基于新工科背景下“机器视觉”课程教学改革探究

摘要：为适应当前新产业、新技术、新模式下的新经济形态，要以新工科为引导，培养具有崇高职业道德、扎实专业知识、良好工程实践素养的高素质应用型人才。“机器视觉”课程是交叉融合与工程性极强的一门新兴课程，针对当前教学中存在重理论轻实践、教学模式固化、教学方法滞后和考核机制陈旧等问题，通过更新教学内容、调整教学方法、整合教学模式和改革考核机制等改革措施，提高了学生的学习效率，激发了学生的实践创新能力，对“机器视觉”课程在教学实践中具有一定的指导意义。

关键词：机器视觉；新工科；教学改革

ResearchonExperimentalTeachingReform

ofMachineVisionundertheBackgroundofNewEngineering

ZhuLijuan

XinjiangUniversityofTechnologyXinjiangAksu843000

Abstract：Inordertoadapttotheneweconomicformunderthecurrentnewindustry，newtechnologyandnewmodel，itisnecessarytotrainhighqualityappliedtalentswithhighprofessionalethics，solidprofessionalknowledgeandgoodengineeringpracticequalityundertheguidanceofnewengineering.MachineVisionisanemergingcoursewithstrongcrossintegrationandengineering.Inviewoftheexistingproblemsincurrentteaching，suchasemphasizingtheoryoverpractice，solidifyingteachingmode，laggingteachingmethodandoutdatedassessmentmechanism，thecoursehasimprovedstudents'learningefficiencybyupdatingteachingcontent，adjustingteachingmethods，integratingteachingmodeandreformingassessmentmechanism.Itstimulatesthestudents'abilityofpracticeandinnovation，andhascertainguidingsignificanceforthecourseofMachineVisioninteachingpractice.

Keywords：MachineVision；Newengineering；teachingreform

机器视觉是指通过给机器加装上视觉装置，将被摄取目标转换成图像信号，并传送给专用的图像处理系统，使机器具有类似于人类的视觉功能，从而提高机器的自动化和智能化程度。

当下，人工智能、大数据等技术得到飞速发展，给人民生活带来了极大变革，同时社会中一些信息技术产业也反作用于计算机技术与网络通信技术，引领和促进高等院校计算机、信息化等专业的与时俱进［1］。新工科建设是新时代高等教育改革的重要内容，旨在培养更多新型高素质工程科技人才，提升国家硬实力和国际竞争力。新产业、新技术、新模式是目前全球经济的特征，许多产业面临转型升级，国家硬实力和国际竞争力的提升都迫切需要“新工科”理念和新型卓越工程人才的支持［2］。

“机器视觉”课程充分展示了多学科与前沿科学技术相互交叉融合，为学生在新技术、新行业创新实践能力的培养提供坚而有力的理论基础。然而目前高校亟待思考与解决的问题是如何快速有效地激发学生对该课程的兴趣以及如何高效提升学生在该课程的实践能力与职业技术。

一、“机器视觉”课程教学中存在问题

机器视觉是一门蓬勃发展的交叉学科［3］，涉及计算机视觉、模式识别、计算机图形学和机器学习等多个领域。

（一）理论教学与实践教学比例失衡

“机器视觉”课程包括理论部分和实践部分，但在“机器视觉”教学过程中，教师通常是从头到尾地讲解课程的原理内容，仅仅安排小部分时间进行课程设计。从而使得上课过程中理论教学过重，实践教学弱化。“机器视觉”授课既要把机器视觉的原理讲解清楚，又要引导学生设计和应用机器视觉中包含的技术，学以致用，培养能力，这种情况下使得教师自身必须具备过硬的知识储备素养。在教学过程中课时安排不合理使得教师对相关知识点的讲解不够深入细致，涉及的真实教学案例少，对最前沿的科研动态信息和科研项目内容的扩展有限，这种培养模式往往与社会需求脱节，忽视课程学习中的动手训练。学生学习兴趣较低，他们常把考试成绩看作学习的主要目的，没有真正融入“机器视觉”课程的学习状态中，最终使得学生眼高手低，很难学以致用，无法适应社会对应用型人才的需要。

实践教学是学生素质教育中不可或缺的环节，它侧重于培养动手能力以及创新能力，通过组织开展实验或课程设计，使学生能独立自主地完成数据库小项目的设计实践能力。目前存在的问题有：①实验内容与课堂理论教学衔接性不强；②上机实验的目的还是围绕学习与理解理论服务，实践观念弱化，难以适应当前时代对机器视觉学习的要求；③学生实验还是停留在传统的一人一机模式，学生常单兵作战，这种情形难以培育团队协作意识，团队合作能力培养不足；④学生的实践兴趣不足，重视性不够，一些学生还沉浸在学习就是掌握理论知识的思想中。

（二）教学模式固化缺少灵活性

传统的课堂教学往往是教师一言堂，不断地灌输机器视觉的理论知识，唯恐学生不能很好地理解，这样与学生的互动性变差，养成了学生学习的依赖性，致使学生学习的主动性减弱。大学的课程量较多而且有些课程很艰涩，并且教师存在带多个班级以及多门课程的现象，教师与学生各自忙着自己的事情，少有机会进行有效的沟通与交流，教师可能不能及时了解学生的学习情况以及问题所在，无法及时为学生排忧解难以及实时适度地安排自己的授课进程。

（三）教学方法单一不具有多样化

目前的课堂教学依然沿用传统的教学方法，以PPT+板书方式展示教学内容，仍以教师为中心进行课堂教学，学生的参与度低，教学效果不好。当学生遇到计算复杂的数学公式，原理深奥难懂与理解的知识点会使学生产生不良情绪。“填鸭式”的教学过程使得师生得不到及时有效的交流沟通，体现不出以学生为中心的教学方式，学生仍处于被动接收的状态。

