机器视觉软件管理论文

摘要：随着机器视觉技术的日渐成熟，其应用领域趋于多样化，该文主要探讨了机器视觉技术应用于教学中的实际意义，并提出了以理论知识为基础，实际应用为核心的教学理念。根据提出的教学理念，该文拟定了一套完整的阶段式教学体系，并依托西安科技大学工程训练中心创新班为基础开展，取得了初步的教学效果。下面是小编整理的《机器视觉软件管理论文(精选3篇)》，希望对大家有所帮助。

机器视觉软件管理论文 篇1：

机器视觉技术的应用研究

【摘要】阐述了机器视觉技术在工业、农业、医学、交通领域的研究应用状况，指出了机器视觉的未来走向。

【关键词】机器视觉；应用研究

机器视觉是一门涉及人工智能、计算机科学、图像处理、模式识别、神经生物学、心理物理学等诸多领域的交叉学科。机器视觉主要利用计算机来模拟人或再现与人类视觉有关的某些智能行为，从客观事物的图像中提取信息进行处理，并加以理解，最终用于实际检测和控制。随着现代计算机技术、现场总线技术与大规模集成电路技术的飞速发展，机器视觉技术也日臻成熟，已经广泛应用在国民经济发展的各行业。

1.机器视觉系统组成

一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块，如图1所示。首先采用CCD摄像机获得被测目标的图像信号，然后通过A/D转换成数字信号传送给专用的图像处理系统，根据像素分布、亮度和色彩等信息，进行各种运算来抽取目标的特征，然后再根据预设的判别标准输出判断结果，去控制驱动执行机构进行相应处理。

总之，随着机器视觉技术自身的成熟和发展，可以预计它将在现代和未来制造企业中得到越来越广泛的应用。

2.机器视觉技术的应用

在国外，机器视觉的应用主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路；SMT表面贴装；电子生产加工设备；机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。

而在中国，以上行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致机器视觉在以上各行业的应用几乎空白。目前随着我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内有关大中专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场和其它领域的应用。

（1）工业中的应用

虽然机器视觉技术从20世纪80年代才开始起步，但由于其突出的优点，在各种工业领域被广泛应用，特别是近几年发展十分迅速，国内外的成果也是层出不穷。

在国外，机器视觉技术广泛应用于机器零部件的装配、非接触测量、产品质量检测、在线过程控制、数控机床加工、过程监控等领域。英国ROVER汽车公司800系列汽车车身轮廓尺寸精度的100%在线检测，是机器视觉系统用于工业检测中的一个较为典型的例子，该系统由62个测量单元组成，每个测量单元包括一台激光器和一个CCD摄像机，用以检测车身外壳上288个测量点。汽车车身置于测量框架下，通过软件校准车身的精确位置。测量单元的校准将会影响检测精度，因而受到特别重视。每个激光器/摄像机单元均在离线状态下经过校准。同时还有一个在离线状态下用三坐标测量机校准过的校准装置，可对摄像顶进行在线校准。检测系统以每40秒检测一个车身的速度，检测三种类型的车身。系统将检测结果与人、从CAD模型中撮出来的合格尺寸相比较，测量精度为±0。1mm。ROVER的质量检测人员用该系统来判别关键部分的尺寸一致性，如车身整体外型、门、玻璃窗口等。实践证明，该系统是成功的，并将用于ROVER公司其它系列汽车的车身检测。

机器视觉在国内的应用主要集中于检测与定位等几个方面，这样的工业产品占据了中国市场的绝大部分。机器视觉在工业检测中的应用最为常见的是对各种机械零件的几何尺寸进行测量，在半导体及电子行业，国内高等院校和科研单位也研究出基于机器视觉的管脚尺寸自动检测装置。此外，机器视觉还被用于对于如刀具等工业设备的检测和数控机床的加工。在很多工业领域存在着高精度定位的问题，如钻床数控系统钻头定位、金属板材数控加工轨迹坐标定位等。目前机器视觉技术由于其高精度的优点在这方面得到广泛的应用。华中科技大学在金属板材数控加工中利用机器视觉技术对加工轨迹坐标定位。提出一种基于机器视觉的非接触式加工轨迹坐标定位方法，完成了金属板材数字化成形中支撑模型的非接触式高精度快速定位。湖南大学进行了钻头视觉定位研究，在视觉定位中采用间接定位方式，间接实现钻头刃磨初始状态的定位。中国计量学院等单位进行了基于机器视觉的PCB数控钻机定位研究。大量的实践证明采用机器视觉系统进行定位并且综合运用数控伺服传动技术以及各种先进控制技术能够有效实现精确定位。利用机器视觉系统节约了大量的人力和物力，降低了产品生产成本。

