新工科背景下图像处理改革与实践探索——以表情机器人体育教练项目为例

刘娜 万里红（.上海理工大学健康科学与工程学院 上海 00093；.中原动力智能机器人有限公司 河南 郑州 450040）

1、新工科课程教学必要性

新型工程科学（简称新工科）是基于国家战略发展新挑战、全球竞争新局势以及培养德才兼备复合型人才的标准而提出的工程教育创新路径。代表着我国积极应对新一轮科技变革和产业转型的战略性举措，标志着新时代下工程教育改革的新趋势。新工科教育模式强调通过多学科和跨领域的融合，旨在塑造学生的创新精神、实践动手能力和团队协作能力，着力于发现问题和解决问题，是未来科技发展和社会需求的新教育模式。当代的工程技术专才需具备多学科知识结合的全面能力，在现代社会中应用网络信息处理技术致力于跨领域的创新实践。

上海理工大学坚持以培养德才兼备的新工科为目标，致力于培育具备国际视野、深厚爱国情感、科学的思维方式、工程实践能力、创新意识和身心健康的优秀工程技术人才。不断尝试工程道德教育的新范式，推动新型工科教育的变革。于2023 年9 月成立卓越工程师学院，旨在培养具有创新精神和实践能力的工程人才，对于卓越工程师的培养则更需要新工科教育的支持，与新工科教育的理念是高度一致的。

2、体育领域内智能教学现状

随着互联网和人工智能技术的迅猛发展，当前社会的趋势显示，体育领域正朝着数字化治理模式的转变。这一模式的特点是政府主导、社会市场多元主体参与以及校企联动，这也意味着更加高效、精准的管理方式和更广泛的参与机会。

在数字中国建设的背景下，体育智慧化和数字化已经成为体育发展的必经之路。例如，在运动员训练过程中，球追踪问题和运动员行为识别问题等，都需要依靠先进的人工智能技术进行大数据分析，以推断运动员的意图或行为模式；主要是通过先进的计算机技术，如人工智能、云计算、物联网等，对运动员的训练过程进行全方位的数字化管理和智能化分析。同时，电子设备、传感器、机器人等技术也被广泛地应用，用于收集和分析运动员的各项数据，从而更好地对训练过程和竞技策略进行评估。

目前，在许多体育项目中机器人教练得到了广泛应用，它可以更好地对运动员的动作数据进行分析、对运动员的技术动作要领提出改进方法，帮助运动员提升专业技能。基于大数据，通过人工智能算法的应用，同时结合机械制造、运动控制技术等技术对竞技项目的特点进行融合，这成为未来体育项目中的重点方向。其中，体育大数据作为一种新的研究领域引起了广泛关注，这种趋势使得体育领域逐渐进入智能化的新时代，并为产业带来了巨大变革。通过大数据信息处理技术，包括数据的采集、分析和应用，逐步实现了体育产业的智能化和精准化。要实现机器人教练在体育训练中的应用，需要将人工智能算法和运动员训练数据相融合。对于收集到的运动员训练数据，机器人教练利用算法进行分析，从而提供针对性的指导。机器人教练还可以根据运动员的特点和需求，进行训练计划的量身定制，并提供实时的技术指导，帮助运动员改进技术动作。由于体育项目富有多样性，有的项目注重反应速度，有的则侧重动作和力量，这使得机器人应该具备足够的灵活性和精准度，以适应不同运动项目的训练需求。

但是，由于经济原因导致人工智能技术在体育教学中的应用仍处于探索和实验阶段，无法得到普及和推广。同时，相关政策和法律法规的欠缺，也为课程的普及带来了诸多困难和风险，这些因素共同影响着人工智能技术在高校体育教学中的发展。举例来说，由于运动员训练过程具有复杂性和多样性，对其动作进行准确捕捉并计算相应的运动参数以提供反馈和指导对算法提出了极高的要求。此外，各种不同的运动环境也需要设备具备更高的稳定性。另外，对于体育大数据的分析和处理也是至关重要的，需要提取有用的信息。这些问题需要得到解决，以促进人工智能技术在高校体育教学中的应用和推广。因此，图像处理等人工智能基础课程的重要性也变得更加突出。

