机器视觉及应用课程混合式教学创新模式.pdf

数字与缩微影像DIGIITAL&MICROGRAPHIC IMAGING相关链接42数字与缩微影像 2023.3摘 要：本文介绍了“机器视觉及应用”课程的基本情况，以及目前在授课中遇到的问题，并针对相关问题提出了行之有效的新思维与新举措。关键词：雨课堂；SPOC；混合式教学；机器视觉1课程建设基本情况1.1机器视觉的教学定位和目标机器视觉技术是人工智能的重要组成部分。机器视觉市场也正处于爆发式增长阶段。多年来“机器视觉及应用”课程设计及教学中，坚持“学生中心”教育理念，落实立德树人根本任务。测控技术与仪器专业根据近 3 年的培养方案，已将 5 门核心课程建成计算机测控技术课程群，分别是：信号与系统、传感器与检测技术、误差理论与数据处理、工程光学、机器视觉及应用。该方向主要从事智能检测方向的测量工作，要求具备如图像测量系统的集成设计、应用开发的能力。计算机测控技术群展示了人才培养的全过程，它贯穿了大三到大四的第一课堂以及从大一到大四的第二课堂，如图 1 所示。“机器视觉及应用”在计算机测控课程群中是一门承前启后的课程，是测控专业的核心课程。这门课程将传感器与检测技术（视觉信号采集）、工程光学（摄像头、光源）、信号与系统（视觉信号处理）、误差理论与数机器视觉及应用课程混合式教学创新模式曾凤宋强陈应松成都工业学院自动化与电气工程学院四川成都610031基金项目：（本文为成都工业学院校级项目（2021ZR001）“深度特征融合的斑马鱼卵细胞图像语义分割关键技术研究”的研究性成果之一）04-08.https：/ http：/www.chuanton- 赵彦昌，王琳.乡村振兴战略背景下当代乡村档案文化建设路径研究J.北京档案，2022（06）：6-10.7王萍，林涛.传统村落档案研究-现状、困境与展望J.档案学研究，2017（02）：15.8蒋国勇，易涛.社会认同视野下乡村档案文化建设的困境与突破J.档案学研究，2014（03）：38-41.9巩慧.村子里的档案印象J.中国档案，2012（11）：36.10鹏远明.档案文献遗产保护与利用的方法论研究D.上海：复旦大学，2008：21-34.?图 1计算机测控课程体系逻辑架构数字与缩微影像DIGIITAL&MICROGRAPHIC IMAGING相关链接432023.3 数字与缩微影像据处理（视觉信号分析）等理论相融合，并结合编程语言，将计算机测控技术提升到综合设计高度，培养学生软硬件设计及系统调试能力，为学生能掌握计算机测控系统应用能力，最终实现大四的“智能仪器设计”以及“毕业设计”打下坚实的基础。1.2教学内容机器视觉及应用课程设置在大四第一学期，共 32 学时，是计算机测控课程群中的重要连接纽带课程。目前选用的是 OpenCV 开源计算机库、Python 语言。Python是当下热门的一种编程语言，语法简洁，功能强大1。本门课包括：机器视觉基本概念、机器视觉软件环境搭建测试、GUI、图像处理、目标检测及描述、特征检测、人工智能在视觉中应用。同学们通过对课程的学习，可以了解 OpenCV 的运行机制、图像处理常见问题，项目如颜色跟踪、人脸识别、车辆统计、OCR 字符检测、斑马鱼胚胎自动注射等知识2。2课程面临的困局机器视觉课程具有多学科交叉、知识面广、实践性强，学生难以建立整体性、系统性的概念。因此，教学有一定的难度。在教学过程中普遍存在如下问题：（1）课程知识面广与课时量少的矛盾。（2）课程目标单一，重知识轻能力，不利于培养毕业设计创新应用型人才。（3）考核方式单一，成绩多由“考 勤+作 业+实 验+期 末考试”构成。这种考核存在教师难以掌握学生对知识点的掌握情况，实验和期末考试设计偏重基础，无法考证学生的高阶性、创新性与挑战性，不利于培养学生学习的积极性和创新能力。由于课程教学存在上述问题，让学生们的学习陷入了如下困境：（1）课堂内容过多的填鸭式教学使得学生不易理解教学内容，学习压力大，学习积极性受到打击。（2）学习动力不足，为学分而学，重知识轻能力，使得学生被动学习理论知识，导致专业知识和行业需求脱节，难以解决实践工程问题，限制学生发展。（3）考核方法单一，难以提供及时准确的学习效果反馈。学习中的问题不断堆积，最终使学生对课程产生排斥心理，学习获得感差并缺乏自主性，大大降低了学生解决实际问题及创新的能力3。3课程创新思路与举措笔者针对课程教学中所面临的问题，提出要从教学模式、教学内容、教学活动和教学评价等四方面，全面提升学习效果的创新模式。3.1教学模式创新举措坚持立德树人，形成以学生为中心，以学生产出为导向，培养学生科学思维能力4。养成师生互动、激发学生学习内驱力的课内外一体化的教学创新模式。培养学生主动学习、终生学习，解决学生学习过程中的痛点问题。3.2课程内容的重构课程内容重构原则：保证基础，体现先进，联系实际，引导创新，分清层次，利于学习。