《机器视觉技术》教学大纲

《机器视觉技术》教学大纲适用范围：202X版本科人才培养方案课程代码：22159021课程性质：专业选修课程学分：2学分学时：32学时（理论24学时，实验8学时）先修课程：大学物理、高等数学、传感器与检测技术等后续课程：无适用专业：机械电子工程开课单位：智能工程学院一、课程说明《机器视觉技术》是机械电子工程专业开设的一门专业选修课，本课程的主要任务是使学生掌握研究动态测试的基本理论和基本方法，了解机器视觉的前沿应用。通过本课程的学习使学生能够运用各种机器视觉配件，完成简单的工业检测工作，掌握机器视觉系统设计的基本思路，为今后从事测试工作打下坚实的基础，为以后从事模式识别与智能控制、机器人技术、智能制造等领域的研究与开发工作打下扎实的基础。二、课程目标通过本课程的学习，使学生达到如下目标：课程目标1：掌握机器视觉系统概念及组成，能够正确理解机器视觉系统主要硬件功能及原理，并能够按照实际应用场合选择搭建合适的机器视觉硬件系统。理解机器视觉领域有关的国家标准、行业标准、企业标准、法律法规以及相关知识产权、行业政策；产品检测的符合标准。课程目标2：理解图像处理的基本算法，包括各种图像滤波、图像增强等图像预处理算法，图像分割的依据、定义及主要图像分割算法，了解边缘检测基本理论，及边缘检测各类算子的应用，形态学的基本原理及应用等；掌握立体视觉的成像原理，双目立体视觉的标定算法。课程目标3：掌握图像特征定义及表述的基本原理，熟练掌握图像特征提取的各类描述子，并应用图像特征算子实现图像提取、图像识别及缺陷识别等。三、课程目标与毕业要求《机器视觉技术》课程教学目标对机械电子工程专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑强度1.工程知识：具备计算机智能视觉技术的相关知识：视觉系统的构成（相机、镜头、光源），数字图像得获取与预处理；图像处理的各种算法（预处理、定位、测量、神经网络）与应用（定位、识别、计数、测量、监控、以及其他综合应用）等基本知识。熟悉计算机视觉各种原理，并能用于解决人工智能类设计、控制等复杂工程问题。1.4掌握本专业必需的学科基础理论知识；1.5掌握本专业的专业基础理论、应用工具及技术知识；1.7掌握人工智能综合应用的基础理论知识和专业拓展知识。课程目标1：了解机器视觉的起源，机器视觉系统概念及组成、国内机器视觉技术的发展现状等。课程目标2：了解机器视觉系统主要硬件功能及原理，并能够按照实际应用场合选择搭建合适的机器视觉硬件系统。M2.设计/开发解决方案：综合考虑社会、健康、安全、法律、文化以及环境等因素，掌握计算机视觉技术的基础知识和相关技能，尤其是人工神经网络理论与实践结合的学习方式，设计/开发针对计算机视觉相关问题的解决方案并在设计环节中体现创新意识。2.5具有熟练的人工智能应用工具使用的能力；2.6具有对人工智能的工程应用进行分析描述、规划解决方案、设计实验过程、展开验证与研究的初步能力，具有扎实的工程基础知识和实践能力。2.7具有较强的创新意识和进行人工智能与不同学科、不同领域、产业创新融合的初步能力。课程目标3：了解图像处理的基本算法、原理及主要处理软件。课程目标4：了解图像预处理的原因，掌握各种滤波技术及图像增强技术基本算法，根据图片现状选择合适的预处理方法。课程目标5：了解图像分割的依据、定义及主要图像分割算法。课程目标6：了解边缘检测基本理论；理解一阶、二阶边缘检测算子、Canny算子，掌握边缘连接方法，理解边缘子聚合，能根据边缘进行尺寸测量和模型计数。M3.工程与社会：能够基于计算机视觉相关背景知识进行合理分析，评价基于半导体切割、序列号读取，产品检测等工程实践和复杂工程解决方案对社会进步、人类健康、公共安全、法律法规以及文化传承的影响，并理解应承担的责任。3.5掌握科学思维方法和科研研究方法，具备求实创新意识和严谨的科学素养；了解本专业相关的产品研发、生产、设计等方面的方针、政策和法规；能正确认识科学研究与工程应用对于客观世界和社会的影响，具有一定的工程意识和效益意识。3．6理解与人工智能领域相关的技术标准体系、法律法规、知识产权和产业行业政策。以人为本，弘扬人的价值，注重人的综合素质培养和全面发展，实现立德树人。引导学生以批判的眼光学习西方文化，取其所长，为我们所用；增强学生对民族文化的自信，更好构筑中国精神、中国价值、中国力量，向世界“讲好中国故事，传播好中国声音，阐释好中国特色”。