纺织工程专业学位研究生的机器视觉课程教学案例库建设

周 建，潘如如，王 蕾，郭明瑞，高卫东

（江南大学 纺织科学与工程学院，江苏 无锡 214122）

纺织工业作为我国制造业的重要产业，多年来为国家出口创汇及提高民生福祉等方面做出了巨大贡献，在2020年抗击新冠疫情显示了其责任与担当，展现其强大的生产制造能力。2021年6 月，《纺织行业“十四五”发展纲要》正式发布，确定了在纤维新材料、智能制造、时尚建设、绿色制造和高端产业用纺织品共五个领域重点发展目标。其中智能制造以大幅提升生产效率及生产方式精细化、柔性化和智能化水平为目标，提升纺织工业的智能化水平是传统制造业转型升级及建设制造强国的关键。

专业学位研究生教育是为适应我国经济社会发展、培养高层次应用型专门人才的主渠道，面对新时代的新要求，教育部在《专业学位研究生教育发展方案（2020—2025）》中明确指出要大力发展及大量增加专业学位研究生招生规模，同时也指出了当前专业学位研究生教育存在的问题，例如仍沿袭学术学位发展理念以及培养质量不高、培养模式发展缓慢等不足。近些年，在宏观政策的推动下，我国纺织企业的智能制造升级改造已经初见成效，为适应行业对智能制造高层次应用型人才需要，相关纺织类高校也开设了纺织智能制造方向的研究生培养课程，例如江南大学纺织科学与工程学院（以下简称我院）针对该方向研究生培养要求开设了《传感器原理及应用》《纺织物联网技术》《纺织信息管理》《纺织机器视觉技术》 及《纺织CAD》共计5 门与纺织智能制造密切相关的课程[1]。其中《纺织机器视觉技术》是在传统《机器视觉》课程基础上结合我院专业特色及科研平台所开设的一门核心课程，其目的是让专业学位研究生在掌握基本的机器视觉理论与算法基础上，通过引入纺织加工流程中涉及到视觉检测的案例，将理论知识与工程应用案例相结合，提升学生将所学的算法应用于工业实践场合的能力，并为其在课题研究及解决复杂工程问题打下基础。

作为人工智能及制造业智能化的关键技术之一，机器视觉通过模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，目前已经广泛地应用于检测、测量和控制等工业场合[2]。然而，该课程具有很强的学科交叉性，其内容涵盖图像处理、模式识别、自动化控制以及数学等学科，所涉及知识点多而繁杂，相对于纺织工程专业学生，由于缺少计算机相关学科的基础知识，难以在短时间内同时完成理论及实践教学。为此，如何在有限时间完成机器视觉的理论教学，并注意培养实践应用能力是机器视觉这门课程建设与改革的关键所在。

1 机器视觉课程教学现状

近年来，随着智能制造在各行各业的快速推进，机器视觉技术已经广泛用于检测和识别等工业场合，各高校的相关专业也纷纷开设了机器视觉课程，并结合自身特点对该课程进行了不同侧重点的教学，例如有的高校在培养方式中强调产学研融合，通过参与横向项目进行实践教学；而有的则侧重于算法教学，利用机器视觉实验平台采用分组和学生自学方式进行[3]。这些创新的教学方式都为机器视觉的教学改革提供了很好的参考，但针对于纺织工程专业学位学生能力，由于纺织流程较长，同时缺少相关学科知识背景，在实践能力的培养方面仍存在如下不足。

1.1 内容与行业需求不匹配

与计算机视觉不同，机器视觉技术主要侧重于工业场合的应用，虽然不同专业在讲授过程进行了相应调整，但仍与行业发展需求脱节。首先，教学课程内容还是集中在数字图像的增强、修复、分割及变换等基本内容，与实际的检测对象如纤维、纱线处理差异较大；其次是忽略了行业对象的图像采集问题，纺织品从纤维到织物加工过程中，所需要检测到对象尺度跨度大，例如纱线毛羽检测需要微米级别的成像要求。此外，纺织纤维品种繁多，选择合适的光源系统及成像装置方案可以大大简化算法处理难度，提升检测精度。

