科研转化教学

杨秋菊 刘丽丽

摘  要：全面推进新工科建设的大背景对高校人才培养提出了更高的要求。该文在分析数字图像处理课程现有教学模式弊端的基础上，精心构建典型工程案例辅助理论教学，探讨将最新的科研技术和方法融入课堂教学，并在教学过程中融入思政教育。介绍部分工程案例的具体内容、涉及的知识点、课程思政元素，并以其中的砗磲荧光图像预处理案例为例，详细说明案例的具体构建过程及呈现形式。教学实践结果显示，引入案例化教学后学生的学习兴趣明显提高，学生的科研素养、创新能力、动手能力和综合应用能力也得到显著提升，结合案例实际的课程思政设计有利于“全方位育人”的目标达成。

关键词：新工科;数字图像处理;案例教学;课程建设;课程思政

中图分类号：G641        文献标志码：A          文章编号：2096-000X（2024）01-0180-04

Abstract： The background of comprehensively promoting the construction of new engineering puts forward higher requirements for the cultivation of talents in universities. Based on the analysis of the shortcomings of the existing teaching mode of Digital Image Processing course， this article carefully constructs typical engineering cases to assist theoretical teaching， discusses the integration of the latest scientific research techniques and methods into classroom teaching， and integrates the ideological education in the teaching process. The paper introduces the specific contents of some engineering cases and the knowledge points involved. Taking the tridacna fluorescence image preprocessing as an example， the construction process and presentation are introduced in detail. The teaching practice results show that the introduction of case-based teaching has significantly increased students' interests in learning， and has also significantly improved their research skills， innovation， practical skills and comprehensive application skills. Combining the actual case with the curriculum political design is conducive to achieving the goal of "comprehensive education".

Keywords： new engineering; Digital Image Processing; case teaching; course construction; curriculum politics

為响应《教育部高等教育司2023年工作要点》中“加强基础学科人才培养，着力造就拔尖创新人才”和“强化交叉融合再出新，深入推进新工科、新医科、新农科、新文科建设，引领带动高等教育提质创新发展”等精神，高校应持续对工科类课程进行教学研究与改革。目前，高校人才培养面临着众多挑战：一方面，教学与科研脱节，学生的创新能力难以保证;另一方面，理论与实践脱节，学生综合应用能力不强;此外，课程思政融入方式及融入深度均有待提升[1]。

数字图像处理是信息与通信工程、计算机科学与技术、生物医学工程等学科的重要研究方向及业务内容之一，也是信息科学中发展最快的热点研究方向。其不仅涉及专深的基础理论，而且与工程实践密切相关，同时具有极其广阔的探索空间。随着数字图像处理技术的快速发展及教学改革的不断深入，旧版的《数字图像处理》教材和传统的课堂理论讲授模式已经无法满足教育教学的需求，国内高校纷纷开展教学改革，如设计基础、综合、开放等不同层次的实验改进实验教学[2-3]，增加实验课时量突出工程实践[4]，引入最新机器学习、深度学习技术[5]，引入案例化教学[6-8]，将思政教育融入课程教学[9-10]等，并取得了不错的效果。

本文从师范院校的人才培养出发，充分利用任课教师团队的科研成果和前沿专业赛事，构建数字图像处理工程化教学案例，将最新的科研技术和方法融入课堂教学，实施课程教学改革。案例教学是以学生为中心，通过呈现案例场景，引导学生发现问题、分析问题和解决问题，在实践中提高学生的综合能力。同时，为了更好地发挥专业课程的育人作用，结合案例内容在教学过程的各个环节有机融入思政元素，切实开展课程思政，实现知识传授、能力培养和价值塑造有机融合，旨在培养德才兼备的专业技能人才。

