“机器视觉”课程教学改革微探

□ 耿 磊 肖志涛 张 芳 王 佳 李亚茹

机器视觉是通过光学装置与传感器自动获取一个物体的图像，借助于计算机强大的运算能力对图像进行处理，来获取所需信息或控制机器运动的一门技术。目前，机器视觉已广泛应用于工业生产中，从零件尺寸测量、工件缺陷检测到字符识别、追踪定位，都有不同种类的视觉系统在工作。视觉系统的蓬勃发展使得越来越多的高校开设该课程，但传统的教学模式侧重于理论，与企业实际需求脱轨，必须进行改革以适应工业技术的发展。

随着国家2025战略的实施，我国的制造者面临着前所未有的机遇和挑战，“创新”被提到了一个前所未有的高度。在工业转型的过程中，智能制造成为企业的着手点。其中，机器视觉被广泛应用到新建立的生产线或提升改造的生产线中，机器视觉被赋予替代人工、提升生产效率、降低生产成本的重任。目前，机器视觉相关的技术，比如单目测量、双目测量、结构光测量及相关的光源、相机、传感器等被广泛应用，可高效、低成本的解决复杂及枯燥重复的生产工艺。

在修改培养方案的过程中，根据企业反馈和就业导向，“机器视觉”课程被放入2016级的培养计划中，因此就面临该课程教学内容、教学大纲及创新教学方法如何满足企业需求等迫在眉睫的问题。根据前期的调研，各个学校对该课程的教学内容不尽相同，但培养目标基本是面向企业实际应用。但普遍面临的问题是：注重理论教学，实践教学相对偏弱；教学内容不能与案例结合，难以激发学生的学习兴趣；课程编程语言选择与企业要求有差异，影响学生就业选择；实验设备老旧，不能与最新技术的发展同步。

围绕以上存在的问题，本课题将深入分析“机器视觉”课程体系，研究各大高校课程教学内容，联系行业内企业具体需求，完善该课程的理论教学内容、实践教学内容、教学大纲及教学方法，这对促进该课程教学的开展、培养符合企业需求的人才具有重要的意义。

一、改革目标

随着机器视觉应用范围的不断扩大，将“机器视觉”课程引入高校教学中，可以使学生接触到更加先进、更具有实用性的技术，同时也为以后其他学科的研究提供基础。机器视觉属于交叉学科，内容涉及广，在编写算法时需要一定的数学基础，若仅注重理论教学，则容易脱离实际。因此，在教学过程中采用以机器视觉理论为基础，实际应用为核心的教学理念。在教学中应尽量避免烦琐的公式推导，并结合工业生产案例，以面向企业实际应用为培养目标。

学生通过该课程可以学习到图像处理、机器视觉以及智能检测方面的知识，同时通过综合设计性实践题目培养学生的创新能力。在掌握了基本而又较全面的机器视觉、智能检测方面的知识后，提升学生从事相关行业的竞争力。

二、具体实施方案

首先，优化传统教学内容，调研企业应用，增加密切联系实际的内容，培养学生的学习兴趣。然后，根据教学内容设计教学大纲。最后，调研企业选定研发语言和平台，设计实践教学内容。

1.教学内容筛选。机器视觉是一门强调理论与实践相结合的学科，具有较强的可操作性、工具性。在传统的教学中，高校往往通过课堂理论讲授和图像算法分析的方法进行授课，并且考核内容侧重于理论知识的掌握。这就导致学生们无法将理论知识应用在实际问题中，遇到问题时常常不知所措。

通过对现有教学内容“重理论，轻实践”的反思，探索出机器视觉课程应采取 “精讲多练，注重实践”的原理，坚持教学内容少而精的原则，形成“从典型到一般，从理论到应用”的教学思路。因此，教学内容应该覆盖视觉系统基础理论、应用案例、动手实践等几个方面。学生通过理论讲解掌握机器视觉的基本知识，借助于工业应用案例了解其使用方法，最后在综合性实践项目中培养解决实际应用问题的能力。

