2021版（第5至第8学期）-东莞城市学院智能制造学院

教学大纲

2021版（第5至第8学期）

首页 - 教学大纲 - 机械电子工程 - 2021版（第5至第8学期）

《机器视觉技术》教学大纲

作者:智能制造学院发布日期:2023-04-07 16:32:10浏览次数:263

《机器视觉技术》教学大纲

一、课程基本信息

课程类别	专业拓展选修课程		课程性质	理论	课程属性	选修
课程名称	机器视觉技术			课程英文名称	Machine Vision Technology
课程编码	F05ZX48C			适用专业	机械电子工程专业
考核方式	考查			先修课程	高等数学、程序设计基础
总学时	32	学分		2	理论学时		26
实验学时/实训学时/ 实践学时/上机学时				上机学时：6
开课单位				智能制造学院

二、课程简介

《机器视觉技术》课程是机械电子工程专业的一门专业拓展选修课程，主要研究用计算机来模拟人的视觉功能，实现对目标的识别、分析和测量等任务。本课程主要学习摄像机模型、图像空间滤波、频域变换、特征点检测、图像匹配、双目立体视觉、目标识别等内容。从基础理论方法和工程应用出发，重点培养学生的工程实践能力和创新能力。通过该课程的学习，使学生掌握计算机视觉技术的基本原理和方法，初步具有利用视觉技术解决工程问题的能力。

三、课程教学目标

课程教学目标		支撑人才培养规格指标点	支撑人才培养规格
知识目标	目标1：通过本课程的学习，让学生对图像理解和机器视觉的基本理论，尤其是图像处理的概念、基本原理以及解决问题的基本思想方法有一个较为全面的了解和领会；使学生能使用图像形态学、空间滤波、频域变换、图像匹配、特征点检测等机器视觉的基本方法。	3-3:掌握机械制造基础和专业知识，能够对机械制造过程的基本原理、方法和工艺进行描述。	3．工程知识
能力目标	目标2：通过该课程的学习，让学生掌握简单机器视觉问题的求解方法，具备解决智能化检测与识别、控制等应用问题的初步能力。培养学生工程实践能力与创新能力，为毕业就业培养专业素养，提供技术准备。	4-2:应用自然科学及工程专业知识，表达复杂机械工程问题。 7-2:开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具等，进行机电装置或作品的设计并予以实现。	4．问题分析能力7．使用现代工具
素质目标	目标3：通过本课程的学习，培养作为一个工程技术人员必须具备的刻苦专研和锲而不舍的学习精神，严谨的科学态度和积极向上的价值观，为未来的学习、工作和生活奠定良好的基础。	12-2:了解机械行业的前沿发展现状和趋势、主流技术需求，具备良好的自主学习与终身学习能力，能适应社会发展。	12．终身学习