（2）农业中的应用

计算机视觉技术在农业上的应用研究，起始于20世纪70年代末期，主要应用于植物种类的鉴别、农产品品质检测与分级等。随着计算机软硬件技术、图形图像处理技术的迅猛发展，它在农业上的应用研究有了较大的突破，在农业领域的生产前、生产中、收获时和产后的各个环节中，均可以利用计算机视觉技术来实现这些农业生产的视觉化。计算机视觉在产前的应用主要是检验种子质量；在产中的应用包括田间杂草识别、植物生长信息的监测、病虫害的监视和营养胁迫诊断等方面；在农作物收获时的应用主要体现在农业机器人的研制与开发上；在产后的应用包括水果分级和农产品的加工等。在农田作业机械上，机器视觉技术被不断的开发和应用。农药的粗放式喷洒正是农业生产中效率最低、污染最严重的环节。利用机器视觉技术可以实现农药的精量喷洒，近年来，机器视觉技术在播种机械方面的应用主要是检测播种质量；在自动收获机等农田自动作业机械上，更需要依靠机器视觉系统来确定作物行与机械的相对位置，以控制自动作业机械在作物行间自动行进，

机器视觉技术在农业生产上的应用可提高生产的自动化水平，解放劳动力，具有良好的应用前景。同时还应看到，由于农业对象的特点，机器视觉理论和技术的局限性以及硬件条件的限制，机器视觉技术在农业生产的应用距离实用和普及还有相当长的距离。相信随着相关技术的发展，很多问题会得到好的解决，机器视觉技术在农业生产中的应用会极大地加快农业现代化的进程。

（3）医学上的应用

随着药品和医疗器械安全性问题重要性的不断提升，越来越多的生产厂商将机器视觉技术引入实际生产中来，以达到提高生产效率，加强产品品质保障的目的。同样，在医疗系统中机器视觉也得到了越来越多的应用。

机器视觉科技医药领域的应用主要分为医学与药物两部分。机器视觉技术在医学疾病诊断方面的应用主要体现在两个方面：一是对（X射线成像、显微图片、B超、CT、MRI）图像增强、标记、渲染处理，主要利用数字图像处理技术、信息融合技术对X射线透视图、核磁共振图像、CT图像进行适当叠加，然后进行综合分析协助医生诊断；二是利用专家知识和3D重构对物体三维信息与运动参数进行分析并给出形象准确的解释，如诊断与手术等。机器视觉技术的应用不仅节省了人力，而且大大提高了准确率和效率。在药物方面，机器视觉系统对药用瓶的缺陷检测，也包括了药用玻璃瓶范畴，也就是说机器视觉也涉及到了医药领域，其主要检测包括尺寸检测、瓶身外观缺陷检测、瓶肩部缺陷检测、瓶口检测等。除此之外，对药剂杂质的检测、对医学用具质量的检测、对药物外包装泄露的检测等等都在保障着药物的质量安全，保障着人们的生命健康。

（4）交通领域的应用

随着计算机的普及和相关软件的不断更新升级，机器视觉技术在交通领域所发挥的作用愈为重要。机器视觉技术在交通领域的应用范围较广，主要包括视频检测系统、智能车辆的安全保障系统、车牌识别和交通指挥等。

视觉技术应用于视频检测时，视频检测系统的目标就是用数字图像处理和计算机视觉技术，通过分析交通图像序列来对车辆、行人等交通目标的运动进行检测、定位、识别和跟踪，

并对目标的交通行为进行分析、理解和判断，从而完成各种交通流数据的采集、交通事件的检测，并尽快进行相应处理。视频的交通事件和参数检测系统有高度的网络化和智能化，可实现远程监控和设置。视觉技术应用于智能车辆安全保障系统，主要用于路径识别与跟踪、障碍物识别、驾驶员状态监测、驾驶员视觉增强等。德国UBM大学Dick-manns教授领导的智能车辆研究小组一直致力于动态机器视觉领域的研究，研制的EMS-Vision视觉可较好地模拟人眼功能。车牌识别技术（VLPR）是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化的重要环节。随着图像处理技术的日趋成熟，更多算法的融入综合，使得车牌识别技术逐渐成熟。单一算法很难达到良好的识别效果，只有多种方法结合，才能实现车牌识别的高效性和准确性。过去的10多年里，有些国家已经成功开发了一些基于视觉的道路识别和跟踪系统。其中，具有代表性的系统有：LOIS系统、GOLD系统、RALPH系统、SCARF系统和ALVINN系统等。

