏、风格及知识呈现方式，授课教师采用讲授法和协作法以满足学生需要，促进其个性化的学习。通过教师的案例演示、个别指导，让学生进行反复训练以提升其学习能力［8-11］。在线下，增加机器视觉应用体验课时，面对面进行实体案例演示，让学生切实感受身边的实践应用，而非只是图片、视频中不可触摸的案例。教学体系创新框架如图2所示。

根据目前教学班的学习风格制定教学策略。所罗门学习理论从信息加工、感知、输入、理解4 个方面将学习风格分为4 个组与8 种维度。通过问卷调查的方式收集学生的学习风格，以“智能1904”班级学生为调查对象，利用所罗门学习风格量表对学生的学习风格进行分析，可将学生分为沉思型/活跃型、感悟型/直觉型、视觉型/言语型、顺序型/综合型，如图3 所示。通过数据分析，发现“智能1904”班更喜欢通过积极讨论进行小组合作，通过事实和案例来理解知识，并喜欢视觉型学习材料，更愿意按顺序学习。所以在课堂讲解时，可引入视频讲解代替原来的文字教学。在“立体视觉”一章，结合“螳螂捕食”“智能眼”等趣味案例，以帮助学生更好地理解立体视觉原理。通过课后的反映，学生理解透彻且印象深刻。

Fig.2 Innovation framework of teaching system图2 教学体系创新框架

Fig.3 Analysis of students'learning styles图3 学生学习风格分析

同时，为更好地了解学生，在课程开始之前，对学生的高等数学、线性代数、C 语言和MATLAB 的达成度进行了分析，如图4所示。

其中，通过对学生高等数学达成度进行分析后可知，学生的空间想象、推理论证和数据处理等基本能力有待提高；通过对学生C 语言达成度进行分析后可知，学生对于数组、函数以及三大控制结构、结构体、共用体与指针的使用还有待加强，结构化或模块化程序设计等实验技能有待提高。

Fig.4 Analysis of achievement degree of relevant courses图4 相关课程达成度分析

3 “双创+实践”贯穿课堂教学，促进学有所用

针对“实践训练不足，难以学有所用”的痛点问题，在教授课程理论的同时，将创新创业和各类竞赛所需的知识点润物细无声地贯穿于课堂教学的每一个章节，以激发学生的工程思维，促进学生学有所用。根据课程相关的空间几何变换、图像采集、摄像机标定等基本知识点，结合目标检测、OCR 识别、机器人视觉引导等典型应用，培养学生图像处理的编程实践能力与软件开发能力，实现知识的落地，达到“以赛促教、促学、促用”的目标。

充分利用课堂主阵地，引导学生参加全国大学生工程训练竞赛，尤其是智能机器人比赛项目。该项目应用视觉传感信息处理技术，实现控制并完成简单的避障功能，需实时识别周围环境，测量周围物体与机器人之间的距离，并根据环境变化调节参数、调整动作策略及处理紧急情况等。

在竞赛过程中，为学生讲解先进的技术应用，将图像采集技术与当下常态化新冠抗疫的国情相联系。面对突发疫情，防疫压力增加，传统人工识别效率有限，因此需要依靠科技力量阻击疫情，将图像采集技术应用于口罩识别等应用中。

还可从通过面部表情图像控制轮椅运动和无人机靶向空投等实际应用出发，让学生感受到图像采集技术的重要性。同时，由浅入深地讲解图像采集原理，逐步激发学生的学习热情。

4 聚焦“多元评价”，持续改进教学

上课前，通过问卷调查和数据分析对学生的学习能力、学习态度与学习风格进行诊断性评价，评价结果用于选择与改进教学方法，如图5所示。

Fig.5 Diagnostic evaluation图5 诊断性评价

在课中，通过讨论、笔记、小测试等方式对学生的学习进行形成性评价，评价结果用于查缺补漏，未达标的学生需要通过线上学习进行校正。学生课中小组讨论汇报成果如图6所示。

Fig.6 Students discuss and report the results in groups图6 学生课中小组讨论汇报成果

在课后，学生充分利用学习通、词云等数智化手段，有机结合线上线下教学，活跃课堂教学氛围，并采取小组讨论等形式创新课堂教学模式，营造学习共同体。让学生唱主角，从而变被动学习为主动学习，成为学习的主人。通过让学生多讨论、多思考，培养其独立思考的能力，促进学生学有所思，形成自己的工程思维。同时，通过词云大数据对课堂讨论和教学内容的分析，帮助学生快速了解课堂讨论的重点内容，并帮助其课后更好地进行复习。学习通与词云大数据如图7所示。

本课程考核采取过程考核与期末考试相结合的方式，采用百分制进行成绩评定，评定方法为：总评成绩=期末考试成绩×60%+平时成绩×40%。其中，期末考试采用闭卷考试。

5 聚焦“成果辐射”，实现共同成长

鼓励和引导学生积极参加比赛，锻炼学生的团队协作能力与科研开发能力。团队不仅重视学生的学科成绩，而且会根据学生的学习能力、表达能力、批判质疑能力、实践动手能力、创新创造能力等对其进行定性评估。

在2021年全国大学生工程训练竞赛中，指导学生参加智能机器人项目和智能配送无人机项目，学生在比赛中取得了全国银奖的好成绩。学生成果如图8所示。

Fig.7 Xue xi tong and Ci yun big data图7 学习通与词云大数据

Fig.8 Student achievements图8 学生成果

经过不断的改革和创新，笔者作为机器视觉课程的主讲教师，赢得了学生的信任和好评；在校内各种比赛和课程创新交流中，得到了评委和教师们的一致表扬与认可；在对毕业生的追踪调查中，受到毕业生好评。

6 结语

本文的创新点是形成“以学生发展为中心，以能力产出为导向”的深层教学模式，该模式将“以学生发展为中心”的理念贯穿教学设计的每个环节，利用信息技术工具精准分析学情，之后根据教学目标和学情分析结果精准匹配教学策略，开展多元评价并进行改进，让学生在知识、能力、素质3 方面全面发展，使不同层次的学生都得到提升，因此具有较高的推广价值。