2.教学编程语言选择。OpenCV，HALCON与Matlab都有机器视觉相关的功能，HALCON与OpenCV都是函数库，提供了多种编程语言访问的接口。不同在于：HALCON可以用C，C++，C#，Visual basic和Delphi等语言访问，OpenCV提供了Python、Ruby、MATLAB等语言的接口。OpenCV侧重计算机视觉领域，HALCON侧重机器视觉领域。HALCON是商业软件，而OpenCV可以在商业和研究领域中免费使用。

HALCON是德国MVtec公司开发的一套图像处理库，由一千多个独立的函数以及底层的数据管理核心构成，其灵活的架构便于机器视觉、医学图像和图像分析应用的快速开发。

HALCON的函数库包含了各类滤波、几何校正、数学转换、形态学计算、测量、形状匹配等基本的几何与影像计算功能，应用范围涵盖了医学、遥感探测、安保监控以及工业上的各类自动化检测，企业在实际生产中广泛选择HALCON作为机器视觉的编程软件。因此，在高校“机器视觉”课程中选择HALCON作为编程语言，可以使学生在以后的学习和就业中做得更好。

3.实践教学的探索。“机器视觉”是一门实践性很强的课程，该课程强调理论与实践相结合，在教学过程中不仅要求学生掌握机器视觉方面的基本概念、基本原理和方法，更注重对各种工业领域的应用，培养学生独立发现问题、分析问题和解决问题的实际动手能力。因此，应该避免传统教学方法中课题理论讲授和算法分析相结合的教学方法，并克服考核内容以对理论知识的掌握为侧重点的考核方法。突出本课程作为一种工程应用为主导的实践性、应用型特点，将实践教学提到了更加重要的位置。拟采取以下的措施：明确任务，教师实现向学生说明将要完成的任务的内容、要求和注意事项；学生尝试完成任务，在完成过程中记录出现的问题，并向教师提出问题；教师对相关基础知识进行讲解；学生重新认识问题，解决问题，记录未解决的问题，并修改解决方案；教师与学生共同讨论完成任务的过程中遇到的问题、今后遇到类似的问题要如何处理、如何把学到的知识运用到实践中去。

4.教学实践。为了突出“机器视觉”课程应用型的特点，课程实验采用小组的形式进行：4～8名学生根据兴趣任意组成小组，并从教师给定的几种实验项目中选择一种作为研究方向，通过收集资料、数据采集、编程实践、系统调试等过程最终完成该项目。综合性实验项目可以采用以下所示：

实验一：字符识别实验。学生通过相机拍摄工件上印刷字符的图片，编写算法对字符进行识别，并将识别结果自动显示在字符区域的上方。

实验二：距离测量实验。该实验需要学生测量某件物体的二维尺寸，涉及图像获取、标定、边缘提取、测量等步骤，可以很好地帮助学生掌握机器视觉技术。

实验三：形状分类实验。学生需要将一幅图片中不同形状的物体区分开，并在每个物体下方标注出其所属的类别和判断的概率。

面向企业的“机器视觉”课程改革，立足于企业的实际用人需求，侧重于加强学生的创新实践能力，使学生通过这门课程的学习掌握多学科、多领域的知识，并在此过程中不断提高解决问题的能力、知识创新的能力以及团队协作的能力。本文的创新之处在于在教学过程中不仅要求学生掌握机器视觉方面的基本概念、基本原理和方法，更注重其在各种工业领域的应用，培养学生独立发现问题、分析问题和解决问题的实际动手能力。

参考文献：

[1]闵锋，鲁统伟.面向生产实践的“机器视觉”课程教学探索与实践[J].计算机教育，2017，（10）：41-43.

[2]潘岱，熊才高.机器视觉在自动控制教学中的应用方法研究[J].科教导刊（下旬），2016，（6）：63-64.

[3]王朗，耿庆田，叶凌箭.基于学习测量和自适应学习的“机器视觉”课程知识创新实践研究[J].长春师范大学学报，2017，36（8）：135-137.

[4]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.

[5]陈妍冰.机器视觉技术在实践教学中的应用研究[J].中国电子教育，2014，（4）：41-44.

[6]黎小琴.HALCON软件在“机器视觉”课程实验教学中的应用[J].科技资讯，2014，12（30）：172-173.