一  数字图像处理国内教学现状

数字图像处理课程主要讲授计算机图像处理的基本原理、典型方法和应用实践，具体包括数字图像的基础、图像变换域处理、图像增强、图像分割、数学形态学、图像复原与重建、图像压缩与编码、图像特征提取和模式识别等内容。该课程是一个理论学习与动手实践并重的课程，不仅概念多，理论性强，同时与日常生活和工业生产的具体应用直接相关，被广泛应用于航空航天、通信、工业、医学及军事公安等领域。目前，数字图像处理的教学模式依然以课堂讲授为主，教师借助幻灯片讲解相关理论和知识，学生参与度低，课堂效果一般;且本课程侧重于工程应用与实践，完全采用课堂讲授难以达成教学目标。此外，很多学校采用的数字图像处理的教材是2010年左右出版，已经跟不上日新月异的技术发展，比如如火如荼的深度学习。这导致学生无法将热门的数字图像应用（如戴口罩人脸识别、美颜相机等）与课堂理论建立联系，最终导致课堂教学理论性强、应用性差，学生学习积极性不高，将理论与实践相结合的能力得不到锻炼。

本文提出以科教融合、产教融合、思政融合的育人观为指导，将教师科研成果（包括理论成果、技术成果、产品开发成果等）转化成教学案例，课堂教学既有基础理论，又有当前国际前沿发展及典型案例演示，学生既能“耳听”，又能“目染”。在教学过程中，根据案例内容将思政元素融入课程的细微处，实现全程育人和全方位育人，完成立德树人的根本任务。通过课堂案例教学不仅使学生掌握坚实的基础理论和专业知识，同时培养学生运用知识解决前沿问题的能力。在综合实验和课程大作业环节，学生需要通过编程实现案例内容，在实践应用中将知识融会贯通，实现实践教学和理论教学的有机结合。

二  工程化教学案例的构建

数字图像处理作为机器视觉、模式识别、遥感图像处理与识别、医学图像处理、视频编码与处理等方向的基础知识，综合了计算机、数学、光学及信号处理等领域的专业知识，是控制科学与工程专业及相近专业的一门综合性专业课，对培养综合性人才大有裨益。该课程与工程实践结合紧密，教学内容丰富，在构建工程案例时应该兼顾前沿性、系统性、专业性、工程性和普遍性等准则，选择当下热门的应用需求和场景，引导学生发现问题和解决问题，提高学生理论联系实际的应用水平，提高学生的动手能力并培养学生分析和解决实践问题的创新意识和设计能力。

按照上述准则，结合任课老师的科研方向，我们共构建了十个典型案例，基本涵盖了数字图像处理的基本理论和主流任务。表1列出了其中五个案例的案例名称、案例内容、涉及的知识点及思政内容，以此来说明我们案例的构建过程和特点。

具体地，每个教学案例包括案例来源、案例内容、涉及的知识点、算法流程、算法源代码和思政元素等，其中算法源代码主要由Matlab或Python来实现。以表1中砗磲荧光图像预处理为例：在案例引入时，先讨论厄尔尼诺现象和拉尼娜现象等极端天气现象给人类造成的巨大影响，培养学生的社会责任感，继而引入砗磲这种研究全球气候变化的载体。砗磲荧光图像预处理的具体流程如图1所示。其输入原始图像为图1（a）;图1（b）是使用直方图均衡法进行图像增强，以改善图像较暗的情况;图1（c）是使用PatchCore算法[11]，对砗磲荧光图像中较大异常区域进行检测异常检测，得到包含异常区域的不规则mask;图1（d）是利用PEN-Net方法[12]，根据砗磲荧光图像的上下文信息对异常区域进行图像复原;图1（e）是利用无监督深度生成对抗网络[13]生成的砗磲荧光图像;图1（f）是对图1（e）二值化后的结果。我们对整个案例的算法核心代码提供了必要的解释说明，包括案例介绍、涉及的知识点、算法名字，并对算法的运行环境、参数等做了充分的说明，引导学生去实现案例，理解和应用数字图像处理算法。整个过程侧重培养学生综合应用理论、系统考虑问题和解决问题的能力。而且在案例设计时，考虑到因材施教的原则，既有统一性，又有多样性：每个学生都能根据自己的能力，达到不同程度，比如本案例中的图像生成这一步比较难，学生可以根据自己的水平选择性完成。

