-4-【機器人視覺技術與應用】【RobotVisionTechnologyandApplication】一、基本信息課程代碼：【2080446】課程學分：【2】面向專業：【機械設計制造及自動化、汽車服務工程、物聯網工程】課程性質：【專業限選課】“◎”開課院系：機電學院機械工程系使用教材：【數字圖像處理(Matlab版)阮秋琦譯電子工業出版社2020年6月第2版】輔助教材【機器視覺技術及應用張學宏編機械工業出版社2023年1月第1版】【PyTroch編程技術與深度學習袁梅宇編清華大學出版社2022.6第1版】課程網站網址：/course-ans/courseportal/241562350.html先修課程：【C語言程序設計】或【Python語言程序設計】二、課程簡介隨著計算機技術、光電子技術、信號處理理論與技術、人工智能理論與技術的發展，近年來機器視覺得到了飛速的發展和廣泛的應用，在科研和實際生產中發揮了重要的作用。以深度學習為代表的機器學習正在學術界和工業界大放異彩。機器視覺與機器學習作為人工智能的重要分支，很大程度上代表了人工智能的發展水平，在人工智能領域的地位不言而喻。相關行業對從事機器視覺、人工智能領域的人才需求量持續增加。三、選課建議本課程以高等院校機械設計制造及其自動化專業的學生或者其他工科類學生為教學對象，需要有一定的編程基礎，適合大二及以上的學生參加本課程。四、課程與專業畢業要求的關聯性專業畢業要求LO11：傾聽他人意見、尊重他人觀點、分析他人需求，應用書面或口頭形式，闡釋自己的觀點，有效溝通LO21：學生能根據環境需要確定自己的學習目標，并主動地通過搜集信息、分析信息、討論、實踐、質疑、創造等方法來實現學習目標LO31：能夠應用本專業知識進行機器人系統集成、網絡應用開發及機電新產品開發的能力LO32：具備智能控制與工程自動化設備及系統的使用，維護能力，能夠運用智能控制工程學科知識解決實際設計問題。具備單片機、可編程控制器的控制程序設計、編程、應用能力LO33：具備電子線路的識圖分析、電子元器件的選型、電路板的故障分析、熟練使用各類電子測量儀器的能力LO34：熟練掌握各類工業機器人編程語言，能根據自動化生產線的要求編制對工業機器人進行技術改造安裝和調試的能力.具備進一步學習其它計算機邏輯控制語言的能力LO35：熟悉常見機械、電氣設備基本組成部分及功能，具備工業機器人機械電氣設備的運行維護、保養及簡單故障的維修排除能力.LO41：遵守紀律、守信守責；具有耐挫折、抗壓力的能力LO51：在集體活動中能主動擔任自己的角色，與其他成員密切合作，共同完成任務。能有邏輯的分析與批判LO61：能夠根據需要進行專業文獻檢索，能夠使用適合的工具來搜集信息，并對信息加以分析、鑒別、判斷與整合LO71：愿意服務他人、服務企業、服務社會；為人熱忱，富于愛心，懂得感恩（“感恩、回報、愛心”為我校校訓內容之一）LO81：具有基本的外語表達溝通能力與跨文化理解能力。五、課程目標/課程預期學習成果序號課程預期學習成果課程目標教與學方式評價方式1L011了解機器視覺領域所用的典型硬件的主要功能、特點、技術參數，能根據實際應用需求合理選型、配置相關相機、鏡頭、光源等，獲取合格圖像等；了解機器視覺領域對解決不同問題所需的主要算法及工具軟件，具有分析實際問題、查閱相關解決方法的能力；教師引導為主，學生自學為輔平時作業、綜合評價2L031熟練使用Anaconda搭建所需環境；熟練掌握典型機器視覺中的典型圖像預處理、特征提取、缺陷檢測等基本方法。教師引導為主，學生自學為輔平時作業、綜合評價3L032熟練使用PyTorch框架搭建深度學習網絡；能夠自行訓練模型；教師引導為主，學生自學為輔平時作業、綜合評價4L051小組合作，基于選定主題完成視覺識別算法。教師引導為主，學生自學為輔平時作業、綜合評價六、課程內容（必填項）單元知識點能力要求教學難點1.機器視覺技術概述（2課時理論）1.機器視覺行業背景。L12.機器視覺系統概念。L13.機器視覺系統組成。L14.機器視覺系統的應用場景。L1了解工業機器人視覺系統的應用和前景機器視覺的硬件構成及選型2.數字圖像處理基礎（4課時理論）1.數字圖像處理概述。L22.圖像的感知和獲取。L23.圖像的采樣和量化。L24.空間域圖像處理。L25.頻域圖像處理。L26.彩色圖像處理。L27.形態學圖像處理。L21.了解數字圖像處理的概念2.掌握圖像采集和處理的知識圖像處理技術3.機器視覺軟件系統（4課時理論）1.基礎算法知識。L32.視覺控制系統方案。L31.了解圖像處理的簡單算法2.理解算法功能算法的程序實現4.深度學習與機器視覺（4課時理論）1.搭建PyTorch開發環境。L12.PyTorch與視覺檢測。L33.深度神經網絡與訓練。L34.可視化工具。L35.全連接神經網絡。L36.卷積神經網絡。L31.掌握深度學習方法2.熟悉主流深度學習框架1.PyTorch深度學習2.神經網絡的算法與實現5.Yolo目標檢測算法（2課時理論）1.了解YOLO。2.學習使用YOLO3.搭建模型1.了解YOLO的網絡結構。2.學會設置、訓練、預測等功能1.平臺搭建2.網絡模型數據收集、整理、擴充3.模型訓練4.應用開發七、課內實驗名稱及基本要求（選填，適用于課內實驗）列出課程實驗的名稱、學時數、實驗類型（演示型、驗證型、設計型、綜合型）及每個實驗的內容簡述。序號實驗名稱主要內容實驗時數實驗類型備注1圖像及視頻讀取1.圖片讀入相關軟件2.理解圖片數據的意義2驗證型2圖像預處理1.理解圖像處理基本原理2.學會處理數字圖片4驗證型3圖像操作1.使用相關圖像處理算法完成圖像的縮放、邊緣檢測、裁剪等操作2.學會圖像處理算法的實際運用。4驗證型4Anaconda環境配置