机器视觉技术在实践教学中的应用方法研究

陈妍冰

摘要：随着机器视觉技术的日渐成熟，其应用领域趋于多样化，该文主要探讨了机器视觉技术应用于教学中的实际意义，并提出了以理论知识为基础，实际应用为核心的教学理念。根据提出的教学理念，该文拟定了一套完整的阶段式教学体系，并依托西安科技大学工程训练中心创新班为基础开展，取得了初步的教学效果。

关键词：机器视觉；图像处理；模式识别；机器人教学

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）27-6487-03

Abstract：With the maturer technology of machine vision， the relative applications become more diversified. The paper mainly discusses the actual significance of the application of machine vision technology in teaching， and puts forward a teaching concept based on theoretical knowledge， with practical application as the core. According to the concept， this paper lists a complete set of staged teaching system based on the innovation class of engineering training center of Xi'an University of Science And Technology， and good teaching effect is achieved.

Key words：Machine vision， image processing， pattern recognition，robot teaching

在当前强调实践能力和创新能力的教育背景下，智能机器人教学以不同的形式在各大高校广泛开展，常见的智能机器人项目如寻迹小车、足球机器人、四旋翼飞行器等，通过对智能机器人的认识和了解，学生提高了学习兴趣，同时也加强了实践创新能力[1]。

笔者注意到，目前学生在进行智能机器人的学习和制作时，大多使用传感器来进行外界信息的获取。如在寻迹小车中通常使用红外传感器来检测地面上黑色轨迹，通过检测到的信号来控制小车的行进方向。这种以传感器来接收外界信号的方法原理易懂、计算简单，但是这种获取信息的方式对于外界环境的要求很高，且接受到的信号非常有限，这就直接导致了智能机器人不能满足更加复杂且自主化的要求。

基于上述出现的问题，该文考虑将机器视觉技术加入到实践教学中，让学生了解和学习关于机器视觉领域的知识。通过机器视觉技术提高机器人的智能化，并在实践操作过程中提高自身的创新能力。

机器视觉简单来说就是一门研究如何使机器“看”的科学，一个完整的机器视觉系统通常使用摄像头等设备进行图像或视频的获取，然后使用计算机对其进行理解，最后做出系统需要的判断[2]。机器视觉属于交叉学科，结合了数字图像处理、模式识别、人工智能等技术，与人工视觉相比，机器视觉有着高精度、高复杂性、高集成性等优势，并且可以在相对特殊或极端的环境下作业，防止人员受伤[3]。近几年，随着数字图像处理和模式识别等技术的不断发展，机器视觉取得了一定意义上的成功，其应用领域也越来越广，如工业/农业产品的质量检测、车道线检测、自动倒车、指纹/掌纹/虹膜/人脸识别、车牌信息识别、步态检测及跟踪，等等[4]-[6]。

1 机器视觉的教学理念及教学目标

目前，随着机器视觉技术的不断发展，其应用领域也逐渐扩大，将机器视觉技术引入到实践教学中，旨在引导学生接触到更加前沿和实用的科学技术，在提高机器人智能化的同时，也为以后进行其它学科的研究打下基础[7]。

将机器视觉与智能机器人教学相结合的模式实际上是一种类似嵌入式开发的模式，属于软硬件结合的领域，通过选取合适的硬件设备，试图将可以在计算机上完成的算法、系统等移植到芯片中，通过芯片控制移动设备来完成需要的行为，以便应用于实际中。若在智能机器人的合适位置安装摄像头来获取外界图像，通过机器视觉中的相关技术使机器人完成相应的动作，这不但提高了机器人的智能化，也让学生在过程中学习到更多领域的知识。[8]

机器视觉属于交叉性学科，内容涉及广，且大多算法在学习时需要一定的数学基础，若采用传统教学方法，学生难以理解，且容易陷入复杂的数学公式中而脱离实际[9]。因此，该文采用以理论知识为基础，实际应用为核心的教学理念。在教学时尽量去除繁琐和难以理解的公式，使学生在掌握到一定机器视觉概念的基础上，尽量提高学生的学习兴趣，通过学生自身的主动性，并结合所学专业进行机器视觉的深入学习。

2 以实际应用为核心的阶段式教学体系

本文采用以应用为核心的教学体系，并将其分阶段进行，以满足不同学生的学习要求。学生通过该体系的学习，不仅可以快速的学习和掌握机器视觉技术中的一些基本算法，并且能够根据所学专业选择合适的方向深入研究。