三  “案例+思政”融合教學实践

本案例聚焦砗磲荧光图像预处理这一问题，课程思政主要包括三点：①案例引入时，带领学生讨论近年频出的极端天气（如干旱、高温、暴雨轮番上演等）对人类的影响，培养学生的社会责任感;②介绍中国科学院地球环境研究所晏宏研究员在气候变化领域的成就，通过青年榜样的力量引导学生勇于挑战、赶超学术前沿;③在实验过程中，培养学生科学、严谨的实验态度，并培养创新精神、团队合作精神及工匠精神。

在引入案例化教学之前，学生常常通过课堂听讲、课后习题作业，以及演示/验证性实验完成整个课程教学。构建典型教学案例后，学生提前预习和研究案例内容，课堂上教师组织学生将案例拆解成多个子任务、分析各子任务涉及的知识点、并给学生演示各子任务的结果示例（图1），最后学生自由组队实现整个案例内容。具体地，本案例在教学过程中采用美国神经病学教授Howard Barrows 提出的“基于问题的学习”（Problem-Based Learning，简称PBL）教学-学习模式来完成，该教学模式强调以学生为中心、以老师为主导，问题是该教学模式的轴心[14]。主要包括如下步骤。

课前自学。学生根据案例内容自主查阅最新论文，了解国内外研究现状，知道研究的重点和难点。

课堂讨论。将砗磲荧光图像预处理拆解为数字图像处理的典型任务，包括图像增强、异常区域检测、图像复原、图像生成及图像二值化等，讨论每个子任务可行的解决方案。

自由组队。建议3人一组，分别负责文献调研、编程、理论研究等。

自主完成实验。根据前面的学习和讨论，每个组自主设计实验方案，编程完成实验。

小组汇报。针对实验方案、实验过程、实验结果等进行小组汇报和组间PK。

综合评价。包括自评、互评和教师点评，如实验任务和关键问题是否得到解决？实验过程中组员间合作如何？研究方案、实验结果有没有问题？

采用PBL案例教学和问题驱动/任务驱动的小组合作教学模式，有助于培养学生的问题意识、自主学习能力、合作能力和创新能力。

在学生的考评环节，现有模式主要依据是期末考试成绩，通常占比70%～80%;而占比20%～30%的平时考核成绩主要依据的是考勤、课后习题作业、实验报告等，平时成绩很难拉开差距;这种考核方式很难反映出学生的综合能力。引入“案例+思政”后，平时成绩比例增大至50%，其中课程大作业占比25%，主要考查评估学生的动手实践能力和综合运用能力，具体包括算法设计、代码实验、报告撰写和汇报答辩等部分;平时成绩的另外25%主要考察学生的课堂表现（10%）、实验课表现（10%）及作业情况（5%）。针对课程思政，主要考查学习态度、在团队中的表现等。在整个教学过程中，强调对概念和原理的理解而不是死记硬背，培养独立思考和独立解决相关工程问题的能力。值得一提的是，虽然在考核方式上来单独体现课程思政部分，但其实已经将其融入课程全过程，包括通过课堂测试强化学生的公平公正意识，通过小组合作强化学生团结协作、诚实守信的工作态度，精益求精的科研精神，以及一荣俱荣的集体荣誉感。

总之，通过案例教学，引导学生学会如何对数字图像进行综合处理、分析和应用，促进学生了解相关研究方向的前沿技术，提升学生创新能力和解决复杂问题的能力;通过思政教学，发挥课堂育人的主渠道作用，落实立德树人的根本任务。

四  教学效果

经过在2个班级的教学实践结果表明，相比之前传统教学，“案例+思政”融合教学取得了良好的教学效果。一方面，学生的新工科素养提到了很大的提升，学生的学习兴趣、理论水平、动手能力及文献调研能力等均有了明显改善，学生的视野得到了有效拓宽，对本门课的理解和认识有了很大提升。通过一个学期的学习，给定一个综合性实验，比如设计一个运动目标检测系统，大多数同学都能通过分析问题、查阅资料、独立设计实验方案并最终完成实验。另一方面，学生探索未知、追求真理的好奇心大大增强;培养了批判质疑、缜密分析的科学思维和科学方法;树立了严谨的实验态度和规则意识，创新精神和团队合作意识见长;强化了学以致用、学习报国的理念，民族使命感和社会责任感大大增强。

