职教师资类院校“机器视觉”课程教改探索

张子淼 何林杰

摘 要：机器视觉课程进行图像处理以及计算机视觉的相关知识教学，基于职教师资类院校学生培养原则和要求，本文针对这门课程存在问题，提出了教学方法以及教学内容的相关改革。教学内容的改革包括强化理论学习、强化操作平臺、强化软件平台和相关执行库。教学方法的改革包括引入工程案例、编程案例、启发式教学、企业教学等。上述改革在激发学生学习兴趣和主动性的同时，培养学生解决实际工程问题的能力。

关键词：机器视觉；教学方法改革；教学内容改革；智能制造

一、概述

职教师资院校主要为中职、高职提供师资，因此对毕业生要求在了解理论知识的基础上还需要有一定的实际动手能力。随着社会发展，中职、高职院校的机器人［12］、智能制造类专业［35］逐渐增多，对此类专业的师资需求也逐年增多。机器人在制造领域所占比重逐渐增大，通常将CCD或CMOS相机与机器人进行集成，通过相机识别目标，实现对机器人的引导。而“机器视觉”课程正是一门从理论和技术层面对相关知识进行讲解的重要专业课程。

机器视觉课程［610］进行图像处理以及计算机视觉的相关知识教学，并通过Visual Studio等操作平台，以OpenCV、Halcon等机器视觉库为基础，实现目标图像处理、识别等功能，与制造设备智能化的目标极为贴合。

然而随着手机、平板等媒介的出现，导致学生上课的注意力不够集中，对机器视觉等重要的专业课失去兴趣，因此需要对机器人课程教学模式进行相应的改革，让学生的兴趣重新回归课堂。同时当前机器视觉的相关课程的内容已经不能满足社会相关领域需要，例如光学、3D视觉系统、机器人手眼系统等相关知识的缺乏，因此针对课堂教学内容同样要进行相关改革。

二、机器视觉课程性质、教学现状和待改进方面

（一）机器视觉课程性质、地位及课堂教学现状

1.课程性质、地位

机器视觉是机器人专业和智能制造专业的主干课程，是一门重要的专业课。课程主要研究图像处理和计算机视觉的基本理论和基本方法，是学生进行后续专业课程及工程设计的基础与工具。基本知识包括：图像数据结构；图像载入、显示及输出；直方图的计算与绘制；图像二值化处理；边缘检测；轮廓提取；角点检测；霍夫变换；图像滤波；摄像机标定等。本课程的理论性和实践性较强，在专业课程体系中起着承前启后的作用。通过该课程的学习，学生应对图像处理技术和计算机视觉技术有较为深入的理解，并能熟练在Visual Studio平台上应用OpenCV等计算机视觉库，同时从理论的高度理解机器视觉相关技术发展过程中所遇到的问题，能够了解机器视觉的发展方向。

2.课堂教学现状

机器视觉是机器人专业和智能制造专业的主干课程，学校无论是从师资配备还是课程大纲的制订、课程安排都给予了足够的重视。但是，由于干扰因素太多，如何通过教学方法的改革将学生的兴趣吸引回到课堂，是需要解决的问题。同时，丰富课程的相关内容，跟上时代发展潮流，亦是需要解决的问题。

（二）待改进方面

1.理论知识的强化

机器视觉虽然是一门应用性课程，但是涉及光学、图像处理、计算机视觉、机器人学的相关基础理论，虽然相关内容学生通过Visual Studio平台结合OpenCV、Halcon等计算机视觉库可以对相关理论进行实现，但是为了激发学生学习兴趣，需要对课程所涉及相关基础理论进行选择性的讲解，使学生做到“知其然知其所以然”。

2.工程案例引进

当前课程的案例大多来自实验室环境下，课程应该引入一些实际工程案例，虽然这些案例在系统结构上会有一定的复杂性，但是通过这些案例的讲解，学生会对课程有更深刻的认识，了解如何应用课程相关知识解决实际工程问题，激发学生的学习兴趣和学习动力。

3.编程案例引进

机器视觉相关理论的实现需要通过编程，面向对象编程技术是一种集面向对象编程、泛型编程和过程化编程于一体的编程技术。在课程中通过Visual Studio平台使用C++语言引入面向对象的程序，通过对学生进行面向对象的编程训练，培养学生利用计算机处理问题的思维方式，让学生在掌握课程相关理论的同时掌握面向对象的程序设计的基本概念和编程方法。

4.多元化教学

当前课程以讲授为主，为激发学生的学习兴趣，增强学生学习的主动性，可以拓展课程的教学模式，例如针对课程中的某些问题，以小组的形式组织学生进行讨论，使学生更多地参与到课程中。

三、机器视觉课程课堂教学内容与方法改革措施

（一）教学内容改革

机器视觉是一门涉及光学、图像处理、计算机视觉、机器人学的综合性课程。当前这门课程的教学以图像处理、计算机视觉相关知识为主，其他类知识为辅，但是随着社会发展，还需要从以下方面对课程内容进行改革强化。

1.光学知识的强化

机器视觉系统的核心部分是图像的采集和图像的处理，所有信息均来源于图像，图像本身的质量对整个系统极为关键。而光源则是影响图像采集的重要因素，因为它直接影响输入数据的质量，如图像的对比度等。如图1所示，课程可以加入光源种类的介绍。