机器视觉技术在交通各领域都发挥着越来越重要的不可替代的作用。在取得较大成绩的同时仍有不足。其一应尽快开发出具有高性价比的实用化的激光距离成像系统，能够获取高质量的原始图片至关重要；其二，处理各种交通事件的及时性决定了所有的图像处理的速度应尽可能的快，目前的各种算法都各有优劣，如何能在最短的时间内完成图像的识别工作成为我们下一步要努力的方向。

3.发展趋势

在机器视觉赖以普及发展的诸多因素中，有技术层面的，也有商业层面的，但制造业的需求是决定性的。制造业的发展，带来了对机器视觉需求的提升；也决定了机器视觉将由过去单纯的采集、分析、传递数据，判断动作，逐渐朝着开放性的方向发展，这一趋势也预示着机器视觉将与自动化更进一步的融合。未来，中国机器视觉发展主要表现为以下一些特性：

（l）随着产业化的发展对机器视觉的需求将呈上升趋势。

（2）统一开放的标准是机器视觉发展的原动力。

（3）基于嵌入式的产品将取代板卡产品。

（4）标准化一体化解决方案是机器视觉发展的必经之路。

（5）机器视觉系统价格持续下降、功能逐渐增多。

4.结语

机器视觉技术经过20年的发展，已成为一门新兴的综合技术，在社会诸多领域得到广泛应用。大大提高了装备的智能化、自动化水平，提高了装备的使用效率、可靠性等性能。随着新技术、新理论在机器视觉系统中的应用，机器视觉将在国民经济的各个领域发挥更大的作用。

参考文献

[1]李福建，张元培.机器视觉系统组成研究[J].自动化博览，2004（2）：61-63.

[2]范祥，卢道华，王佳.机器视觉在工业领域中的研究应用[J].现代制造工程，2007（6）：129-133.

[3]张萍，朱政红.机器视觉技术及其在机械制造自动化中的应用[J].合肥工业大学学报（自然科学版），2007， 30（10）：1292-1295.

[4]马彦平.计算机视觉技术在农业生产中的应用与展望[J].中国农业资源与区划，2009，30（4）：21-27.

[5]饶秀勤.基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[博士学位论文].杭州：浙江大学，2007.

[6]冯新宇，庞艳辉.车牌识别技术实现方法初探[J].交通科技与经济，200712：50-511.

[7]徐琨，贺昱曜，王夏黎.基于背景模型的运动车辆检测算法究[J].微计算机信息，2007，4-1：120-1211.

[8]张五一，赵强松.机器视觉的现状及发展趋势[J].中原工学院学报，2008，19（1）：9-12.

作者简介：张红霞（1982—），女，湖北孝感人，华中科技大学硕士，武汉商学院讲师，研究方向：自动控制技术、高等教育。

作者：张红霞 刘义才

机器视觉软件管理论文 篇2：

机器视觉技术在实践教学中的应用方法研究

摘要：随着机器视觉技术的日渐成熟，其应用领域趋于多样化，该文主要探讨了机器视觉技术应用于教学中的实际意义，并提出了以理论知识为基础，实际应用为核心的教学理念。根据提出的教学理念，该文拟定了一套完整的阶段式教学体系，并依托西安科技大学工程训练中心创新班为基础开展，取得了初步的教学效果。

关键词：机器视觉；图像处理；模式识别；机器人教学

Key words：Machine vision， image processing， pattern recognition，robot teaching

在当前强调实践能力和创新能力的教育背景下，智能机器人教学以不同的形式在各大高校广泛开展，常见的智能机器人项目如寻迹小车、足球机器人、四旋翼飞行器等，通过对智能机器人的认识和了解，学生提高了学习兴趣，同时也加强了实践创新能力[1]。