四、课程主要教学内容、学时安排及教学策略

（一）理论教学

教学模块

学时

主要教学内容与策略

学习任务安排

支撑课程目标

机器视觉导论

重点：机器视觉概念、发展现状以及应用、机器视觉系统组成、方法分类、编程工具介绍。

难点：系统的组成、编程工具使用。

思政元素：介绍机器视觉的发展和为机器视觉做出杰出贡献的科学家以及目前机器视觉的最新应用等，激发学生追求科学，探索宇宙的勇气。

教学方法与策略：线下在机房教学。在教学过程中主要运用讲授法和案例法开展教学、辅以精选视频激发学生的兴趣。

课前：预习

课堂：思考、做好笔记

课后：复习知识点

目标1

目标3

机器视觉硬件

重点：镜头技术、摄像机技术、光源技术、数字图像基本概念。

难点：摄像机技术、光源技术。

思政元素：通过讲述新一代智能技术，激发学生自主学习的兴趣以及投身科研的热情。

教学方法与策略：线下在机房教学。在教学过程中主要运用讲授法和案例法开展教学、对机器视觉的基本方法边讲解边上机操作实现。

课前：预习

课堂：思考、做好笔记、上机操作实现

课后：复习知识点

目标1

目标2

目标3

图像处理技术

重点：图像二值化、图像形态学、空间滤波、几何变换、频域处理。

难点：频域处理。

教学方法与策略：线下在机房教学。在教学过程中主要运用讲授法和案例法开展教学、对机器视觉的基本方法边讲解边上机操作实现。

课前：预习

课堂：思考、做好笔记、上机操作实现

课后：复习知识点

目标1

目标2

图像特征检测与匹配

重点：图像边缘检测、直线检测、角点检测、圆检测、图像局部特征点检测，局部特征点描述，特征点匹配。

难点：图像特征点检测、描述与特征点匹配。

教学方法与策略：线下在机房教学。在教学过程中主要运用讲授法和案例法开展教学、对机器视觉的基本方法边讲解边上机操作实现。

课前：预习

课堂：思考、做好笔记、上机操作实现

课后：复习知识点

目标1

目标2

目标3

双目立体视觉

重点：双目立体视觉原理，立体视差，场景深度与视差的关系，立体图像对几何矫正，视差求取，立体匹配。

难点：立体图像对几何校正，立体匹配。

教学方法与策略：线下在机房教学。在教学过程中主要运用讲授法和案例法开展教学、对机器视觉的基本方法边讲解边上机操作实现。

课前：预习

课堂：思考、做好笔记、上机操作实现

课后：复习知识点

目标1

目标2

目标3

目标识别

重点：车牌图像处理与识别、工件识别、目标检测、目标跟踪。

难点：算法原理分析与实现

思政元素：让学生相互帮助，学习能力弱的同学请教接收能力强的同学，保证算法实现问题当堂决，培养学生相互协作精神。

教学方法与策略：线下在机房教学。在教学过程中主要运用讲授法和案例法开展教学、对机器视觉的基本方法边讲解边上机操作实现。

课前：预习

课堂：思考、做好笔记、上机操作实现

课后：复习知识点

目标1

目标2

目标3

（二）实践教学

实践类型	项目名称	学时	主要教学内容	项目类型	项目要求	支撑课程目标
上机	摄像机标定	2	重点：根据给定的标定板图像进行相机标定过程的实现。难点：相机畸变的校正。思政元素：要求学生地实验过程中必须坚持实事求实、秉承严谨的科学态度。	设计	实验1人一组，须完成实验报告。实验报告须有详细的实验记录。	目标2 目标3
上机	图像特征检测	2	重点：给定几张图像，按照要求检测出各张图像中的特征。难点：特征检测算法的具体应用实现。思政元素：要求学生地实验过程中必须坚持实事求实、秉承严谨的科学态度。	设计	实验1人一组，须完成实验报告。实验报告须有详细的实验记录。	目标2 目标3
上机	图像特征匹配	2	重点：根据给定图像，按要求完成特征点匹配和模板匹配。难点：特征匹配算法实现。思政元素：要求学生地实验过程中必须坚持实事求实、秉承严谨的科学态度。	设计	实验1人一组，须完成实验报告。实验报告须有详细的实验记录。	目标2 目标3
	备注：项目类型填写验证、综合、设计、训练等。

五、学生学习成效评估方式及标准

考核与评价是对课程教学目标中的知识目标、能力目标和素质目标等进行综合评价。在本课程中，学生的最终成绩是由平时成绩和期末考试等二个部分组成。

1.平时成绩（占总成绩的40%）：采用百分制。平时成绩分作业（15%）、考勤（占10%）实验成绩（占15%）三个部分。评分标准如下表：

等级

评分标准

1.作业；2考勤.3.实验成绩

优秀

（90～100分）

1.作业书写工整、书面整洁；90％以上的习题解答正确结果准确无误。

2.没有旷课、迟到、早退现象。

3.实验报告书写工整、书面整洁；90％以上的实验结果准确无误。

良好

（80～89分）

1.作业书写工整、书面整洁；；80％以上的习题解答正确或实验习题结果准确无误。

2.没有旷课、迟到、早退现象。

3.实验报告书写工整、书面整洁；80％以上的实验结果准确无误。

中等

（70～79分）

1.作业书写较工整、书面较整洁；70％以上的习题解答正确或实验习题结果准确无误。

2.旷课1次，有迟到和早退现象。

3.实验报告书写工整、书面整洁；70％以上的实验结果准确无误。

及格

（60～69分）

1.作业书写一般、书面整洁度一般；60％以上的习题解答正确或实验习题结果准确无误。

2.旷课2-3次，有迟到和早退现象。

3.实验报告书写工整、书面整洁；60％以上的实验结果准确无误。

不及格

（60以下）

1.字迹模糊、卷面书写零乱；超过40％的习题解答不正确。

2.旷课4次以上，有迟到和早退现象。

3.实验报告书写工整、书面整洁；50％以上的实验结果错误。

2.期末考试（占总成绩的60%）：采用百分制。期末考试的考核内容、题型和分值分配情况请见下表：

考核模块	考核内容	主要题型	支撑目标	分值
机器视觉导论	机器视觉概念、现状以及应用、系统组成、方法分类	选择题、填空题、判断题、简答题	目标1 目标2	10
机器视觉硬件	镜头技术、摄像机技术、光源技术、数字图像基本概念	选择题、填空题、判断题、简答题、计算题	目标1 目标2	40
图像处理技术	图像二值化、图像形态学、空间滤波、几何变换、频域处理	选择题、填空题、判断题、简答题	目标1 目标3	20
图像特征检测与匹配	图像边缘检测、直线检测、角点检测、圆检测、特征点检测	选择题、填空题、判断题、简答题	目标2 目标3	10
双目立体视觉	双目立体视觉原理，立体视差，场景深度与视差的关系，立体图像对几何矫正。	选择题、填空题、判断题、简答题	目标1 目标2 目标3	10
目标识别	图像处理与识别、工件识别、目标检测、目标跟踪	选择题、填空题、判断题、简答题	目标1 目标2 目标3	10

六、教学安排及要求

序号	教学安排事项	要求
1	授课教师	职称：讲师及以上学历（位）：硕士研究生及以上其他：具有硕士研究生及以上学历的工程师
2	课程时间	周次：11 节次：3
3	授课地点	□教室 □实验室 □室外场地 R其他：机房
4	学生辅导	线上方式及时间安排：通过企业微信群与学生沟通线下地点及时间安排：根据具体问题，灵活安排

七、选用教材

[1] 韩九强.机器视觉技术及应用 [M].北京：高等教育出版社，2009年12月.

[2] 陈兵旗.机器视觉技术 [M]. 化学工业出版社，2018年9月.

八、参考资料

[1] 修春波主编：《OpenCV 3计算机视觉：Python语言实现（原书第2版）》，机械工业出版社，2016年6月。

[2] 章毓晋主编：《计算机视觉教程（第2版）》，人民邮电出版社，2017年3月。

网络资料

无

执笔人：陈洵凛

参与人：张攀峰、张锦荣

系（教研室）主任：张锦荣

学院（部）审核人：连元宏