课程中亦可以加入不同光源的照明原理，如图2所示。

2.3D视觉系统知识的强化

3D视觉是制造设备智能化的关键，如图3所示，常见的3D视觉模式有双目立体视觉系统、线结构光视觉系统、光栅投影视觉系统等。双目立体视觉系统相关课程内容应加入双目视觉系统内参数标定原理、结构参数标定原理、双目视觉系统参数在线标定校准方法等相关内容。线结构光视觉系统应加入相机内参数标定原理、光平面标定原理等相关内容。光栅投影视觉系统又分为单目光栅和双目光栅，应分别加入相应系统的标定与测量原理的相关内容。

3.机器人手眼系统知识的强化

如图4所示，机器人手眼系统根据相机的摆放位置不同可以分为Eye in hand和Eye to hand。Eye in hand表示眼在手上，也就是相机与机械臂的末端固定相连，标定板与机器人的基坐标系相对位置关系不变，标定的是相机坐标系在机器人末端坐标系下位姿。Eye to hand表示眼在手外，也就是相机固定不动，标定板与机器人的末端坐标系固连，我们需要标定的是相机坐标系在基坐标系下的位姿。应在课程中加入机器人手眼标定的相关内容。

4.软件与相关执行库的强化

Visual Studio是理想的程序运行平台，在通常进行C++语言教学的前提下，软件平台要实时更新，相关计算机视觉库也要注意更新至最新版本，例如OpenCV。

5.操作平台的强化

除了理论知识的讲解，还需要搭建相应的实验平台，让学生有机会亲自进行标定、测量等实验。如图5所示，双目视觉系统标定过程中，靶标在相机的视场不同的摆放位置，可以拍摄多组图像，如何科学地选择靶标的位置，采集图像，得到理想的标定结果，需要学生动手探索其中的规律。

（二）教学方法改革

1.启发式教学

课堂讲授采用启发式教学，激发学生主动学习的兴趣，培养学生独立思考、分析问题和解决问题的能力，引导学生主动通过工程实例进行相关内容的学习。采用多媒体教学模式与传统板书相结合的方式，通过图像、视频、动画或教具演示课程中所涉及内容，增强教学的直观性。课堂教学过程中，针对课程内容，结合专业背景，选择典型案例进行教学，建立学生的工程意识，为后续专业课程的学习做准备。推荐学生利用互联网资源、校园网资源（校园网数据库）、图书馆资源（期刊、专业文献）等多种手段获取信息，加深对教学内容的理解，同时拓展专业视野，培养学生自主学习能力。

课程设计尽可能再现实际工业现场，组织学生以小组形式进行，每个人在小组内负责不同的任务模块，引导学生主动思考，积极学习，锻炼学生的组织、沟通、协作能力，培养学生解决实际工程问题的能力，最后答辩时每个人详细讲述自己负责模块，组长负责归纳总结。

2.工程案例教学

结合现有实验平台，引入工程案例中所涉及技术问题，引导学生提出解决方案，提高学生解决实际工程的能力，激发学生学习兴趣和主动性。例如模拟某工业现场，如何通过设计标定靶标，保证标定精度的同时提高标定效率。

3.编程案例教学

借助引入的工程案例，引导学生通过Visual Studio平台进行实际操作，使用面向对象编程的思维解决一般工程应用问题，掌握面向对象编程的特点、编程思想和编译环境。

4.企业教学

带领学生深入相关企业一线，将学生企业实践/实习过程中遇到的实际工程问题，凝练归纳为工程案例，引导学生利用所学知识进行解决，归纳总结出相关结论规律，编写具体程序，并进行调试运行。提高学生学习的兴趣和主动性，培养学生学以致用，形成解决实际工程问题的能力。

结语

机器视觉是机器人专业和智能制造专业的主干课程，通过本课程的理论和实验上机学习，为相关专业学生后续学习打下基础。但是针对课堂教学方法和教学内容，需要进行相应改革，通过这些改革可以激发学生学习的兴趣和主动性，培养学生解决实际工程问题的能力。

参考文献：

［1］沈晔超，葛勇.“1+X”证书制度背景下“工业机器人应用编程”课程教学改革与实践［J］.南方农机，2022，53（20）：186188.

［2］华子森，孙亚茹，田兴，等.机器人工程专业实践课程体系建设与规划［J］.中国现代教育装备，2022（19）：124126.

［3］苏江，童杰，卞青青.基于智能制造专业群的创新创业教育改革探索［J］.创新创业理论研究与实践，2022，5（17）：120123.

［4］赵琳，刘高鹏.智能制造工程專业“六协同”教学模式研究与实践［J］.教育观察，2022，11（25）：8790.

［5］张景钰，赵明威.智能制造技术实训课程思政与实施案例［J］.时代汽车，2022（18）：4648.

［6］江祥奎，丁锐，熊伟.机器视觉课程教学方法改革与实践［J］.软件导刊，2022，21（09）：206210.

［7］许晓艳.“1+X”证书制度下高职院校智能控制技术专业课程改革——以机器人视觉系统技术课程为例［J］.信息系统工程，2022（09）：165168.

［8］罗小燕，蔡改贫，胡俊峰，等.仪器类研究生“工匠+创新”型人才培养模式的探索与实践［J］.轻工科技，2022，38（05）：110112.

［9］李秀秀，黑新宏，金海燕，等.创新实践能力培养目标下的机器视觉课程改革［J］.计算机教育，2022（09）：101104.

［10］蒋翠玲，万永菁，朱煜，等.基于华为“智能基座”计划的项目式教学实践——以机器视觉算法实训课程为例［J］.化工高等教育，2022，39（04）：2430+92.

作者简介：张子淼（1985— ），男，汉族，天津人，博士，副教授，研究方向：精密测量。