笔者注意到，目前学生在进行智能机器人的学习和制作时，大多使用传感器来进行外界信息的获取。如在寻迹小车中通常使用红外传感器来检测地面上黑色轨迹，通过检测到的信号来控制小车的行进方向。这种以传感器来接收外界信号的方法原理易懂、计算简单，但是这种获取信息的方式对于外界环境的要求很高，且接受到的信号非常有限，这就直接导致了智能机器人不能满足更加复杂且自主化的要求。

基于上述出现的问题，该文考虑将机器视觉技术加入到实践教学中，让学生了解和学习关于机器视觉领域的知识。通过机器视觉技术提高机器人的智能化，并在实践操作过程中提高自身的创新能力。

机器视觉简单来说就是一门研究如何使机器“看”的科学，一个完整的机器视觉系统通常使用摄像头等设备进行图像或视频的获取，然后使用计算机对其进行理解，最后做出系统需要的判断[2]。机器视觉属于交叉学科，结合了数字图像处理、模式识别、人工智能等技术，与人工视觉相比，机器视觉有着高精度、高复杂性、高集成性等优势，并且可以在相对特殊或极端的环境下作业，防止人员受伤[3]。近几年，随着数字图像处理和模式识别等技术的不断发展，机器视觉取得了一定意义上的成功，其应用领域也越来越广，如工业/农业产品的质量检测、车道线检测、自动倒车、指纹/掌纹/虹膜/人脸识别、车牌信息识别、步态检测及跟踪，等等[4]-[6]。

1 机器视觉的教学理念及教学目标

目前，随着机器视觉技术的不断发展，其应用领域也逐渐扩大，将机器视觉技术引入到实践教学中，旨在引导学生接触到更加前沿和实用的科学技术，在提高机器人智能化的同时，也为以后进行其它学科的研究打下基础[7]。

将机器视觉与智能机器人教学相结合的模式实际上是一种类似嵌入式开发的模式，属于软硬件结合的领域，通过选取合适的硬件设备，试图将可以在计算机上完成的算法、系统等移植到芯片中，通过芯片控制移动设备来完成需要的行为，以便应用于实际中。若在智能机器人的合适位置安装摄像头来获取外界图像，通过机器视觉中的相关技术使机器人完成相应的动作，这不但提高了机器人的智能化，也让学生在过程中学习到更多领域的知识。[8]

机器视觉属于交叉性学科，内容涉及广，且大多算法在学习时需要一定的数学基础，若采用传统教学方法，学生难以理解，且容易陷入复杂的数学公式中而脱离实际[9]。因此，该文采用以理论知识为基础，实际应用为核心的教学理念。在教学时尽量去除繁琐和难以理解的公式，使学生在掌握到一定机器视觉概念的基础上，尽量提高学生的学习兴趣，通过学生自身的主动性，并结合所学专业进行机器视觉的深入学习。

2 以实际应用为核心的阶段式教学体系

本文采用以应用为核心的教学体系，并将其分阶段进行，以满足不同学生的学习要求。学生通过该体系的学习，不仅可以快速的学习和掌握机器视觉技术中的一些基本算法，并且能够根据所学专业选择合适的方向深入研究。

本文分为四个阶段进行机器视觉技术的学习，使学生能够循序渐进的接受知识。第一阶段以演示实验为切入点，引入机器视觉技术中需要掌握的基本概念，并提高学生的学习兴趣；

第二阶段为基础性实验，通过教师手把手带着学生完成一些简单的程序，使学生可以直观的看到机器视觉技术可以得到的效果，并学习到基础性的机器视觉知识；

第三阶段为提高性实验，主张学生以小组为单位，独立完成教师的指定项目，在此过程中教师仅仅进行指导工作。另外，学生还可通过一些科技竞赛等形式的锻炼来强化知识；

第四阶段为创新型实验，主要由学生自行选择题目，或加入已有的项目组进行设备研制等工作，使学生掌握到更多机器视觉技术，并能够灵活运用。

3 具体教学实施方案与平台

本次针对机器视觉技术的教学工作依托于西安科技大学工程训练中心创新班为基础开展，创新班由于其成熟的开放实验室管理模式[10]与学生自身良好的学习主动性，使得本文中以应用为核心、不同于常规的教学体系得以顺利进行。该文所设置的阶段性实验具体如下：

