机器视觉在自动控制教学中的应用方法研究

潘岱 熊才高

摘 要 现代计算机技术、数字图像处理技术不断发展，传统自动控制教学在教学方法上也不断创新，将机器视觉技术与自动控制系统结合的教学方法应运而生。本文从机器视觉技术在自动控制教学中的应用背景着手，给出了教学目的与教学实施方案。该教学方法在湖北商贸学院机电与信息工程学院的项目式教学改革中取得了初步的教学效果。

关键词 机器视觉 模式识别 自动控制 教学方法

中图分类号：G424 文献标识码：A DOI：10.16400/j.cnki.kjdkx.2016.06.031

Abstract With modern computer technology， digital image processing technology development，traditional automatic control teaching methods need continuous innovation. The machine vision technology combined with automatic control system teaching method arises at the historic moment. In this paper， we start with the background of the application of machine vision technology in automatic control teaching， give the teaching purpose and teaching implementation scheme. This teaching method in project teaching reform has obtained the preliminary effect of teaching in Hubei Business College of Mechanical and Electrical and Information Engineering College.

Key words machine vision； pattern recognition； automatic control； teaching method

视觉识别技术是通过计算机强大的运算能力对图像进行适当处理，提取所需信息的一门技术，一个完整的视觉识别系统中能够自动的采集图片或者视频信息并进行预处理，包括复原、去噪、加强等手段，然后对经过预处理的信息进行选择或变换，提取最能反映分类本质的特征，最后对特征进行分类并根据判别规则对信息进行处理。

在当前的教育背景和时代背景要求下，高等院校的教学更加强调实践和创新能力，智能控制技术已经深入到了自动控制教学的方方面面，在以往的教学过程中，传统的智能机器人项目比如基于单片机智能循迹避障小车、机器人足球、四轴飞行器等，都能激发学生浓厚的学习兴趣，动手实践参与度增高，能将控制理论与实践结合，加深理论知识理解。

1 机器视觉技术在自动控制教学中的应用背景研究

视觉是人类的主要感官，是人脑理解环境的重要信息来源，机器视觉技术作为一门利用计算机辅助来替代视觉工作的技术就是让机器“长出眼睛”，能够对周围事物产生视觉，感知环境的变化。随着现代科技的发展，人工智能在近年来引起了大家的广泛兴趣，自动化控制系统与视觉识别技术的融合能够很好地改善系统的自动化水平，让机器更智能，更好地为人类服务。

但是目前在单片机实践课程中学生在进行智能机器人的学习和制作时，并未应用到图像处理技术，而是通过传感器来获取外界信息。例如最常见的循迹避障小车，它的“视觉”是通过小车车身携带的红外传感器来检测地面上的黑色轨迹，通过红外接收装置来判断小车是否循迹或是偏离车道，从而对小车的行驶轨迹进行控制，利用红外传感器来实现小车的循迹避障功能原理简单易懂，方便实现且成本低廉，但是红外传感器对于外界环境要求极高，任何光线的变化都可能导致传感器无法正常工作，后期的调试工作任务繁重，系统鲁棒性差，无法满足复杂多变的环境要求。

机器视觉与模式识别是信息工程类专业的一门重要课程，该课程涉及多门基础学科，是一门多领域的综合性学科，高校通常在计算机信息类专业开设该课程，在自动化控制类专业中开设该门课程的高校较少。在长期的自动控制类教学过程中，偶尔的提及该技术，学生都表现出了强烈的学习欲望，因此，笔者认为在自动化控制教学中有必要结合模式识别理论来加深学生的直观感受，提高学生的实践水平。

2 机器视觉技术的教学目标

基于以上的背景，对于高校的自动控制类课程，有必要将机器视觉加入到实践教学中，让学生接触前沿科学技术，了解和学习相关领域的知识，通过该技术更好地进行智能机器人的设计，提高学生的创新能力。

将机器视觉技术运用到自动控制类课程的教学过程，实质就是将机器视觉应用到控制类的嵌入式开发项目中，通过选取合适的教学案例，编写图像或视频处理算法来实现机器的视觉功能，根据图像理解结果来实现控制，是一种软硬件相结合的教学模式。因为机器视觉属于交叉性学科，内容涉及广，在编写图像处理算法时有一定的复杂性，因此，在实际教学过程中采用以机器视觉与模式识别理论为导向，实际应用为主的教学理念。尽量避免算法中繁琐复杂的数学公式，让学生在掌握视觉概念的基础上能培养出学习兴趣，发散思维，主动结合所学的控制理论知识来进行更深入的智能机器人设计。

3 机器视觉在自动控制教学中的实施方案介绍

在实际自动控制教学中，采用以实际应用为导向的教学方法，通过基础的图像处理案例分析让学生掌握基本的机器视觉技术中的算法，并且能够举一反三，选择合适的研究方向进行深入学习研究。

