摘要：在我国新一代人工智能发展战略的背景下，结合邮电类高校的人才培养目标，深入分析《机器视觉与应用》课程知识体系，对此课程的教学大纲、理论教学内容、实践教学内容、教学方法等方面进行创新教学改革和探索，紧跟行业技术发展趋势，将机器视觉与应用的理论教学融于实践教学过程，着重加强学生工程实践能力的培养，学以致用，提高学生的创新能力。
关键词：机器视觉与应用；创新实践；邮电类高校
国务院印发的《新一代人工智能发展规划》中提出了我国人工智能“三步走”战略目标并深化实施“中国制造2025”，将人工智能上升到国家战略层面。因此，必须加快推进人才培养模式改革，推进科教协同育人，完善高水平科研支撑拔尖创新人才培养机制。新工科背景下的核心课程机器视觉与应用是邮电类本科学生的基础课程，许多高校主要面向自动化、计算机类等工科专业开设，此课程融合了机器学习理论，数字图像处理，智能决策与最优化等技术[1]，教学内容涉及机器视觉系统的组成与标定、图像滤波与分割、目标检测与识别、成像原理与多视图几何、三维测量等。各个学校对该课程的教学内容侧重点不同，培养目标也不尽相同，但普遍面临的问题是：强调理论知识点的掌握如定理、证明等，理论教学内容不能与最新技术发展同步，实践教学内容简单、肤浅，不能有效联系实际应用或案例。学生对这门课缺乏兴趣，实验设备老旧、编程语言传统，不符合企业实际需求，影响学生就业与升学的竞争力。因此，为解决上述问题，《机器视觉与应用》这门课程的教学改革势在必行。
一、理论教学课程体系改革的与时俱进
机器视觉在我们生活中的应用不断扩大，如手机上的摄像头系统，微信、支付宝的扫码操作等，因此在《机器视觉与应用》这门课中，在深入讲解经典机器视觉知识的同时，要将当前最新的机器视觉与应用的研究成果与行业前沿知识在课堂上对学生进行介绍，如基于稠密深度、轻量化卷积神经网络的目标检测与识别、图卷积神经网络等，让他们了解最新的知识点与行业应用及当前流行的软件、硬件平台，为他们以后的学科研究与就业奠定良好的基础。因此，对课程的培养目标与课程体系进行了修订。
新版的《机器视觉与应用》课程以Python语言为基础，要求学生掌握机器视觉的概念、原理、图像处理方法及经典视觉成像模型，掌握多视图幾何及三维重建的原理及实现方法，学会搭建基础的轻量化卷积神经网络，为进一步学习人工智能相关专业课以及从事本专业的研究和技术工作打下必要的基础。
同时，要充分考虑企业的需求，以协同育人的视角构建教师和企业导师联合育人团队，因材施教，优势互补。比如，通过理论讲解掌握机器视觉的图像滤波与目标检测，借助于生产线现场缺陷目标检测等工业应用案例掌握理论教学知识，并反馈理论教学中未涉及的实际应用要点，如算法的实时性、检测成功率，影响误检测的因素等。
二、创新实践教学平台
为了紧跟当前机器视觉与应用技术发展的潮流，培养人工智能应用行业所急需的专业人才，在通过课堂将机器视觉与应用专业理论知识传授给学生的同时，还需启发学生将来在机器视觉应用方面有创新性的成果[2]。
我们构建了三种型号的基于机器视觉系统的无人车、无人机等创新实践平台，每一种型号分别采用英伟达Nano和树莓派两种开发板，每种开发板32套，总共192套基于机器视觉系统的无人平台。这些平台不仅更好地服务于机器视觉与应用课程的章节实验及综合性实验，而且还作为实验室的创新平台，为智能车比赛，无人机竞赛，机器人大赛提供强有力的支撑。
三、创新实践教学机器视觉软件的组成
本课程的章节实验及综合性实践提供多种编程语言和工具箱平台，学生可以根据自己的兴趣、爱好及未来的学业、职业规划选择一种或多种编程语言及平台[3]。在Matlab图像处理工具箱与OPENCV工具箱的基础上[4]，本课程的实践教学创新性地引入基于Python的机器视觉与应用基础工具箱、进阶版深度学习工具箱，紧跟当前机器视觉与应用课程发展的技术潮流。因为Python是一种面向对象、解释型、动态数据类型的高级程序设计语言。其代码量小，简洁清晰。还具有丰富的机器视觉标准库和扩充库，如Pytesseract、OpenCV等，是当前人工智能行业广泛应用的编程工具。