1.2 缺少行业案例驱动

与学术型研究生不同，专业学位研究生重点在于培养工程实践能力，以满足行业对应用型人才的需求为培养目标。而实际上专业学位硕士培养方案仍大部分沿袭学术硕士培养模式，所开设的机器视觉课程仍侧重于基础性算法原理推导，并未根据行业需求进行教学内容及案例设计，而实验室所能提供的有限实验条件及设备难以达到实际工程项目开发的要求[4]。纺织行业应用案例的缺乏，一是导致学生对机器学习课程内容理论知识点分散；二是对于行业案例知识点的掌握程度达不到应用层次的理解维度，遇到实际工程问题还是无从下手。

1.3 小结

综上所述，受限于课程教学课时及行业背景的特殊性，当前机器视觉课程在培养学生专业实践能力方面仍需要提升，要求学生在处理熟悉基本数字图像处理算法的基础上，应用机器视觉算法解决面向企业需求的视觉检测问题。为此，有必要在专业学位研究生机器课程教学内容引入行业背景案例，通过案例分析及程序实现的教学手段，使学生认知和掌握基本理论，培养其对纺织工程涉及机器视觉问题的分析及解决能力，在提升教学效果的同时，有助于研究生相关课题完成质量。

2 纺织机器视觉课程案例库建设

与其他制造业不同，纺织行业具有流程长、机器台数多且重复及劳动密集特点，其纺织制品的加工过程大量的操作都严重依赖人工视觉判断和干预，严重制约其向自动化、连续化及智能化方向的发展。为此，本着降低人工操作劳动强度及提升纺织生产自动化、智能化的应用型人才培养目标，所开设的纺织机器视觉技术课程，以纺织加工流程为主线进行课程教学案例库构建，例如，将纤维制成纱线的纺纱流程（开清棉→梳棉→并条→粗纱→细纱→络筒）所涉及的行业应用有：原棉异纤检测、纱线毛羽检测和筒纱纸管分类等应用。

在案例建设上，结合我院在产学研合作及智能织造研究方向的优势，目前已经在行业机器视觉应用积累了较多应用实例，例如，在纤维尺度应用有毛羽检测；纱线尺度有条干检测、单纱断头检测；织物尺度有疵点检测、纬斜角度检测。为此，通过总结和筛选当前行业中机器视觉应用所涉及的共性问题，并结合现有机器视觉基础算法，从问题分析、图像采集系统设计、算法选取、编程调试及对结果测试等环节进行具体教学案例库构建，同时突出案例的代表性、启发性及可操作性，其主要案例建设内容如下。

2.1 图像采集系统设计

获取优质清晰度图像是后期有效算法的前提，为此需要针对实际场景设计合适的图像采集系统。为提高图像采集质量，针对纺织品的加工对象维度，从纤维、纱线及织物三个层次进行案例建设，其内容包括：光源形状、照明方式及光源波长等选型设计；工业相机分辨率、通信接口、触发方式及视场等参数计算及选型；与相机配套的镜头接口、放大倍数、焦距及光圈等参数选型。通过对采集系统的设计，使学生熟悉成像系统的基本原理及参数优选，为后续算法设计提供基础。

2.2 原棉异纤检测

当前采用机器视觉进行原棉异纤检测已经在棉纺织厂应用，并取得了较好的经济效益，作为一个采用机器视觉取代人工视觉的典型应用案例，其课程案例建设内容有：不同波长下原棉成像分析、阈值分割、形态学处理、连通域分析，根据分割的目标几何尺寸条件确定是否为异纤。通过对不同光源下的异纤目标分割效果对比，可加深学生对合理选择成像系统重要性的理解。

2.3 纱线毛羽检测

采用机器视觉进行纱线毛羽检测，可以获取毛羽的准确长度及其根数，是一个典型的高分辨图像处理案例，其建设内容有：高分辨率成像系统、阈值分割、图像拼接及亚像素边缘检测。通过对搭建高分辨成像系统，让学生熟悉镜头选型及光圈焦距的参数影响，同时可以更好地理解亚像素图像分析的场景需求。

