《机器视觉技术及应用》课程教学大纲（智能制造工程专业）.doc

PAGE

PAGE1

《机器视觉技术及应用》课程教学大纲

一、课程简介

课程中文名

机器视觉技术及应用

课程英文名

MachineVisionTechnologyandApplications

双语授课

□是■否

课程代码

课程学分

2.5

总学时数

40（含实验4学时）

课程类别

□通识教育课程

□公共基础课程

■专业教育课程

□综合实践课程

□教师教育课程

课程性质

■必修

□选修

□其他

课程形态

□线上

■线下

□线上线下混合式

□社会实践

□虚拟仿真实验教学

考核方式

■闭卷□开卷□课程论文□课程作品□汇报展示□报告

■课堂表现■阶段性测试■平时作业■其他（可多选）

开课学院

机器人工程学院

开课

系(教研室)

智能制造工程

面向专业

智能制造工程

开课学期

第4学期

先修课程

大学物理、电工电子技术基础等。

后续课程

工业机器人技术及应用、数控技术、人工智能技术等。

选用教材

程光等.机器视觉技术[M].机械工业出版社,2019年.

参考书目

1.韩九强等.机器视觉技术及应用[M].高等教育出版社,2010年.

课程资源

腾讯课堂：/

课程简介

机器视觉技术是一门关于利用计算机和相应设备对图像进行处理、分析和理解的领域。本课程旨在介绍机器视觉技术的基本概念、系统构成以及发展趋势。学生将学习常用的图像处理技术，如尺寸测量和缺陷检测技术，以及模式识别和图像融合技术。此外，课程还探讨了机器视觉系统的硬件技术和教学实验设备。学生将有机会了解机器视觉专用软件，并探索机器视觉技术的发展趋势。通过本课程的学习，学生将获得对机器视觉技术的深入了解，为将来在工业自动化、智能制造和计算机视觉等领域的应用打下坚实基础，此课程是依托专业教育开展劳动教育的课程。

二、课程目标

1．课程目标内容：具体内容见表1。

表1课程目标

序号

具体课程目标

课程目标1

掌握机器人视觉的基本概念、原理和方法，并能应用这些原理方法解决实际工程问题。具备严谨治学的工匠精神。引导学生认识到机器人视觉技术在国家发展和社会进步中的重要性，激发学生的爱国情怀和社会责任感。通过课程学习，学生应能够理解并践行社会主义核心价值观，为国家的科技创新和工业发展做出贡献。

课程目标2

掌握常见图像获取及数字化、图像的点运算、图像增强、形态学图像处理、图像分割和特征提取等的原理和方法，熟悉常用机器视觉设备使用方法。能够根据问题需求，设计机器视觉系统，满足实际工程的需要。能够初步具有运用新技术创造性地解决复杂问题的能力和使用软件工具算法编程仿真。

2．课程目标与毕业要求对应关系：具体内容见表2。

表2课程目标与毕业要求对应关系

毕业要求

指标点

课程目标

毕业要求1：工程知识【H】

1.2掌握解决智能制造工程问题所需的工程基础知识，并能够应用。

目标1

毕业要求7：环境和可持续发展【M】

7.2能够评价针对复杂智能制造工程问题的工程实践对于环境、社会可持续发展的影响。

目标2

三、课程学习内容与方法

（一）理论学习内容及要求

课程理论学习内容、重点难点、课程目标和教学方法等对应关系的具体情况见表3。

表3课程目标、学习内容和教学方法对应关系

序号

课程

模块

学习内容

学习任务

课程

目标

学习重点难点

教学方法

学时

1

绪论

1.机器视觉的基本概念

2.机器视觉系统的组成要素和工作流程

3.机器视觉应用的常见领域和实际案例

4.机器视觉技术的发展历史和未来趋势。

1．问题交流：课堂提问。

2.线上学习：大国工匠。

3.个人作业：机器视觉应用

目标1

目标2

重点：

1.机器视觉技术的基本概念和原理，如图像获取、图像处理、特征提取和目标识别等；

2．机器视觉系统的组成要素；

3.应用案例和技术挑战。

难点：

4．深度学习、增强现实。

讲授法：

能够引导学生学习机器视觉技术及应用，并促进学生的知识、能力和素质的发展。

2

2

机器视觉基础知识

1.机器视觉技术的基本概念、系统构成以及发展趋势；

2.机器视觉系统的硬件技术和教学实验设备。

1．问题交流：课堂提问。

2.拓展阅读：不同类型的传感器。

3．线上学习：腾讯在线课堂

4．个人作业：应用场景、算法流程。

目标1

目标2

重点：

1.机器视觉的概念；

2.系统构成；

3.发展趋势。

难点：

4．算法与技术选择。

讲授法:

能够提供系统化的知识框架，帮助学生建立对机器视觉技术及应用的整体认识。

4

3

常用图像处理方法及机器人视觉设备使用方法

1.常用图像处理技术；

2.尺寸测量技术与缺陷检测技术；

3.模式识别技术；

4.图像融合技术；

5.机器视觉系统的硬件技术。

1．问题交流：课堂提问。

2.拓展阅读：深度学