五  结束语

教学与科研的关系相辅相成，“教而不研则浅，研而不教则空”。当前科技发展迅速，只有将教师优秀的科学成果转换为教学资源，才能满足人才培养的需求。文章通过将科研新技术融入课堂教学并将科研新成果转化为教学资源，精心设计了数字图像处理工程案例，并结合案例内容挖掘思政元素，在课程教学实践中实现思政育人。教学实践表明，与日常生活和专业赛事相关、兼具学术和应用价值的工程案例能充分调动学生的学习积极性，激发学生的求知欲;采用基于任务驱动和小组分工的PBL教学法可以强化学生分析问题、解决问题及团队合作的能力;立足学术前沿，有利于学生科研素养和创新能力的培养和提升;思政元素的引入，使教学更加人性化，有助于全面落实立德树人的根本任务。

参考文献：

[1] 王淑营，杨燕，李天瑞，等.“科教+思政”融合的人工智能拔尖人才培养模式探索[J].计算机教育，2023（6）：1-6.

[2] 李露，谢凤英，姜志国，等.关于在实验课程中培养研究生创新实践能力的探索——以数字图像处理实验课程教学改革为例[J].实验技术与管理，2010（27）：235-237，248.

[3] 李欣，张琪，王蓉.虹膜识别系统综合实验设计[J].实验技术与管理，2021（38）：75-77，81.

[4] 张育中，卢荣胜，董敬涛，等.数字图像处理课程教学实践与思考[J].大学教育，2022（6）：142-144.

[5] 朱賀.基于深度学习的图像语义分割算法的应用研究[J].电子元器件与信息技术，2022（6）：196-198.

[6] 刘海英，陈鹏举，郭俊美，等.《数字图像分析与处理》教学案例库之验证码识别算法研究与应用[J].高教学刊，2020（27）：87-89.

[7] 张俊超.“数字图像处理”边缘检测教学案例设计[J].电气电子教学学报，2022（44）：178-181.

[8] 张俊生，赫英凤，张晓娟，等.新工科背景下《数字图像处理》课程的案例化建设研究[J].电子元器件与信息技术，2023（7）：246-248，253.

[9] 周虹，徐海荣.工科课程思政教学设计与实践——以“数字图像处理”课程为例[J].教育教学论坛，2023（9）：129-132.

[10] 滕升华，李晶.“以学生为中心”的数字图像处理课程思政设计与实施[J].计算机教育，2022（8）：53-56.

[11] ROTH K， PEMULA L， ZEPEDA J， et al. Towards Total Recall in Industrial Anomaly Detection [C]// IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， New Orleans， LA， USA， 2022：14298-14308.

[12] ZENG Y， FU J， CHAO H， et al. Learning Pyramid-Context Encoder Network for High-Quality Image Inpainting [C]// IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Long Beach， CA， USA， 2019：1486-1494.

[13] KIM J， KIM M， KANG H， et al. U-GAT-IT： Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation [C]//International Conference on Learning Representations （ICLR）， 2020：1-19.

[14] MCPARLAND M，NOBLE L M，LIVINGSTON G. The effectiveness of problem-based learning compared to traditional teaching in undergraduate psychiatry [J]. MedEduc， 2004（8）：859-867.

基金项目：陕西省自然科学基础研究计划-面上项目“基于机器学习的PMAFs时-空自动检测及其物理特征研究”（2023-JC-YB-228）;中国科学院地球环境研究所黄土与第四纪地质国家重点实验室开放基金“基于机器学习的化石孢粉图像自动识别”（SKLLQGZR2201）

第一作者简介：杨秋菊（1986-），女，汉族，湖南岳阳人，博士，副教授，硕士研究生导师。研究方向为数字图像处理、机器学习。