此外，为进一步支撑机器视觉综合性实验及基于视觉导航的无人车进阶实践项目，建议学生学习ROS开源的元机器人操作系统，包括硬件抽象、底层设备控制、常用函数的实现、进程间消息传递以及包管理。上述的OpenCV，Python等机器视觉工具箱及激光雷达、IMU惯导模块以及相应的多传感器标定、图像处理、目标识别与跟踪、三维重建、SLAM等都可以在此环境下实现。
另外，学生还可以熟悉掌握常用的深度学习框架，如PyTorch、TensorFlow、Keras、MXNet等，为将来的工作和学业深造打下坚实的基础。
四、创新实践教学内容的设计
我结合机器视觉与应用的理论教学内容，并兼顾实验室开放创新项目及竞赛需求，设计了渐进式创新实践教学内容，主要分为三个级别：验证性机器视觉章节实验、综合性视觉及多传感器融合实践项目、创新性实践项目。考虑到学生对知识的掌握程度不同，三个级别的项目由易到难，循序渐进，兼顾学生的兴趣爱好及实际生活中的创意实现。三个级别的实验及实践项目举例如下：
1.验证性实验：摄像头启动及驱动，图像预处理如多彩色空间转化、灰度变化、图像增强、图像滤波、锐化、图像分割与二值化、腐蚀与膨胀、图像特征提取与匹配等。
2.综合性实践：相机标定实验及误差分析，多传感器联合标定（相机、激光雷达、IMU联合标定），图像去雾、去雨、去模糊化等。
3.创新性实践：视觉导航，无人车视觉避障，无人车视觉同时定位与重建，模拟工业机器视觉应用如智能产品缺陷检测、视觉测量，快递包裹视觉实时追踪与定位，人流估计与预测等。
验证性实验是必选的，综合性及创新性实践是以小组完成的，学生可以跟踪兴趣、爱好选择不同的题目，提高主观能动性，并允许学生利用所学知识进行创新创意性扩展。
五、创新实践教学方式改革探索
（一）梳理课程间内容关系，完善相应的平台、硬件、软件及相应的电子资源建设
学生的专业基础不同，所掌握编程知识及实践能力有一定的差异性，教师开课前应摸底学生所学的课程内容，了解学生不同的专业基础，并进行合理的分组、引导，使学生互帮互助；完善实验室的理论教学平台，发展三种类型多套的无人硬件平台，建立相应的课程电子资源网站，包括理论教学内容知识点和实践教学内容及所需的软件、教程、工具包，网站上包含专门的知识内容讨论区，另外还包括国内外《机器视觉与应用》相应的多媒体课件、论文、书籍及经典算法的实现代码，以适应当今人工智能行业内机器视觉知识的内容多、涉及范围广、知识更新快的特点，以便学生下载、查阅。同时，教师要合理利用一些即时通讯平台，如微信群、QQ等工具，及时解答学生的疑问。
（二）优化小班化实验室課堂，注重学生知识的掌握与应用
教师要改变往常以教师讲解为主，学生机械地参与的满堂灌模式，直接在实验室采用小班化教学，一次32人，分为四个小组，每个小组都要完成三个级别的实验，保证每个组员都要参与，都有相应的任务，实验内容尽量避免雷同。每次课2个课时，教师进行0.5课时基础理论知识进行透彻地讲解；拿出1个课时让学生进行验证性实验，对基础知识进行实现、验证，并进行组内讨论；剩下的0.5个课时，学生进行综合性实践或创新型实践的讨论、演示、讲解，任课教师进行点评、讲解、指导。学生人手一台实验设备和电脑（或自带笔记本），实验室设备与学生一一绑定，不随意更换，方便理论知识的掌握、实现以及相应软件环境的安装设置等，并改变以往提交纸质实验报告的考核方式，采用分组答辩的形式，每个人讲解展示自己所负责的工作，相互学习、相互进步。这样可以较好的避免抄袭，避免雷同的实验报告，激发学生学习的积极性和自主性，有利于知识的拓展和创新创意实践。
（三）鼓励学生进行应用性创新实践，并为产学研合作及企业实践提供支持
学生在完成多个实践性项目的同时，后续可能要对系统硬件、算法软件进行不断的完善、优化。为了使更多的实践成果走出实验室，贴合实际生产生活，鼓励学生带成果走出去，教师要主动积极联系有机器视觉应用需求的企事业单位，将创新成果与实际企业需求、工业现场要求进行深入沟通与协作，建立稳定的产学研机制。这种机制可以对校内课程体系进行有效扩充和延伸，并对创新实践教学成果进行反馈，更好地贴近实际生产生活需求，做更接地气的实践教学内容改革探索。同时，教师要鼓励学生进行相应专利的申请和论文的撰写，保护好相应的知识产权。
六、结语
通过创新教学实践方式的改革有效提升了学生的分析问题能力、动手能力、创新能力，验证了机器视觉与应用创新实践教学改革的有效性，总体上了提升了学生找工作和升学的竞争力。