（1）教学内容闭环设计教学内容基于案例式学习CBL 教学设计理念，以知识点为单位录制成微课。微课教程以成果为导向，重要知识点设置一两个趣味性、挑战性的小作业。作业可通过讨论、互评、教师点评等多种形式，以便学生对学习情况自查和学习效果反馈。教学内容设计如表 1 所示。（2）案例教学与项目式教学相融合，提升学习成果随着新技术、新方法和新器件的不断涌现，融入最新技术，更新实践内容和方法，密切联系行业及各学科竞赛。此外，在传统理论、实践的教学外开展第二课堂教学，将教学内容与项目融合，以提升学生的学习动力。（3）挖掘课程思政元素，突出课程思政价值引入机器视觉领域国内学者伟大成就，增强文化自信。以中国文化的图例作素材，课程思政如盐入汤，并融入优秀案例讲解，以发挥榜样的力量。3.3教学活动机器视觉课程在教学过程中，探索一种基于“雨课堂（新型智慧教学解决方案）+SPOC（小规模限制性在线课程）”的线上线下混合的教学模式，将线上线下教学有机地融合在一起。采 用“雨 课 堂”的 直播与SPOC 线上教学相结合的方式。首先，利用“雨课堂”进行课程导学、考勤、作业讲评等。其次，学生可以学习任务以及作业项目任务为向导自行学习SPOC 录播的课程及编程实践。在此过程中，老师从讲课中解放出来，进行一对一现场答疑，及时解决学生在学习及实践过程中所遇到的问题，增强学生的学习自信。最后，在每堂课结束前 5 至10 分钟，师生共同回到“雨课堂”直播间，老师就同学们在学习过程中所遇到的共性问题进行讲解和总结，并布置作业和预习计划。借助“雨课堂”和 SPOC 平台的数据功能，进行答疑、测试、讨论，以获取教学反馈。将教学反馈至分析、准备、实施阶段，并依据客观需求不断更新调整，以达最佳的学习效果。数字与缩微影像DIGIITAL&MICROGRAPHIC IMAGING相关链接44数字与缩微影像 2023.33.4教学评价注重形成性评价与生成性问题的解决和应用。基于信息技术加大过程考核结果在总成绩中的占比，引入项目、竞赛、互评，从知识、能力、素质等多方面评价，激发学习内驱力，做到理论和实践评价并举，提高学生学习能力及解决实际问题的动手能力，以达到机器视觉综合训练的教学目的。利用信息化教学工具及时调研，实时评价并积累评价数据，以提高课堂教学中的动态响应能力。加强过程考核，将参与学习活动纳入考核范畴，准许教学活动中的小组交叉评价，以多样化的考核方式弥补考核短板，通过实验的考核方式来验证学生对知识掌握的牢固程度和应用水平。4结语“机器视觉及应用”课程建设过程，坚持育人与育才相统一，深入挖掘思政元素，推进课程思政进教材、进课堂、进头脑。5建立了机器视觉及引用案例库。根据机器视觉各部分知识点的主要内容收集整理案例，并将其融入教案 PPT 及微课中。让产学研用能有机结合，且不断将教师的科研项目、互联网+、大创、智能车竞赛视觉项目等优秀项目加以提炼，用以丰富教案库。深化育人效果考核评价机制，坚持以学生为中心，创新课程教学方法，注重对学习过程的考查和管理，实现了因材施教。建立了机器视觉课程育人效果考核评价机制，其理念和方法可以在其他专业领域复制推广，为提高大学生创新能力提供了新的思路，为建设高质量一流本科专业，培养优秀学生探索出了一条新途径。参考文献1翟蓉蓉.“泰微课”在 Python 教学中的应用J.信息与电脑，2021，33（14）：231-233.2曾凤.基于自适应视觉伺服的细胞微操作自动化系统研究D.厦门大学，2017.3陈应松，尹宇芳，曾凤，等.激发学生内驱力的微机原理与接口技术课程改革与实践J.制冷与空调（四川），2022，36（04）：661-665+668.4曹颖，宋丽丽，张祎，等.双一流建设背景下仪器分析实验教学改革探索J.实验室科学，2022，25（06）：25-28.5梁华刚.“机器视觉”课程思政教学方法的研究J.电气电子教学学报，2021，43（05）：112-115.表 1教学内容设计章节知识点作业/项目目标1编程软件的安装和 OpenCV 的配置用 Jupyter notebook 查看 OpenCV版本成功安装配置编程环境2OpenCV 的 GUI 特性鼠标双击选中人脸区域并用矩形框圈出掌握图像用户界面的操作3图像基本操作图片马赛克掌握像素的编辑4图像的色彩空间自制调色板掌握 BGR 颜色空间5图像的色彩空间颜色目标跟踪（果品腐烂检测项目）HSV 颜色空间的实战训练6图像的几何变换透视变换（OCR 字符识别项目）掌握图像的透视变换7交互式前景提取车辆统计项目图像处理的综合应用、人工智能算法的融合、机器视觉的交叉应用8Haar 级联对象检测人脸检测项目9逻辑回归、SVM/AdaboostOCR 字符识别项目10背景减除、形态学等综合应用车辆统计项目11机器视觉与生物医疗自动化结合案例斑马鱼胚胎