（四）课程考核方式陈旧不新颖

当下的课程考核主流模式通常以期末考试卷面成绩作为主要的衡量标准，这种情况对理论性较强的学科效果显著，但“机器视觉”课程需要结合具体数据案例结合计算机工具进行一定的实操训练，若以单一的期末考试卷面成绩为衡量依据，学生可以通过临近期末时期的突击练习、记忆背诵得以过关，由于知识掌握得不牢固，考试过后又将其淡忘，则会误导学生重理论而轻实践。

二、“机器视觉”课程教学改革的相关措施

（一）修正教学大纲，更新教学内容

通过修订大纲，让“机器视觉”课程前后的教学阶段能够很好地过渡与衔接。任课教师到当地或其周边的地方企业进行走访调研，通过企业人员或用人单位的建议与需求指导去及时修订教学大纲。从先修基础知识到专业精髓知识点和具体应用来构建完整的机器视觉知识结构体系，确保学生能够高效有序地进行“机器视觉”课程的学习。

（二）调整教学方法

推广实施项目制教学改革，将以传授知识为主的教学模式转变为以完成任务、解决问题为主的互动式的教学方式，要求学生根据项目任务，提出解决方案，完成项目设计，培养多方面能力。并以项目为依托，以“挑战杯”、“互联网+”等校内创新实践竞赛为契机，引领学生大力开展创新创业教育改革，切实培养学生的实践创新能力［4］。

（三）整合教学模式

教师在授课中，应因地制宜地采用多种方法以提升学生的学习兴趣，提升学生的自主学习热情。例如，采用案例教学让学生做中学；采用西蒙方法让学生集中精力学；采用金字塔学习法让学生进行课堂讨论，输出促进输入学；采用费曼学习法让学生教中学；采用番茄生物钟法让学生限制时间学等。同时开展专题讲座、网络线上教学［5］、慕课与反转课堂等多种教学方式带动学生的积极主动性，提高学生的学习主观能动性、创新与实践能力。在教学过程中注重示例性讲解，从项目分析、设计到开发实践，使项目整体流程清晰化，调动学生的学习情绪，打开学生的思维方式。进而打造理论实践一体化设计的教学模式，比如安排图像采集［6］与预处理实验，让学生学会使用摄像头或其他图像采集设备获取图像，学习使用图像处理软件（如OpenCV）对图像进行预处理操作，如灰度化、二值化、滤波、直方图均衡化等，达到了解图像采集设备的工作原理，学习图像预处理的基本方法的实验目的。安排特征提取［78］与匹配实验，让学生选择一种特征提取算法（如SIFT、SURF、ORB等）对图像进行特征提取，并学习使用特征匹配算法对提取到的特征进行匹配，达到学习如何提取图像中的特征，并理解特征匹配的原理的实验目的。基于机器视觉的图像采集系统示意图如图1所示，图像的灰度化、二值化示例如图2所示，灰度共生矩阵示例如图3所示，旋转不变矩示例如图4所示。

（四）制定合适的考核方式

“机器视觉”课程的考核应该与机器视觉的教学相统一，机器视觉的理论和实践要划分一定的比例，兼顾二者的学习效用。针对当前教学中学生的实践操作意识淡薄、创新动力较弱的现状，在课程考核过程中加入实践创新能力，学生在学习过程中化被动为主动，从而提升其多方面的能力。我们可以将平时成绩（占20%）、期末理论考试成绩（占40%）、实践能力成绩（占40%）划分为三部分，平时成绩主要参考平时课堂回答问题、作业及考勤情况，期末考试成绩重在考查学生对理论知识的掌握程度，实践能力成绩分通过实验课及课程设计成绩、学科竞赛成绩或是小论文的发表等方式来考核。

结语

本文首先分析了“机器视觉”教学中存在的问题，从更新教学内容、调整教学方法、整合教学模式及改革考核方式上提出了若干教学改革措施，力求理论教学和实际应用紧密结合，既可以解决学生在学习中的难题，又可以提高学生的学习兴趣和独立思考能力，也可以让学生了解国内外的前沿科学知识，开阔学生的思维方式，培养出更多适应信息化社会的复合型、应用型人才。

参考文献：

［1］朱丽娟.应用型人才培养模式下数据库原理教学改革探究［J］.科技风，2022（22）：131133.

［2］教育部，工业和信息化部.中国工程院关于加快建设发展新工科实施卓越工程师教育培养计划2.0的意见［J］.中华人民共和国教育部公报，2018，4（10）：1315.

［3］王中任，陈科鹏，肖光润，等.机械专硕“机器视觉原理与应用”教学案例库建设［J］.教育教学论坛，2022（11）：5356.

［4］虞晓霞，彭浩.项目制班内分层互动教学模式在Java程序设计课程教学中的应用［J］.计算机教育，2021，4（05）：96100.

［5］刘璎瑛，屈鹏程，腾秀梅，等.基于学习通的《数字图像处理》混合式教学模式设计与研究［J］.中国教育信息化，2018，4（13）：3437.

［6］朱丽娟.基于机器视觉的红枣大小分级方法研究［J］.科技风，2022（25）：5961.

［7］朱丽娟.基于灰度共生矩阵的红枣纹理特征提取［J］.科技风，2022（25）：7880.

［8］朱丽娟.基于机器视觉的红枣裂纹特征提取［J］.科技风，2024（10）：1719.

项目：新疆理工学院校级项目“基于机器视觉的红枣外观品质分级方法研究”（项目编号：ZZ202104）

作者简介：朱丽娟（1987—），女，汉族，山东菏泽人，研究生，副教授，研究方向：人工智能、机器视觉。