课程目标7：了解图像特征与特征分割、提取、定位。并根据提取特征进行缺陷识别。。课程目标8：掌握图像形态学的基本原理，了解图像形态学处理的应用。课程目标9：掌握立体视觉的成像原理，双目立体视觉的标定；掌握立体视觉中的对极几何、物体三维形状的计算。M注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配1.理论部分理论部分的教学内容、基本要求与学时分配见表2。表2教学内容、基本要求与学时分配教学内容教学要求，教学重点难点理论学时实验学时对应的课程目标1．机器视觉引论1.1机器视觉系统的定义、体系结构；1.2机器视觉系统的发展现状与趋势；1.3机器视觉系统的应用领域。教学要求：（1）掌握机器视觉系统的基本概念及体系结构；（2）了解机器视觉系统的研究现状、发展趋势以及应用领域。重点：机器视觉系统的体系结构。难点：机器视觉系统的体系结构。212.机器视觉硬件系统-光源2.1照明技术及原理2.2常见的光源及光波的指向性2.3光源的选择教学要求：了解照明技术原理，及照明对成像的影响，掌握明、暗视野原理、各类照明技术的应用。了解色光的组成，色与补色原理。能够根据实际应用场合选择合适的光源及照明方案。重点：根据实际应用场合选择合适的光源及照明方案。；难点：各种照明技术原理及应用。213.机器视觉硬件系统-镜头3.1光学系统基本原理3.2镜头的基本参数与相关知识3.3常见的镜头类型3.4镜头的选择教学要求：掌握镜头相关的光学基本原理，了解光学镜头的基本参数及相关知识，掌握景深、光圈、焦距和拍摄距离的相互关系。掌握镜头的选择方法及依据。重点：光学镜头的基本参数及相关知识。难点：镜头的选择方法及依据214.机器视觉硬件系统-工业相机4.1工业相机的分类4.2成像芯片的类型和原理4.3相机的常见术语与参数4.4数据传输方式教学要求：掌握工业相机的分类及应用，掌握CCD和CMOS相机的工作原理及优缺点，了解工业相机的常见术语与基本参数，了解相机数据传输的方式。重点：CCD和CMOS芯片的工作原理及应用难点：CCD和CMOS芯片的工作原理2215.图像预处理5.1图像预处理的原因和方法5.2线性滤波和非线性滤波 5.3图像增强5.4直方图均衡化教学要求：了解图像预处理的原因和基本方法。掌握中值滤波、均值滤波和高斯滤波算法原理。了解图像增强算法，掌握直方图均衡化算法原理。重点：中值滤波、均值滤波和高斯滤波算法原理。难点：直方图均衡化算法原理。422、36.图像分割及边缘提取6.1图像分割的目的及依据6.2图像阈值分割6.3图像边缘检测算法6.4区域生长法6.5分裂合并法教学要求：了解图像分割的目的及依据，掌握梯度边缘检测算字、二阶微分算子、LoG算法、图像逼近、Canny边缘检测器，了解区域生长法、分裂合并法的基本原理及应用。重点：梯度边缘检测算法、二阶微分算子难点：梯度边缘检测算法、二阶微分算子。42、36.图像特征提取6.1图像特征提取的定义及方法；6.2图像特征的基本概念；6.3图像特征的描述；6.4区域内部空间分析教学要求：掌握图像分割的基本方法，及图像特征的表述；熟练掌握图像的各种描述子。重点：图像特征的表述方法；难点：图像特征的各种描述子422、37.图像形态学7.1简单图像成像模型；7.2二值形态学基本运算；7.3图像形态学的应用教学要求：掌握图像形态学的基本原理；学会运用图像形态学方法处理实际问题。重点：腐蚀、膨胀、开运算、闭运算的基本原理难点：腐蚀、膨胀、开运算、闭运算的基本原理22、38.三维视觉系统8.1双目立体视觉原理、精度分析；8.23D扫描相机原理8.3三维视觉系统标定8.4系统结构、立体成像、立体匹配、系统标定。教学要求：掌握立体视觉的成像原理，双目立体视觉的标定；掌握立体视觉中的对极几何、物体三维形状的计算。重点:双目立体视觉及3D扫描相机原理、精度分析、系统标定。难点:双目立体视觉精度分析、系统标定。421、3合计2482.实验部分实验部分的教学内容、基本要求与学时分配见表3。