3、现有课程教学过程存在的问题

数字图像处理是一门集理论与实践于一体的综合课程，在工科院系中占据着重要的课程地位。它是人工智能实际应用中应用最广、成效显著的基础理论课程之一，随着时代的发展其应用领域也在不断扩展，技术成果持续创新。基于该课程内容所研发的技术成果多应用于航空航天、公共服务、数据通讯、自动化服务、数字娱乐、制造业、等军事、生活和工业领域。

3.1、理论与实践脱节

图像处理课程融合了计算机学科与工程、电子工程、人工智能、数学以及数字信号处理等领域的知识内容。实践对于图像处理课程的教学非常关键，跟实际项目的结合能够更有利于学生更好地将理论与实践结合，加深对基本理论的理解和感悟。目前，在图像处理课程的教学过程中，存在一个主要问题，即过于注重理论知识的传授，而忽视了实践的内容。尽管学生能够在课堂上学习充足的理论知识，但由于该课程的特点，导致他们在实践环节中缺乏相应的经验，同时过于偏重理论教学，也减少了对学生动手能力的锻炼，使得学生缺乏项目实践中解决问题的能力。为了解决这个问题，建议在课程教学过程中增加项目实践的内容，并最好与产业界、学术界进行合作，以提供专业培训的机会。通过这样的方式，可以弥补当前课程的不足之处，培养具有实际动手能力的学生，使他们能够在适当的项目中实践所学的知识，从而使知识变得更加生动起来。为了实现这个目标，建议增设课程实验项目，提供充足的实验资源和设施支持，以确保学生能够充分理解和体验图像处理技术在实际应用场景中的功能和效果。同时，还应鼓励学生参与科研课题或大学生创新竞赛活动，以开拓学生视野，让学生真正掌握和应用图像处理课程的理论和实践技术。

3.2、学生对课程缺乏热情

目前图像处理课程存在学生对课程缺乏热情、只是被动接受知识的问题。造成这一问题的原因是多方面的，现有的课程只专注于知识的传授，实验课时非常少，缺乏应用实践课程枯燥乏味，而实践教学是培养综合能力的有效途径，同时也有利于对理论教学进行深入、延续和拓展。为了激发学生的学习兴趣和投入精力，需要采取多种措施来共同努力。例如，在教师授课方式中增加实践和互动环节，将课程的呈现方式结合视频和多媒体，增加学生的实际操作环节等。同时，在课程设计和教学安排上也需要考虑学生的个人需求和兴趣，根据图像处理在不同行业的应用方式，引导学生进行实地参观，如互联网企业、医药行业、机器人等。通过这些措施，可以更好地激发学生的学习热情，并使他们能够将所学的知识应用到实际场景中使他们能够在实践中不断积累经验，在实践中发现问题并解决。以项目驱动教学的模式可以大大地激发学生学习的兴趣，还能够提升他们的实际应用能力和创新思维，培养更具竞争力的人才。

3.3、课程评价体系不够完善

由于新工科对于的高素质应用型创新人才培养要求，需要对数字图像处理进行改革，主要集中于课程设计、课程内容、课程结构、课程评价、学生管理等方面。主要目标是激发学生的学习兴趣，提升主动性和创新性。在传统的图像处理课程中，其评价体系通常基于对学生进行考试或课程论文的形式来对其理论知识掌握情况进行考核，这会忽视对学生的实际动手能力和创新思维的考查。对于图像处理课程来说也不够全面，因为该课程具有非常广泛的应用场景，需要学生具备实践经验和创新能力，才能更好地解决复杂的图像处理问题，如图像分割、图像分类、形态学变换等。因此，需要建立一个更加完善的评价体系对学生的能力进行评估，以更加全面、客观地进行评价。