3.1 以演示实验引入机器视觉基本概念

机器视觉中最常用的技术为：数字图像处理和模式识别，其基本概念包括以下五个部分：

1） 数字图像的基本概念；

2） 常见的数字图像处理算法；

3） 模式识别的基本概念；

4） 常见的模式识别算法；

5） VC++6.0软件平台以及OpenCV的用法。

3.2设置基础性实验掌握基本知识

学生经过演示实验掌握机器视觉中的基本概念后，就可以设置一些基础性实验。基础性实验由教师一步一步带着学生完成，在实验过程中向学生传授更多的机器视觉内容，并且可以根据学生的接受情况来增减实验内容。表2给出了基础性实验内容及实验结论。

3.3设置提高性实验强化知识

当学生有了一定的机器视觉基础后，就可以独立的完成一些提高性实验。提高性实验侧重于如何让学生将所学的机器视觉知识应用于智能机器人的制作中去。实验以小组为单位进行，学生根据擅长方向自行进行分工。提高性实验具体如下：

实验1：车道线检测机器人。主要模拟汽车上的车道线检测装置，使机器人能够沿着标定的轨迹前行。当机器人压线时发出警报，并且及时对行进轨迹作出调整。

实验2：模拟自动考勤系统。要求当摄像头中视频图像出现人脸的时候取一帧图片，并保存在指定文件夹下，图片文件名以当前时间命名。

除了上述提高性实验的训练外，还可以通过组织竞赛等形式让学生强化所学知识，并加强应用能力。

3.4 学生自行选择创新型实验

创新型实验主要针对想进一步学习机器视觉的学生设置。学生通过提高性实验基本掌握机器视觉技术的应用方式，并具备一定独立思考问题和解决问题的能力。之后可以根据兴趣自由组成小组形式，自己命题，并独立完成项目。完成的项目可以作为演示实验给下一批学生演示。

4 总结

近年来，随着数字图像处理技术、模式识别技术的不断发展，机器视觉取得了一定意义的成功，也越来越广泛的应该于各个领域。此次实践教学将机器视觉这种偏软件的知识与硬件的学习相结合，不但使学生可以学习到更多跨学科的理论知识，同时让学生通过这些交叉学科领域的学习完成复杂性更高、实用性更强的作品，在此过程中不断提高学生的动手能力、创新能力、团队协作能力。

参考文献：

[1] 周俊波.机器人教学与大学生创新教育[J].中国科教创新导刊，2013（32）：14-15.

[2] 韩九强.机器视觉技术及应用[M].北京：高等教育出版社，2009.

[3] 段峰，王耀南.机器视觉技术及其应用综述[J].自动化博览，2002，19（3）：59-61.

[4] 汪成龙，李小昱.基于流形学习算法的马铃薯机械损伤机器视觉检测方法[J].农业工程学报，2014（1）：245-252.

[5] 孙雪晨，姜肖楠，等.基于机器视觉的凸轮轴表面缺陷检测系统[J].红外与激光工程，2013（6）：1647-1653.

[6] 张伟东.基于机器视觉的自动倒车技术及模型系统研究[D].浙江：浙江工业大学，2013.

[7] 赵俊红，康文雄.机器视觉与智能检测创新实践教学模式的探索[J].实验室研究与探索，2012，31（5）：144-146.

[8] 宋丽梅，董虓霄.一种新型机器视觉教学系统的应用[J].现代教育技术，2011，21（6），126-128.

[9] 刘钊，胡佳，吴怀宇.机器视觉仿真实验平台的研究与设计[J].教育教学论坛，2012（10）：210-212.

[10] 柴钰.大学生自主管理的开放创新实验室模式[J].实验室研究与探索，2012，31（1）： 82-85.

作者：陈妍冰

机器视觉软件管理论文 篇3：

“机器视觉”课程教学改革微探

摘 要：机器视觉属于交叉学科，结合了数字图像处理、模式识别、人工智能等技术。与人工视觉相比，机器视觉有着高精度、高复杂性、高集成性等优势。本文深入分析“机器视觉”课程体系，研究各大高校课程教学内容，联系行业内企业具体需求，完善该课程的理论教学内容、实践教学内容、教学大纲及教学方法。这对促进该课程教学的开展、培养符合企业需求的人才具有重要的意义。

关键词：机器视觉；教学改革；教学方法

作者简介：耿磊，天津工业大学电子与信息工程学院，天津市光电检测技术与系统重点实验室；肖志涛，天津工业大学电子与信息工程学院，天津市光电检测技术与系统重点实验室；张芳，天津工业大学电子与信息工程学院，天津市光电检测技术与系统重点实验室；王佳，天津工业大学电子与信息工程学院，天津市光电检测技术与系统重点实验室；李亚茹，天津工业大学电子与信息工程学院，天津市光电检测技术与系统重点实验室。（天津 300387）

