机器人视觉技术及应用-机制-课程教学大纲.doc

机器人视觉技术及应用-机制-课程教学大纲.doc

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

4-

【机器人视觉技术与应用】

【RobotVisionTechnologyandApplication】

一、基本信息

课程代码:【2080446】

课程学分:【2】

面向专业:【机械设计制造及自动化、汽车服务工程、物联网工程】

课程性质:【专业限选课】“◎”

开课院系:机电学院机械工程系

使用教材:【数字图像处理(Matlab版)阮秋琦译电子工业出版社2020年6月第2版】

辅助教材【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】

【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】

课程网站网址:/course-ans/courseportal/241562350.html

先修课程:【C语言程序设计】或【Python语言程序设计】

二、课程简介

随着计算机技术、光电子技术、信号处理理论与技术、人工智能理论与技术的发展,近年来机器视觉得到了飞速的发展和广泛的应用,在科研和实际生产中发挥了重要的作用。以深度学习为代表的机器学习正在学术界和工业界大放异彩。机器视觉与机器学习作为人工智能的重要分支,很大程度上代表了人工智能的发展水平,在人工智能领域的地位不言而喻。相关行业对从事机器视觉、人工智能领域的人才需求量持续增加。

三、选课建议

本课程以高等院校机械设计制造及其自动化专业的学生或者其他工科类学生为教学对象,需要有一定的编程基础,适合大二及以上的学生参加本课程。

四、课程与专业毕业要求的关联性

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:能够应用本专业知识进行机器人系统集成、网络应用开发及机电新产品开发的能力

?

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

序号

课程预期

学习成果

课程目标

教与学方式

评价方式

1

L011

了解机器视觉领域所用的典型硬件的主要功能、特点、技术参数,能根据实际应用需求合理选型、配置相关相机、镜头、光源等,获取合格图像等;

了解机器视觉领域对解决不同问题所需的主要算法及工具软件,具有分析实际问题、查阅相关解决方法的能力;

教师引导为主,学生自学为辅

平时作业、综合评价

2

L031

熟练使用Anaconda搭建所需环境;

熟练掌握典型机器视觉中的典型图像预处理、特征提取、缺陷检测等基本方法。

教师引导为主,学生自学为辅

平时作业、综合评价

3

L032

熟练使用PyTorch框架搭建深度学习网络;

能够自行训练模型;

教师引导为主,学生自学为辅

平时作业、综合评价

4

L051

小组合作,基于选定主题完成视觉识别算法。

教师引导为主,学生自学为辅

平时作业、综合评价

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。L1

2.机器视觉系统概念。L1

3.机器视觉系统组成。L1

4.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(4课时理论)

1.数字图像处理概述。L2

2.图像的感知和获取。L2

3.图像的采样和量化。L2

4.空间域图像处理。L2

5.频域图像处理。L2

6.彩色图像处理。L2

7.形态学图像处理。L2

1.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

文档评论(0)

CUP2008013124 + 关注
实名认证
内容提供者

北京教育部直属高校教师,具有十余年工作经验,长期从事教学、科研相关工作,熟悉高校教育教学规律,注重成果积累

1亿VIP精品文档

相关文档