4、项目课程设计

新工科模式下图像处理在表情机器人中的应用项目课程如表1 所示。

表1 新工科模式下图像处理在表情机器人教练中的应用项目课程安排

4.1、项目课程安排

在现有图像处理课程缺乏实践项目的不足下，我们通过结合表情机器人进行课程内容设计，旨在推动学生对图像处理的实际应用和解决问题的能力。该课程内容共包括五个实践项目供学生选择，每个选题都基于当下主流的计算机视觉和机器学习算法组成的，涵盖了全部的图像处理课程的内容但又各有偏重点，学生可以根据自己的兴趣进行选择。通过这些内容的学习和实践，将能够培养学生出色的动手能力，软硬件的结合方式也大大提高了学习兴趣，在寓教于乐的过程当中加深了对图像处理课程的理解。通过这个基于表情机器人的课程设计，学生将不仅能够获得出色的实际操作能力，还能培养对实际问题的敏感度和理解能力，为他们未来在人工智能和情感计算等领域的发展奠定坚实基础。

4.2、课程考核

在新工科的大背景下，随着人工智能技术的突飞猛进，这使得传统的图像处理课程考核方式无法满足新工科教育的新需求。图像处理传统的考核方式是以考试成绩作为评估成绩的主要依据，无法考查学生的动手能力和解决问题的能力。为了与时俱进，提高教学质量，我们引入了一种全新的考核方式。旨在更全面地评估学生的学习成果，准确衡量学生的真实水平。

在现有的实物机器人上面，通过公开和自制数据集的运动员训练影像作为算法研发的数据，课程主要内容为研发智能机器人教练的辅助训练系统。该项目课程的考核方式共包括以下四个方面：

（1）项目成果展示：根据课程安排中的五个选题，学生依据个人兴趣选择感兴趣的题目，需要完成相应的演示要求并进行实物展示。形式可参考创新创业项目的路演方式，每组准备一份详细的报告进行汇报，不仅需要展示设计对应的算法，还需在表情机器人上进行对应的功能展示。例如，如果选题是表情模仿，学生需要演示机器人如何通过摄像头捕捉人类面部表情并绘制出检测到的关键点信息，并对不同表情进行识别和模仿；

（2）实验报告：学生需撰写一份完整的实验报告，详细描述他们在项目中所使用的图像处理方法、数据集以及编程实现过程等。报告还应包括依据主流评价指标对实验结果的数据分析和讨论，以及对机器人性能的评估和改进方向的展望。例如，如果选题是手语识别，则需详细解释其原理和流程图绘制。实验结果部分则应呈现如准确率、召回率等评估指标，并对模型的性能进行对比分析；

（3）项目演示与答辩：每组学生均需进行项目演示和答辩，演示内容包括介绍项目背景、技术路线、算法内容、实验结果等，并进行系统功能演示，同时回答老师提出的问题。假如选题是动作识别和模仿，学生需要详细介绍所采用的技术路线，在实验结果分析阶段，需展示详细的实验结果和评价指标。该考核方式着重考查学生在图像处理算法的专业能力和创新思维以及表达能力等；

（4）团队合作评价：每组选题都是以团队合作的形式进行的，因此需要对团队合作进行评估，包括协作能力、任务分工和解决问题的能力等内容。该考核方式有助于评估团队合作能力，如硬件开发与软件编程、数据采集和标注、模型训练与优化、实验讨论与分析、项目报告制作等工作内容的合作。

5、结论

传统的图像处理课程往往以理论教学为主，缺乏对实践能力的考核，导致学生学完课程之后也难以将所学知识进行应用，对课程也随之失去了兴趣。本文对传统图像处理课程中存在的诸多问题进行全面分析，并以表情机器人项目实践课程为例展示了项目课程的主要内容，让学生亲自动手操作机器人完成各种任务，加深对图像处理课程的理解和掌握。还针对体育领域内的智能教练研发项目，提出新的课程考核方式，通过三个方面对学生进行综合评估，希望为新工科背景下图像处理课程的教学改革提供一些新的思路。