《机器视觉与深度学习》课程教学大纲

《机器视觉与深度学习》课程教学大纲课程编号：13230436英文名称：MachineVision&DeepLearning学分：3学时：总学时56学时，其中理论40学时，实践16学时先修课程：无课程类别：专业方向课程授课对象：机器人工程专业学生教学单位：机械与电气工程学院修读学期：第6学期一、课程描述和目标《机器视觉与深度学习》是机器人工程专业在机器智能方向的重要理论和技术课程之一，利用机器视觉和深度学习的算法理论和技术手段可以解决生产实际和科学研究中的许多问题。本课程教学内容包括机器视觉基本概念、分类、算法和应用场景；工业相机、工业镜头、机器视觉光源、视觉传感器及智能相机基础知识；机器视觉系统设计方法、视觉定位与对位、机器人视觉引导、视觉测量、视觉检测、颜色分析和深度学习算法及框架以及深度学习工程的编译、训练、评估与部署方法及应用等。具体的课程目标如下：课程目标1:对国内外机器视觉与深度学习研究及应用技术的现状和发展有较全面地把握和及时了解；掌握各种机器视觉和深度学习的基本概念、原理、技术手段和设计方法；能运用机器视觉及深度学习技术进行机器视觉核心部件的选型，掌握搭建机器视觉系统完成测量、检测、定位、读码与识别等任务的方法。课程目标2：掌握主流的机器视觉和深度学习方法和模型，并能根据实际问题的需要选择并实现相应的算法。课程目标3：增强逻辑思维能力与实践能力，提升对工程技术问题的学习理解和创新实践水平。二、课程目标对毕业要求的支撑关系毕业要求指标点课程目标支撑强度观测点3-4.能在机器人工程相关的设计中，考虑安全、健康、法律、文化及环境等制约因素。课程目标1H观测点6-2.能分析和评价机器人工程相关领域的工程实践对社会、健康、安全、法律、文化的影响，以及这些制约因素对项目实施的影响，并理解应承担的责任。课程目标2M观测点12-2.具有自主学习的能力，包括对技术问题的理解能力，归纳总结的能力和提出问题的能力等，能够通过不断学习提高自身能力，适应社会和专业的发展。课程目标3H三、教学内容、基本要求与学时分配（一）理论教学序号教学内容基本要求及重、难点（含德育要求）学时教学方式对应课程目标1绪论了解机器视觉和深度学习背景、发展历程、现状及趋势，并掌握机器视觉和深度学习基本概念。2讲授式启发式课程目标12图像基本知识掌握图像与颜色基本知识，掌握彩色图像、灰色图像、颜色空间及其变换等基础知识4讲授式启发式课程目标13图像预处理掌握二值化处理、灰度处理、图像增强、图像滤波、图像锐化、形态学操作等图像预处理方法6讲授式启发式课程目标1、课程目标34图像分析技术掌握目标提取、边缘检测、去噪声处理、几何参数检测、直线检测等图像分析技术8讲授式启发式课程目标1、课程目标35硬件构成掌握机器视觉系统基本硬件构成，了解镜头基础知识、机器视觉光源、视觉传感器、智能相机等硬件知识6讲授式启发式课程目标1、课程目标26视觉模式识别与定位测量了解缺陷检测、字符条码识别等视觉模式识别技术，了解目标定位、尺寸测量基本方法。6讲授式启发式课程目标1、课程目标27深度学习框架介绍掌握深度学习的基本概念、常见结构，了解Tensorflow、Pytorch等主流深度学习框架及其使用方法。4讲授式启发式课程目标1、课程目标38业务解决方案结合各种场景案例，理解机器学习与深度学习技术的实际应用。4讲授式启发式课程目标1、课程目标3合计40（二）实验教学实验学时情况如下：序号实验项目实验内容与要求学时类型对应课程目标1图像预处理掌握图像采集读取、二值化处理、灰度处理、增强、滤波等预处理手段。4设计课程目标12图像分析算法的设计与实现掌握通过目标提取、边缘检测、去噪声处理、几何参数检测、直线检测进行图像分析的方法。4设计课程目标13视觉模式识别与定位测量掌握通过模板匹配、目标检测与识别等手段实现视觉模式识别的方法。4设计课程目标34深度学习算法的设计与实现掌握卷积神经网络的卷积核、池化层等参数的配置，及训练的技巧。4综合课程目标1课程目标3合计16注：实验要求包括必修、选修；实验类型包括演示、验证、综合、设计等。四、课程教学方法理论教学：主要采用课堂讲授、程序演示、小组讨论等方式。实验教学：项目讲解、学生自主实验、个别辅导、程序分析等方式。五、学业评价和课程考核（一）考核方式及具体要求1.课程成绩构成与要求课程考核注重形成性和终结性评价相结合，考核内容主要由平时出勤、课堂表现、平时作业、阶段考核、期末考试组成，均按百分制计分，其中平时出勤5%、课堂表现5%、平时作业20%、实验考核20%、期末考试50%。2.课程目标达成考核与评价序号考核方式课程目标1（分值）课程目标2（分值）课程目标3（分值）合计1平时出勤与课堂表现1000102平时作业01010203阶段考核0020204期末考试500050课程目标对应分值601030100（二）考核与评价标准1.出勤与课堂表现评价标准分值观测点90-100分70-89分60-69分0-59分出勤与课堂表现不定期点名不少于10次，学生缺勤次数<=1次，能够课前自主学习和团队合作讨论等，课堂回答问题准确。不定期点名不少于10次，学生缺勤次数<=2次，能够课前自主学习和团队合作讨论等，课堂回答问题较为准确。不定期点名不少于10次，学生缺勤次数<=3次，课前自主学习不够和团队合作讨论等，课堂回答问题准确性不够。不定期点名不少于10次，学生缺勤次数4次以上，没有进行课前自主学习和团队合作讨论等，课堂回答问题错误或不能回答。2.章节作业评价标准通过学习在线平台，布置每一单元的作业，根据测试题目及评分标注进行打分（百分制）。3.阶段考核与评价标准进行4次实验考核，根据实验完成情况及实验报告质量进行打分（百分制）。4.期末试卷考核与评价标准根据课程目标及教学内容，设计期末考核试题，综合检验学生对课程相关知识的掌握、综合应用及解决复杂问题的能力，根据考试题目设计相应评分标准。六、教材与参考书（一）教材1.丁少华，李雄军，周天强编著.《机器视觉技术与应用实战》.人民邮电出版社（2022）.（二）参考资料1.孙学宏,张文聪,唐冬冬主编.《机器视觉技术及应用》.机械工业出版社(2021).2.冈萨雷斯等著，阮秋琦等译.《数字图