表3实验项目、实验内容与学时实验项目实验内容和要求实验学时对应的课程目标1．机器视觉系统硬件安装实验内容：搭建二维机器视觉检测系统实验要求：掌握二维视觉检测系统的搭建方法，原理及步骤，并完成系统的标定及调试。212.图像预处理实验内容：使用图像处理软件对图像进行滤波及图像增强实验要求：掌握图像预处理的编程语言及思路，使用软件对图像进行预处理，得到满足检测要求的图像。223.视觉图像边缘检测及特征提取实验内容：对图像进行边缘提取和识别实验要求：掌握图像边缘提取的编程语言及方法，定义图像特征，完成图像识别功能。22、34.三维视觉系统实验内容：三维视觉系统的搭建、调试及标定。实验要求：掌握3D扫描系统和双目视觉系统的成像原理，并完成系统的搭建；调试以及双目视觉系统的标定。21、3合计8五、教学方法及手段本课程以课堂讲授为主，结合讨论、案例、视频资源共享、实验等教学手段完成课程教学任务和相关能力的培养。学生比较全面地理解机器视觉系统构建的基本方法与图像处理算法基本原理，在掌握机器视觉硬件构建方法基础上，具有对图像进行处理计算的能力。实验教学着重讲授如何用科学的手段来完成理论的验证；如何组织实验、处理数据和分析实验现象；介绍常用设备和仪器的原理、构造和使用维护方法以及综合实验内容的思路和方案设计等。采用教师讲授和学生动手操作的方法；在实验前学生应复习和掌握与本实验有关的教学内容、认真阅读实验指导书；在实验中要严格遵守实验纪律，按操作规程使用仪器；实验结束后，按规定对仪器进行维护保养；每完成一项实验，要认真完成一份实验报告。六、课程资源每门课程需推荐优秀专著3本以上（不包括教材），本学科国内或国际权威期刊5种以上（至少包括外文期刊1种），网络资源2项以上。1.建议教材：[英]E.R.戴维斯（E.，R.，Davies）著，袁春，刘婧译计算机视觉：原理、算法、应用及学习（原书第5版）[M].北京：机械工业出版社，2020．2.参考书：作者（译者）.书名.出版社.出版时间．(1)高山编著计算机视觉技术[M].北京：化学工业出版社，化学工业出版社(2)[德]卡斯特恩·斯蒂格，马克乌斯·乌尔里克，克里斯琴·威德曼著.机器视觉算法与应用[M].北京：清华大学出版社，2019(3)陈仲铭，彭凌西,深度学习原理与实践[M],北京：人民邮电出版社，2018(4)ForouzanB.FoundationsofComputerScience[M],4thed.Boston：CengageLearningEMEA,20184.网络资源：网站名，访问路径或者：作者.文题.更新和修改日期.访问路径．(1)http：//www.maths.lth.se/matematiklth/personal/andersp/瑞典隆德大学数学系视觉组(2)http：///~daf/加州大学伯克利分校DavidA.Forsyth(3)http：///~cil/vision.htmlCMU的视觉组七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末考核成绩两部分构成，具体考核/评价细则及对课程目标的支撑关系见表4。表4课程考核对课程目标的支撑考核环节占比考核/评价细则课程目标123过程性考核课堂表现10（1）根据课堂出勤情况和课堂回答问题情况进行考核，满分100分。（2）以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√433实验15（1）根据每个实验的实验操作完成情况和实验报告质量单独评分，满分100分；（2）每次实验单独评分，取各次实验成绩的平均值作为此环节的最终成绩。（3）以实验成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√555作业15（1）主要考核学生对各章节知识点的复习、理解和掌握程度，满分100分；（2）每次作业单独评分，取各次成绩的平均值作为此环节的最终成绩。（3）以作业成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√555期末大作业60（1）主要考核学生综合掌握课程知识程度，满分100分；（2）主要考核计算机视觉技术的相关知识：视觉系统的构成（相机、镜头、光源），数字图像得获取与预处理；图像处理的各种算法（预处理、定位、测量、神经网络）与应用（定位、识别、计数、测量、监控、以及其他综合应用）等知识综合分析问题解决问题能力。（3）考核形式：大作业√√√202020合计：100分343333八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以课堂表现、作业、实验、期末大作业等方式对学生进行考核评价。考核基本要求：考核总成绩由期末大作业成绩和过程性考核成绩组成。其中：期末大作业成绩为100分（权