基金项目：本文系天津工业大学高等教育教学改革研究项目“机器视觉课程教学改革研究与实践”的研究成果。

机器视觉是通过光学装置与传感器自动获取一个物体的图像，借助于计算机强大的运算能力对图像进行处理，来获取所需信息或控制机器运动的一门技术。目前，机器视觉已广泛应用于工业生产中，从零件尺寸测量、工件缺陷检测到字符识别、追踪定位，都有不同种类的视觉系统在工作。视觉系统的蓬勃发展使得越来越多的高校开设该课程，但传统的教学模式侧重于理论，与企业实际需求脱轨，必须进行改革以适应工业技术的发展。

随着国家2025战略的实施，我国的制造者面临着前所未有的机遇和挑战，“创新”被提到了一个前所未有的高度。在工业转型的过程中，智能制造成为企业的着手点。其中，机器视觉被广泛应用到新建立的生产线或提升改造的生产线中，机器视觉被赋予替代人工、提升生产效率、降低生产成本的重任。目前，机器视觉相关的技术，比如单目测量、双目测量、结构光测量及相关的光源、相机、传感器等被广泛应用，可高效、低成本的解决复杂及枯燥重复的生产工艺。

在修改培养方案的过程中，根据企业反馈和就业导向，“机器视觉”课程被放入2016级的培养计划中，因此就面临该课程教学内容、教学大纲及创新教学方法如何满足企业需求等迫在眉睫的问题。根据前期的调研，各个学校对该课程的教学内容不尽相同，但培养目标基本是面向企业实际应用。但普遍面临的问题是：注重理论教学，实践教学相对偏弱；教学内容不能与案例结合，难以激发学生的学习兴趣；课程编程语言选择与企业要求有差异，影响学生就业选择；实验设备老旧，不能与最新技术的发展同步。

围绕以上存在的问题，本课题将深入分析“机器视觉”课程体系，研究各大高校课程教学内容，联系行业内企业具体需求，完善该课程的理论教学内容、实践教学内容、教学大纲及教学方法，这对促进该课程教学的开展、培养符合企业需求的人才具有重要的意义。
一、改革目标

随着机器视觉应用范围的不断扩大，将“机器视觉”课程引入高校教学中，可以使学生接触到更加先进、更具有实用性的技术，同时也为以后其他学科的研究提供基础。机器视觉属于交叉学科，内容涉及广，在编写算法时需要一定的数学基础，若仅注重理论教学，则容易脱离实际。因此，在教学过程中采用以机器视觉理论为基础，实际应用为核心的教学理念。在教学中应尽量避免烦琐的公式推导，并结合工业生产案例，以面向企业实际应用为培养目标。

学生通过该课程可以学习到图像处理、机器视觉以及智能检测方面的知识，同时通过综合设计性实践题目培养学生的创新能力。在掌握了基本而又较全面的机器视觉、智能检测方面的知识后，提升学生从事相关行业的竞争力。
二、具体实施方案

首先，优化传统教学内容，调研企业应用，增加密切联系实际的内容，培养学生的学习兴趣。然后，根据教学内容设计教学大纲。最后，调研企业选定研发语言和平台，设计实践教学内容。

1. 教学内容筛选。机器视觉是一门强调理论与实践相结合的学科，具有较强的可操作性、工具性。在传统的教学中，高校往往通过课堂理论讲授和图像算法分析的方法进行授课，并且考核内容侧重于理论知识的掌握。这就导致学生们无法将理论知识应用在实际问题中，遇到问题时常常不知所措。

通过对现有教学内容“重理论，轻实践”的反思，探索出机器视觉课程应采取 “精讲多练，注重实践”的原理，坚持教学内容少而精的原则，形成“从典型到一般，从理论到应用”的教学思路。因此，教学内容应该覆盖视觉系统基础理论、应用案例、动手实践等几个方面。学生通过理论讲解掌握机器视觉的基本知识，借助于工业应用案例了解其使用方法，最后在综合性实践项目中培养解决实际应用问题的能力。

