《机器视觉与应用实验》教学大纲

《机器视觉与应用实验》教学大纲适用范围：202X版本科人才培养方案课程代码：08140401课程性质：专业选修课学分：1学分学时：16学时（实验16学时）先修课程：线性代数，C语言后续课程：人工智能适用专业：物联网工程开课单位：计算机科学与技术一、课程说明《机器视觉与应用实验》是物联网工程选修的一门专业选修课。课程着重于使学生掌握机器视觉的基本理论与方法以及一些典型应用。通过本课程学习和后续课程实践使学生掌握机器视觉的基本概念、基本理论和方法，引入项目案例、动手实践和编程练习来加强重点知识。使学生初步具有解决生产实际需求的能力，如智能化解决检测、识别和控制的能力，为以后从事模式识别与智能控制的研究与研发打下坚实基础。本课程需要守好种好思想教育责任田，使课程与思想政治理论课同向同行，形成协同效应。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：掌握基础的图像预处理和图像特征提取技术，熟悉图像滤波，边缘特征，全局和局特征，SIFT算子等。课程目标2：根据需求能够正确提取不同图像的特征，并加以适当的分类器，实现图像的分类，检测和识别等常见任务，并以后从事模式识别与智能控制的研究与研发打下坚实基础。课程目标3：了解现在人工智能的发展趋势，知道人工智能在各个领域的应用；了解人工智能可能带来的法律对相关伦理和法规政策的挑战。为社会培养具有创新能力的“四有新人”，通过作业等考核形式树立正确劳动价值取向，养成积极劳动精神面貌。三、课程目标与毕业要求《机器视觉与应用实验》课程教学目标对物联网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1.2能运用数学、自然科学、工程基础和专业知识对物联网领域的复杂工程问题进行建模并求解。课程目标1：掌握基础的图像预处理和图像特征提取技术，熟悉图像滤波，边缘特征，全局和局特征，SIFT算子等。H5.使用现代工具5.2能够选择与使用计算机软、硬件技术、物联网协议及算法仿真等工具，完成物联网领域感知、接入及处理应用等方面的复杂工程问题的分析、计算及设计。课程目标2：根据需求能够正确提取不同图像的特征，并加以适当的分类器，实现图像的分类，检测和识别等常见任务，并以后从事模式识别与智能控制的研究与研发打下坚实基础。H8.职业规范8.1有正确的价值观，了解中国国情，能够践行社会主义核心价值观，具备社会责任感。课程目标3：了解现在人工智能的发展趋势，知道人工智能在各个领域的应用；了解人工智能可能带来的法律对相关伦理和法规政策的挑战。为社会培养具有创新能力的“四有新人”，通过作业等考核形式树立正确劳动价值取向，养成积极劳动精神面貌。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.实验教学部分实验部分的教学内容、基本要求与学时分配见表2。表2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图像预处理实验内容：熟悉Matlab工具，图像增强和图像校正，变换滤波和边缘检测实验要求：掌握图像预处理的基本思想，利用该算法解决常见图像预处理问题。41、2、32.图像全局特征提取实验内容：掌握图像Fourier谱特征提取，矩特征，直方图特征和基空间度量特征。实验要求：掌握全局特征提取的基本思想与原理，利用该算法提取图像全局特征。41、2、33.兴趣点检测与特征描述子实验内容：掌握图像SIFT和Fourier描述子，3D描述子实验要求：掌握局部特征的特性，可以利用这些特性进行图像比对和拼接等。41、2、34.人脸识别实验内容：利用全局特征提取和局部特征提取进行人脸识别。实验要求：掌握一些基础人脸检测和识别算法。41、2、3合计16五、教学方法及手段本课程以学生实验为主，结合自主学习和视频资源等教学手段完成课程教学任务和相关能力的培养。学生比较全面地机器视觉的基本方法与设计原理，在掌握特征提取基础上，具有进行物体识别、检测和定位的初步能力。六、课程资源1.推荐教材（1）斯科特·克里格（刘波，罗棻译）.计算机视觉度量：从特征描述到深度学习[M].北京：人民邮电出版社，2019.2.参考书（1）雄卡.图像处理、分析与机器视觉[M].北京：清华大学出版社,2011.（2）施特格.机器视觉算法与应用[M].北京：清华大学出版社,2008.（3）WesleyE.Snyder,HairongQi,林学.机器视觉教程[M].北京：机械工业出版社,2005.3.期刊（1）YiS,WangX,TangX.DeepLearningFaceRepresentationbyJointIdentification-Verification.Advancesinneuralinformationprocessingsystems,2014,27.（2）DengL,YuD.DeepLearning:MethodsandApplications.Foundations&TrendsinSignalProcessing,2014,7(3):197-387.（3）LitjensG,KooiT,BejnordiBE,etal.ASurveyonDeepLearninginMedicalImageAnalysis.MedicalImageAnalysis,2017,42(9):60-88.（4）CholletF.Xception:DeepLearningwithDepthwiseSeparableConvolutions,2017IEEEConferenceonComputerVisionandPatternRecognition(CVPR).IEEE,2017.(5)DengL.FoundationsandTrendsinSignalProcessing:DEEPLEARNING-MethodsandApplications,SpringerPublishingCompany,Incorporated.SpringerPublishingCompany,Incorporated,2014.4.网络资源（1）网易公开课.深度学习[EB/OL]./newview/movie/courseintro?newurl=MCS5AQH7J,2022-03-1/2022-6-7.（2）网易公开课.机器学习[EB/OL]./newview/movie/free?pid=IEU2H8NIJ&mid=VEU2H8NKA,2022-03-1/2022-6-7.（3）网易公开课.机器视觉导论[EB/OL]./newview/movie/free?pid=BGV0G316O&mid=UGV0G337L,2022-03-1/2022-6-7.七、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3。

表3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过程性考核实验50（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）以实验报告成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√201515课堂表现10（1）根据课堂出勤情况和实验课堂表现进行考核，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。√√55实验考核40（1）根据每个实验的学习情况设计测试，每个测试单独评分，满分100分；（2）每次测试单独评分，取各次测试成绩的平均值作为此环节的最终成绩。（3）以实验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。√√101515合计：100分353035八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以实验报告、实验考核和课堂表现等过程化考核方式对学生进行考核评价。考核基本要求：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；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。2.过程性考核成绩的标准过程性考核方式重点考核内容、评价标准、所占比重见表5。表5过程性考核方式评价标准考核方式所占比重(%)100>x≥9090>x≥8080>x≥7070>x≥60x<60实验50实验预习认真，能够熟练掌握方法与步骤，实验操作过程熟练、规范，遵规守纪、团结协作，实验结果详实、结论清晰、讨论合理实验前有预习，能够掌握方法与步骤，实验操作过程正确、规范，遵规守纪、团结协作，实验结果正确、讨论适当实验前有预习，基本能够掌握方法与步骤，实验操作过程基本正确、无协作，实验结果基本正确，讨论一般实验前有预习，不能掌握方法与步骤，实验操作过程基本正确，无协作，实验结果基本正确，无讨论没有预习，不能完成实验；实验操作步骤有误；实验结果不正确，没有分析讨论。课堂表现10实验态度认真、严谨，出勤率大于90%，无迟到，早