工业机器人与视觉技术-机制-课程教学大纲

-4-【工业机器人与视觉技术】【IndustrialRobotsandVisionTechnology】一、基本信息（必填项）课程代码：【2080461】课程学分：【2】面向专业：【机械设计制造及自动化】课程性质：【系级必修课】开课院系：机电学院机械工程系使用教材：教材：【机器视觉技术及应用张学宏编机械工业出版社2023年1月第1版】参考书目：【工业机器人视觉技术及应用张文明编人民邮电出版社2020年9月第1版】【PyTroch编程技术与深度学习袁梅宇编清华大学出版社2022.6第1版】先修课程：【C语言程序设计】或【Python语言程序设计】二、课程简介工业机器人与视觉技术为机械专业的一门专业必修课，是机械、电子、计算机、自动控制多学科知识交叉的一门课程，注重学生作为工程应用设计工程师的设计能力、应用开发能力的培养，强化知识点、技术点与实际结合，注重本专业课领域的最新技术和知识的更新，课程讲授内容依托教材，但不限于教材，及时补充新的技术信息，更新过时的知识点和技术点。课程围绕机器视觉技术的基本知识展开讲授：包括机器视觉系统组成、主要硬件部件和图形图像处理软件开发方法，同时对时下流行的视觉检测算法进行讲解。三、选课建议本课程适合于机械设计制造及自动化专业、智能制造工程专业三年级的本科生修学，要求学生具有一定的编程基础。四、课程与专业毕业要求的关联性（必填项）专业毕业要求LO11：倾听他人意见、尊重他人观点、分析他人需求，应用书面或口头形式，阐释自己的观点，有效沟通；LO21：学生能根据环境需要确定自己的学习目标，并主动地通过搜集信息、分析信息、讨论、实践、质疑、创造等方法来实现学习目标；LO31：掌握与机器人控制和电气工程自动化相关的基础知识和基本理论，具备利用各类设计选型手册，并运用电气工程学科和机器人应用知识，根据生产要求解决实际设计问题的能力；LO32：具备智能控制与工程自动化设备及系统的使用，维护能力，能够运用智能控制工程学科知识解决实际设计问题。具备单片机、可编程控制器的控制程序设计、编程、应用能力；LO33：具备电子线路的识图分析、电子元器件的选型、电路板的故障分析、熟练使用各类电子测量仪器的能力；LO34：熟练掌握各类工业机器人编程语言，能根据自动化生产线的要求编制对工业机器人进行技术改造安装和调试的能力.具备进一步学习其它计算机逻辑控制语言的能力；LO35：熟悉常见机械、电气设备基本组成部分及功能，具备工业机器人机械电气设备的运行维护、保养及简单故障的维修排除能力；LO41：遵守纪律、守信守责；具有耐挫折、抗压力的能力；LO51：在集体活动中能主动担任自己的角色，与其他成员密切合作，共同完成任务。能有逻辑的分析与批判；LO61：能够根据需要进行专业文献检索，能够使用适合的工具来搜集信息，并对信息加以分析、鉴别、判断与整合；LO71：愿意服务他人、服务企业、服务社会；为人热忱，富于爱心，懂得感恩（“感恩、回报、爱心”为我校校训内容之一）；LO81：具有基本的外语表达沟通能力与跨文化理解能力。五、课程目标/课程预期学习成果（必填项）（预期学习成果要可测量/能够证明）序号课程预期学习成果课程目标（细化的预期学习成果）教与学方式评价方式1LO111听取别人提供的参考意见，结合实际情况进行分析，并最终做出符合要求的设计方案学会使用专业的角度提供专业的分析和解读。学生自学为主，教师指导为辅课堂提问2LO311熟知主流软件，可以在今后工作学习中掌握相关软件的操作。能够运用软件实现软件环境中机器视觉。教师教授为主，学生自学为辅作业评价，课堂提问LO3121.掌握机器人工作站（Workcell）与机器视觉系统、传输带、以及他们的控制系统构成自动化生产线上的机器人工作单元。教师教授为主，学生自学为辅作业评价，课堂提问3LO3411.能够理解视觉检测算法。2.具备进一步学习其他计算机逻辑控制语言的能力。学生自学为主，教师指导为辅课堂提问4LO4111.能够理解视觉检测在各种工作环境区别，不同工艺不同生产条件给视觉检测带来不同的挑战。教师教授为主，学生自学为辅作业评价，课堂提问LO4121.身心健康，能承受学习和生活中的压力学生自学为主，教师指导为辅平时测验，课后作业评价5LO6111.能够根据需要进行文献检索，并对信息加以分析、鉴别判断和整合学生自学为主，教师指导为辅课堂提问,老师即时评价六、课程内容（必填项）单元知识点能力要求教学难点1.机器视觉技术概述（2课时理论）1.机器视觉行业背景。L12.机器视觉系统概念。L13.机器视觉系统组成。L14.机器视觉系统的应用场景。L1了解工业机器人视觉系统的应用和前景机器视觉的硬件构成及选型2.数字图像处理基础（6课时理论）1.数字图像处理概述。L22.图像的感知和获取。L23.图像的采样和量化。L24.空间域图像处理。L25.频域图像处理。L26.彩色图像处理。L27.形态学图像处理。L21.了解数字图像处理的概念2.掌握图像采集和处理的知识图像处理技术3.机器视觉硬件系统（2课时理论）1.工业相机介绍。L12.镜头介绍。L13.光源介绍。L11.了解工业相机的特点2.学会选用和使用工业相机针对不同场合的相机选取4.机器视觉软件系统（6课时理论）1.基础算法知识。L32.视觉控制系统方案。L31.了解图像处理的简单算法2.理解算法功能算法的程序实现5.机器视觉系统集成与应用（2课时理论）1.CNC手机壳定位加工。L32.海螺安防摄像头前盖制造定位引导。L33.牛奶包装袋OCR检测。L34.手机屏幕边缘缺陷检测。L35.铁罐饮品盖二维码检测。L36.手机后盖尺寸测量。L37.ipad表面划痕缺陷检测。L3通过实例，理解机器视觉的应用通过示例解决实际问题6.3D机器视觉技术（2课时理论）1.3D视觉技术的兴起。L22.3D视觉测量技术基本原理。L23.参数介绍。L24.如何挑选合适的立体相机。L2了解3D机器视觉技术与深度学习授课技巧。7.深度学习与机器视觉（8课时理论）1.搭建PyTorch开发环境。L12.PyTorch与视觉检测。L33.深度神经网络与训练。L34.可视化工具。L35.全连接神经网络。L36.卷积神经网络。L31.掌握深度学习方法2.熟悉主流深度学习框架1.PyTorch深度学习2.神经网络的算法与实现8.Yolo目标检测算法（4课时理论）1.了解YOLO。2.学习使用YOLO3.搭建模型1.了解YOLO的网络结构。2.学会设置、训练、预测等功能1.平台搭建2.网络模型数据收集、整理、扩充3.模型训练4.应用开发七、课内实验名称及基本要求（选填，适用于课内实验）列出课程实验的名称、学时数、实验类型（演示型、验证型、设计型、综合型）及每个实验的内容简述。序号实验名称主要内容实验时数实验类型备注1图像及视频读取1.图片读入相关软件2.理解图片数据的意义2验证型2图像预处理1.理解图像处理基本原理2.学会处理数字图片2验证型3图像