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）

0 引言

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。

图1 机器视觉专业人才培养方式

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。

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 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，实践性的内容偏少，因此可以针对现有的教学大纲进行一定的调整[6]。首先，在常规教学中引入实际的案例和问题，让学生在课堂上分析和解决真实世界中的机器视觉问题。这可以帮助他们将理论知识应用到实际情境中。项目组曾经以停车场车牌号识别、答题卡分数判别和农作物成熟度检测作为案例进行分析与讲解，停车场车牌号识别和答题卡分数判别均为学生学校日常生活中能够接触到的场景。因此学生在学习时不会感到陌生，反而相当一部分同学会感兴趣这些案例背后的原理。在讲解农作物成熟度检测的时候，需要展示实际的机器视觉应用示范视频，一步一步地解释其原理和实现过程，形成直观的过程。机器视觉在农业项目应用中番茄成熟度检测的结果展示如图2所示，可以看到学生通过番茄成熟度项目研究，对三种成熟度的番茄都获得了较准确的检测结果，学生的动手和实践能力得到验证。因此，可以鼓励学生使用开源的图像处理库，如OpenCV以及深度学习框架，让他们能够快速构建和测试机器视觉模型。利用实验平台或在线工具，让学生在模拟环境中进行图像处理和机器视觉实验，帮助他们熟悉实际操作步骤。此外，学科竞赛成为当前大学生创新能力培养的重要载体[7]，目前机器视觉在各个领域的项目和竞赛都很多，我国的一些机器视觉领域的比赛如表1所示，可以引导学生以小组为单位参加项目和竞赛。以阿里云天池大赛为例，大赛一般提供公开的图像数据集，让学生尝试不同的机器视觉任务，如图像分类、目标检测等，参赛者可以利用提供的数据集，应用数据挖掘、机器学习、深度学习等技术来解决实际问题，展示自己的技能和创新能力。比赛结束后，对于获得比赛名次的团队，主办方还会颁发证书，这对于参赛团队中的学生进一步深造或者在机器视觉行业中工作非常有帮助。

表1 机器视觉领域竞赛

图2 番茄成熟度检测项目结果展示

2.3 改进教学方式

除了选择更合适的教材，改进教学方式也很重要。教学方法的改革不仅需要教师自身针对教学的成效进行分析，还需要教师了解学生对教学的评价，鼓励学生提供反馈，发表对教材和教师教学的看法。根据学生的反馈，在下一次上课的时候及时调整教学内容和方法。除了传统的教学方式，还可以实施以下几种课堂教学方式。

1）学生讨论。利用机器视觉技术解决问题时，往往一个问题可以有多个解决方案，每个解决方案在实施时有很多参数需要调整和调试，在课堂上引导学生对这些方案和参数选择进行讨论和思考，探讨知识在实际情境中的应用，分析各自的优劣。课堂上鼓励学生提出问题、分享观点，从而促进学生深入思考。

2）专家演讲。和行业中的专家建立联系，邀请机器视觉行业专家或从业者进行演讲，分享一些实际的项目经验。可以让学生更好地了解实际问题和需求，学生针对演讲的内容更容易提出问题。课后还可以组织学生去机器视觉行业相关公司走访参观。

3）应用相关软件。在教学中将机器视觉的相关软件作为教学工具，如MATLAB。MATLAB软件具有强大的图形可视化能力、丰富的内置函数和友好的编程环境。项目组在教学准备过程中编写相应代码程序作为课本教学的补充，发现讲解MATLAB软件代码及操作时学生的专注度比讲解理论部分更好，证实这种教学方式的教学效果更佳。

3 结语

毋庸置疑，提高人才培养效果关系到国家智能化、数字化发展质量和发展速度[8-10]。为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”课程的教学改革。项目组分析了现有的“机器视觉”教学过程中出现的教材偏陈旧、课程内容工程实践性不强和教学方式单一等问题，并提出了相应的教学改革方案，以更好地满足新时代人才教育和培养方面的需求。