2.4 筒纱纸管分类

筒纱纸管图案是纱线品种区分的标识依据，采用机器视觉对所提取的图案进行特征提取可对其进行快速分类，其案例建设内容有：圆形目标识别、图案区域定位、图像变换、特征提取及分类。该案例是一个典型的模式识别任务，具有较好的可验证性，以目标形状识别为基础，通过图案目标定位、特征提取及简单分类器的构建，让学生掌握模式识别的流程，为日后类似分类问题提供参考借鉴。

2.5 浆纱撞筘检测

在纺织加工实时监测中，将机器视觉技术引入浆纱撞筘检测，能够很好地满足其实时检测要求，其案例建设内容有：视频采集、视频帧提取、帧间差值、阈值分割、边缘检测及轮廓面积。通过对视频采集环境的搭建及视频帧的图像的实时处理，可以让学生掌握采用视频进行检测的需求及算法处理的流程。

2.6 坯布疵点检测

由于坯布检测属在线检测，需要采用线阵相机进行运动坯布的高速拍摄，其主要建设内容有：线阵相机采集系统设计、图像预处理、特征提取、特征优选、分类器设计及检测效果对比。坯布疵点检测涉及算法种类繁多，本案例着重对线阵相机采集原理、灰度共生矩阵、局部二值算子及聚类分析进行检测效果实现与分析，为复杂的在线质量检测应用提供基础。

2.7 牛仔织物纬斜检测

牛仔织物组织为典型的斜纹织物，整纬时需要精确识别其纬纱倾斜角度，相比于光电检测法机器视觉技术具有精度高、品种适应强等优点，其案例主要建设内容有：图像采集、图像滤波、傅立叶变换、边缘检测和霍夫变换。本案例着重学习和实践经典傅立叶变换及霍夫变换在斜纹织物纬斜检测的应用，培养学生应对角度、直线等参数实时检测案例的操作能力。

3 纺织机器视觉课程建设持续改进

为更好地培养专业学位研究生应用机器视觉解决实践问题的能力，以纺织加工流程所涉及的机器视觉问题进行教学案例库的构建，从而实现课程教学内容和过程与实践案例的紧密结合，使学生能将理论与实践结合提升实践能力。而课程教学质量的提高是长期的过程，机器视觉课程案例库的建设亦如此，都需要一个长期有效的持续改进机制。改进过程中需要对课程目标达成情况进行详细分析，并针对教学过程中存在的问题和短板提出相应的改进措施，使案例库建设内容得到持续改进和更新，其持续改进机制如图1所示。

如图1 所示，案例库的构建始于机器视觉课程的课程目标，其制定总体原则来源于毕业要求，并以此为依据构建课程案例库的相关内容。案例库的构建是关键一环，其建设内容除了要针对课程目标设置外，还要将实践案例与理论内容紧密结合，确保其内容科学合理，满足课程考核要求。同理，课程考核和课程评价是检验案例库内容是否合理的关键，主要采用期末综合成绩分析每个课程目标的完成情况及学生自评的方式进行。通过目标完成情况及学生反馈意见，对课程目标进行调整并重点对案例库所存在的不足进行完善和修正，做到改进、建设及再改进之间的闭环持续改进。

4 结语

随着智能制造在各行各业的快速推进，纺织行业的信息化、自动化及智能化水平已经有了显著提升，其中机器视觉作为智能制造的关键技术之一，在替代人工视觉、提升纺织加工流程效率及生产智能化水平方面成效显著。对机器视觉课程的教学改革，旨意在推动我国专业学位研究生的培养模式改革及培养质量的提升。本研究以纺织机器视觉课程改革为入口，结合我院专业特点及典型行业案例，通过强调实践教学及构建案例库的方式提升学生对机器视觉理论的学习效果及实践操作能力，进一步助力产教融合培养模式的改革创新。