教学实施过程分为三个阶段，第一阶段以实验演示为主，第二阶段设置基础性实验分析，第三阶段为提高性实验拓展。

3.1 演示实验

实验演示阶段主要给学生演示机器视觉中的图像处理和模式识别技术，包括图像的基本概念，像素的基本概念以及常见的图像处理手段和算法，在教学过程中选择MATLAB作为图像处理的软件平台，因为MATLAB为使用者提供了大量的图像处理基本函数，学生在使用过程中只需按照函数格式调用即可，为初学者节约了大量的时间。基础性实验由浅入深，其内容设置如下：

实验1：MATLAB软件介绍： MATLAB是集矩阵运算、图形处理、程序语言设计等功能于一体的软件，利用MATLAB提供的图像处理工具箱和可视化的图形用户界面能实现对图像的处理。

实验2：MATLAB图像处理工具箱基本操作介绍：教师在MATLAB平台上演示简单的图像处理操作，学生进行观察。

实验3：视频演示车牌识别应用：车牌识别是模式识别的经典案例，车牌形状、文理、内容字体都十分规则，从图像中识别车牌简单、稳定，该技术现在已经广泛应用于智能交通系统。

3.2 基础性实验

通过给学生演示机器视觉实验，学生对机器视觉技术已有一定的概念，此时，教师可根据学生实际情况设置一些基础的图像处理实验。

基础性实验的设置原则上要包含一定的图像处理技术，但是不宜采用过于复杂的图像算法，学生在这一阶段刚刚对图像技术有了一定的感性认识，复杂的算法会让学生学习的重点偏离基础性实验目的，在学生接受程度较好的情况下可让学生自行钻研复杂算法。一般情况下设置的基础性实验内容如下：

实验1：熟悉MATLAB平台。打开MATLAB平台，建立一个完整的工程，并在工程下新建m文件，在m文件中编程实现以下功能：（1）打开图像和显示图像（2）旋转并保存图像（3）对RGB格式的三通道彩图进行灰度和二值化处理要求学生能够熟练掌握imread、rgb2gray、rgb2bw、rotate、plot等函数的调用格式，观察处理后的图像效果，明白图像处理的意义。

实验2：图像边缘检测。使用MATLAB自带库函数对图像进行边缘检测，包括Sobel算子、canny算子、Laplace算子，设置不同的阈值观察检测效果，加深对边缘检测算法的理解。

实验3： RGB三通道彩图的灰度处理。要求学生在采用灰度公式Gray=0.2989*R+0.5870*G+0.1140*B在MATLAB中通过编程的方法对RGB彩图实现灰度化。

3.3 机器视觉与自动控制综合性实验

设置综合性实验目的在于强化基础知识，提升应用能力。在学生完成了基础性实验的基础上，就可以独立完成一些综合性的实验，将模式识别应用到自动控制系统中，实现人工智能。

实验以小组形式进行，学生根据自身兴趣，自选项目，通过查阅资料、整理资料、搭建硬件电路、进行软件编程、调试等一系列项目实施过程来完整的实现某一项目，教师在项目实施过程中只进行协助指导而不直接参与项目的制作，小组成员间相互协作共同实现项目。综合性实验的设置可以如下例所示：

实验1：车牌号码自动识别系统。学生通过数码相机采集车牌号码图片，编写算法实现车牌号码的识别。可在Java或C#平台上搭建应用软件，相机采集到的图片自动处理，最终输出该照片对应的车牌号。

实验2：基于机器视觉的自动循迹小车。该实验主要模拟汽车上的车道线检测装置，小车不再用传统的红外传感器来实现循迹功能，而使用更高级的图像处理方法，使小车能够沿着指定的轨迹行进，在出现偏移时能够报警并对行进轨迹做出相应的调整。

以上为教师提供的参考性实验，学生可以发挥自己的想象力和创造力，在能力范围内，让机器视觉技术与自动控制系统合二为一，实现智能化。

4 总结

近年来，机器视觉已经被越来越多的应用到各个领域，对于自动化专业的学生而言，要想顺应时代要求，在自动化领域有所突破，掌握基本的机器视觉技术已经迫在眉睫。大学作为培养应用型人才的摇篮，将机器视觉应用在自动控制教学中，能够充分调动学生的求知欲望和学习模式识别技术的兴趣，在试验中充分发挥出学生的主体作用，减少算法等抽象理论知识的讲授，着重培养学生动手能力，加深学生的理解，增强学生的记忆。当然，在机器视觉应用到自动控制教学的过程中，如何做到更好还要不断地探索与实践。

参考文献

[1] 陈妍冰.机器视觉技术在实践教学中的应用方法研究[J].电脑知识与技术，2014.10（27）：6487-6489.

[2] 朱明珠.车载机器视觉的应用概述[J].机电技术，2014（1）：50-52.

[3] 满江月.人脸识别技术应用与发展趋势[J].中国公共安全（综合版），2014（10）：124-127.

[4] 赵俊红.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.

[5] 张芳.基于MATLAB的“模式识别”交互式教学内容设计[J].教育教学论坛，2015.3（12）：149-150.