本文分为四个阶段进行机器视觉技术的学习，使学生能够循序渐进的接受知识。第一阶段以演示实验为切入点，引入机器视觉技术中需要掌握的基本概念，并提高学生的学习兴趣；

第二阶段为基础性实验，通过教师手把手带着学生完成一些简单的程序，使学生可以直观的看到机器视觉技术可以得到的效果，并学习到基础性的机器视觉知识；

第三阶段为提高性实验，主张学生以小组为单位，独立完成教师的指定项目，在此过程中教师仅仅进行指导工作。另外，学生还可通过一些科技竞赛等形式的锻炼来强化知识；

第四阶段为创新型实验，主要由学生自行选择题目，或加入已有的项目组进行设备研制等工作，使学生掌握到更多机器视觉技术，并能够灵活运用。

3 具体教学实施方案与平台

本次针对机器视觉技术的教学工作依托于西安科技大学工程训练中心创新班为基础开展，创新班由于其成熟的开放实验室管理模式[10]与学生自身良好的学习主动性，使得本文中以应用为核心、不同于常规的教学体系得以顺利进行。该文所设置的阶段性实验具体如下：

3.1 以演示实验引入机器视觉基本概念

机器视觉中最常用的技术为：数字图像处理和模式识别，其基本概念包括以下五个部分：

1） 数字图像的基本概念；

2） 常见的数字图像处理算法；

3） 模式识别的基本概念；

4） 常见的模式识别算法；

5） VC++6.0软件平台以及OpenCV的用法。

3.2设置基础性实验掌握基本知识

学生经过演示实验掌握机器视觉中的基本概念后，就可以设置一些基础性实验。基础性实验由教师一步一步带着学生完成，在实验过程中向学生传授更多的机器视觉内容，并且可以根据学生的接受情况来增减实验内容。表2给出了基础性实验内容及实验结论。

3.3设置提高性实验强化知识

当学生有了一定的机器视觉基础后，就可以独立的完成一些提高性实验。提高性实验侧重于如何让学生将所学的机器视觉知识应用于智能机器人的制作中去。实验以小组为单位进行，学生根据擅长方向自行进行分工。提高性实验具体如下：

实验1：车道线检测机器人。主要模拟汽车上的车道线检测装置，使机器人能够沿着标定的轨迹前行。当机器人压线时发出警报，并且及时对行进轨迹作出调整。

实验2：模拟自动考勤系统。要求当摄像头中视频图像出现人脸的时候取一帧图片，并保存在指定文件夹下，图片文件名以当前时间命名。

除了上述提高性实验的训练外，还可以通过组织竞赛等形式让学生强化所学知识，并加强应用能力。

3.4 学生自行选择创新型实验

创新型实验主要针对想进一步学习机器视觉的学生设置。学生通过提高性实验基本掌握机器视觉技术的应用方式，并具备一定独立思考问题和解决问题的能力。之后可以根据兴趣自由组成小组形式，自己命题，并独立完成项目。完成的项目可以作为演示实验给下一批学生演示。

4 总结

近年来，随着数字图像处理技术、模式识别技术的不断发展，机器视觉取得了一定意义的成功，也越来越广泛的应该于各个领域。此次实践教学将机器视觉这种偏软件的知识与硬件的学习相结合，不但使学生可以学习到更多跨学科的理论知识，同时让学生通过这些交叉学科领域的学习完成复杂性更高、实用性更强的作品，在此过程中不断提高学生的动手能力、创新能力、团队协作能力。

参考文献：

[1] 周俊波.机器人教学与大学生创新教育[J].中国科教创新导刊，2013（32）：14-15.

[2] 韩九强.机器视觉技术及应用[M].北京：高等教育出版社，2009.

[3] 段峰，王耀南.机器视觉技术及其应用综述[J].自动化博览，2002，19（3）：59-61.

[4] 汪成龙，李小昱.基于流形学习算法的马铃薯机械损伤机器视觉检测方法[J].农业工程学报，2014（1）：245-252.

[5] 孙雪晨，姜肖楠，等.基于机器视觉的凸轮轴表面缺陷检测系统[J].红外与激光工程，2013（6）：1647-1653.

[6] 张伟东.基于机器视觉的自动倒车技术及模型系统研究[D].浙江：浙江工业大学，2013.

[7] 赵俊红，康文雄.机器视觉与智能检测创新实践教学模式的探索[J].实验室研究与探索，2012，31（5）：144-146.

[8] 宋丽梅，董虓霄.一种新型机器视觉教学系统的应用[J].现代教育技术，2011，21（6），126-128.

[9] 刘钊，胡佳，吴怀宇.机器视觉仿真实验平台的研究与设计[J].教育教学论坛，2012（10）：210-212.

[10] 柴钰.大学生自主管理的开放创新实验室模式[J].实验室研究与探索，2012，31（1）： 82-85.