2. 教学编程语言选择。OpenCV，HALCON与Matlab都有机器视觉相关的功能，HALCON与OpenCV都是函数库，提供了多种编程语言访问的接口。不同在于：HALCON可以用C，C++，C#，Visual basic和Delphi等语言访问，OpenCV提供了Python、Ruby、MATLAB等语言的接口。OpenCV側重计算机视觉领域，HALCON侧重机器视觉领域。HALCON是商业软件，而OpenCV可以在商业和研究领域中免费使用。

HALCON是德国MVtec公司开发的一套图像处理库，由一千多个独立的函数以及底层的数据管理核心构成，其灵活的架构便于机器视觉、医学图像和图像分析应用的快速开发。

HALCON的函数库包含了各类滤波、几何校正、数学转换、形态学计算、测量、形状匹配等基本的几何与影像计算功能，应用范围涵盖了医学、遥感探测、安保监控以及工业上的各类自动化检测，企业在实际生产中广泛选择HALCON作为机器视觉的编程软件。因此，在高校“机器视觉”课程中选择HALCON作为编程语言，可以使学生在以后的学习和就业中做得更好。

3. 实践教学的探索。“机器视觉”是一门实践性很强的课程，该课程强调理论与实践相结合，在教学过程中不仅要求学生掌握机器视觉方面的基本概念、基本原理和方法，更注重对各种工业领域的应用，培养学生独立发现问题、分析问题和解决问题的实际动手能力。因此，应该避免传统教学方法中课题理论讲授和算法分析相结合的教学方法，并克服考核内容以对理论知识的掌握为侧重点的考核方法。突出本课程作为一种工程应用为主导的实践性、应用型特点，将实践教学提到了更加重要的位置。拟采取以下的措施：明确任务，教师实现向学生说明将要完成的任务的内容、要求和注意事项；学生尝试完成任务，在完成过程中记录出现的问题，并向教师提出问题；教师对相关基础知识进行讲解；学生重新认识问题，解决问题，记录未解决的问题，并修改解决方案；教师与学生共同讨论完成任务的过程中遇到的问题、今后遇到类似的问题要如何处理、如何把学到的知识运用到实践中去。

4. 教学实践。为了突出“机器视觉”课程应用型的特点，课程实验采用小组的形式进行：4～8名学生根据兴趣任意组成小组，并从教师给定的几种实验项目中选择一种作为研究方向，通过收集资料、数据采集、编程实践、系统调试等过程最终完成该项目。综合性实验项目可以采用以下所示：

实验一：字符识别实验。学生通过相机拍摄工件上印刷字符的图片，编写算法对字符进行识别，并将识别结果自动显示在字符区域的上方。

实验二：距离测量实验。该实验需要学生测量某件物体的二维尺寸，涉及图像获取、标定、边缘提取、测量等步骤，可以很好地帮助学生掌握机器视觉技术。

实验三：形状分类实验。学生需要将一幅图片中不同形状的物体区分开，并在每个物体下方标注出其所属的类别和判断的概率。

面向企业的“机器视觉”课程改革，立足于企业的实际用人需求，侧重于加强学生的创新实践能力，使学生通过这门课程的学习掌握多学科、多领域的知识，并在此过程中不断提高解决问题的能力、知识创新的能力以及团队协作的能力。本文的创新之处在于在教学过程中不仅要求学生掌握机器视觉方面的基本概念、基本原理和方法，更注重其在各种工业领域的应用，培养学生独立发现问题、分析问题和解决问题的实际动手能力。

参考文献：

[1] 闵锋，鲁统伟. 面向生产实践的“机器视觉”课程教学探索與实践[J]. 计算机教育，2017，（10）：41-43.

[2] 潘岱，熊才高. 机器视觉在自动控制教学中的应用方法研究[J]. 科教导刊（下旬），2016，（6）：63-64.

[3] 王朗，耿庆田，叶凌箭. 基于学习测量和自适应学习的“机器视觉”课程知识创新实践研究[J]. 长春师范大学学报，2017，36（8）：135-137.

[4] 赵俊红，康文雄. 机器视觉与智能检测创新实践教学模式的探索[J]. 实验室研究与探索，2012，31（5）：144-146.

[5] 陈妍冰. 机器视觉技术在实践教学中的应用研究[J]. 中国电子教育，2014，（4）：41-44.

[6] 黎小琴. HALCON软件在“机器视觉”课程实验教学中的应用[J]. 科技资讯，2014，12（30）：172-173.

责任编辑 秦俊嫄

作者：耿磊 肖志涛 张芳 王佳 李亚茹