《机器视觉》课程教学大纲(本科)
《机器视觉》课程教学大纲
课程编号：04233
课程名称：机器视觉
英文名称：Robot Vision
课程类型：学科基础课
课程要求：选修
学时/学分：32/2 （讲课学时：28 实验学时：4）
适用专业：智能科学与技术
一、课程性质与任务
机器视觉是智能科学与技术专业的学生学习和掌握图像检测、图像处理等机器视觉相关理论和方法的专业选修课，是学生理解机器视觉现有方法和技术需要选学的课程，能够为学生以后从事计算机视觉相关领域的研究做准备。
本课程在教学内容方面着重讲述早期视觉的内容，是学生建立起对成像过程的基本理解, 探讨对成像过程进行求逆的方法，同时也介绍一些用于解决机器视觉问题的具体方法，注重培养学生建立一种针对不同机器视觉问题的整体解决方法，培养学生解决一些更加复杂的实际问题的能力；在培养实践能力方面，通过图像检测和图像处理等实验对的基本训练，学生进行机器视觉的基本训练。通过课程学习，使学生掌握机器视觉基本理论，了解图像检测和处理的常用方法，具有初步的图像检测、处理的能力，为进一步学习和应用打下必要的基础。（支撑毕业要求 1.3, 2.2, 4.1, 10.1）
二、课程与其他课程的联系
先修课程：智能机器人、智能传感技术、机器学习（该课程提供图像获取及应用的相关知识和场景）；
后续课程：智能感知综合实践
三、课程教学目标
1.学习机器视觉的基本概念和基本理论知识，掌握成像、图像检测、区域分割、边缘检测等基本知识，理解机器视觉的运行基本原理，具有初步的静态图像处理的能力；（支撑毕业要求1.3）
2.能够基于机器视觉的基本原理，对物体成像和图像的检测、分割等问题进行研究，包括机器视觉的软件设计与实现，通过实验进一步验证所给出的结论，并能够撰写研究/实验报告；（支撑毕业要求2.2, 4.1）
3.了解机器视觉领域的最新进展与发展动态，培养初步的跟踪学科发展前沿的意识。
（支撑毕业要求10.1）
四、教学内容、基本要求与学时分配
五、其他教学环节（课外教学环节、要求、目标）
1.查阅文献资料：（课外2-4学时）
通过搜索网络和查阅文献资料，了解机器视觉的研究现状、研究热点和发展趋势
2.作业：（课外12学时）
做所学知识进行复习，完成相关的作业。
六、教学方法
本课程以课堂教学为主，结合作业、自学、撰写设计报告（大作业）、实验等教学手段和形式完成课程教学任务。
在课堂教学中，通过讲授、提问、讨论、演示等教学方法和手段让学生理解机器视觉的基本概念、原理，强调机器视觉在现实生活中的具体应用。通过启发式教学、讨论式教学、案例教学等培养学生初步运用机器视觉的原理分析解决复杂智能科学技术工程问题的能力；培养学生自主学习能力、发现问题与解决问题的能力、获取和整理信息的能力、准确运用语言文字的表达能力，激发学生的创新思维。
在自学环节中，重点培养学生查找文献、检索信息的能力和一定的创新意识，培养学生的自主学习和初步的研究能力。
七、考核及成绩评定方式
最终成绩由平时成绩、实验成绩、期末考试成绩组合而成。各部分所占比例如下：
平时成绩：10%。主要考核学生的出勤情况。
平时测试成绩：10%o课堂测试，课堂测试考核对每堂课知识点的复习、理解和掌握程度, 每次测试5分。
上机成绩:10%o主要考核学生对实验内容的掌握情况；每个上机5分；
期末考试成绩：70%o主要考核机器视觉基本概念、基本设计方法的掌握程度，闭卷考试, 题型为：1、计算题，2、解答题等。
八、教材及参考书目
1. 教材：
[1]机器视觉，伯特霍尔德•霍，中国青年出版社，2014年8月1日
2. 参考书目：
[1]机器视觉算法与应用，Steger, M. Ulrich C. Wiedemann,杨少荣，清华大学出版社，2008 年
[2]计算机与机器视觉:理论、算法与实践，E.R.Davies,机械工业出版社2013年。
《机器视觉》课程教学大纲(本科)
《机器视觉》课程教学大纲 课程编号：04233 课程名称：机器视觉 英文名称：Robot Vision 课程类型：学科基础课 课程要求：选修 学时/学分：32/2 （讲课学时：28 实验学时：4） 适用专业：智能科学与技术 一、课程性质与任务 机器视觉是智能科学与技术专业的学生学习和掌握图像检测、图像处理等机器视觉相关理论和方法的专业选修课，是学生理解机器视觉现有方法和技术需要选学的课程，能够为学生以后从事计算机视觉相关领域的研究做准备。 本课程在教学内容方面着重讲述早期视觉的内容，是学生建立起对成像过程的基本理解, 探讨对成像过程进行求逆的方法，同时也介绍一些用于解决机器视觉问题的具体方法，注重培养学生建立一种针对不同机器视觉问题的整体解决方法，培养学生解决一些更加复杂的实际问题的能力；在培养实践能力方面，通过图像检测和图像处理等实验对的基本训练，学生进行机器视觉的基本训练。通过课程学习，使学生掌握机器视觉基本理论，了解图像检测和处理的常用方法，具有初步的图像检测、处理的能力，为进一步学习和应用打下必要的基础。（支撑毕业要求 1.3, 2.2, 4.1, 10.1） 二、课程与其他课程的联系 先修课程：智能机器人、智能传感技术、机器学习（该课程提供图像获取及应用的相关知识和场景）； 后续课程：智能感知综合实践 三、课程教学目标 1.学习机器视觉的基本概念和基本理论知识，掌握成像、图像检测、区域分割、边缘检测等基本知识，理解机器视觉的运行基本原理，具有初步的静态图像处理的能力；（支撑毕业要求1.3） 2.能够基于机器视觉的基本原理，对物体成像和图像的检测、分割等问题进行研究，包括机器视觉的软件设计与实现，通过实验进一步验证所给出的结论，并能够撰写研究/实验报告；（支撑毕业要求2.2, 4.1） 3.了解机器视觉领域的最新进展与发展动态，培养初步的跟踪学科发展前沿的意识。 （支撑毕业要求10.1）
人工智能课程大纲课程体系：《机器视觉技术》课程产品白皮书(2019V1.0)
《机器视觉技术》产品白皮书
目录 1引言........................................................................ - 3 -2产品概述.................................................................... - 4 - 2.1产品体系............................................................ - 4 - 2.2产品资源............................................................ - 5 -3产品介绍.................................................................... - 8 - 3.1机器视觉技术........................................................ - 8 - 3.1.1课程说明........................................................ - 8 - 3.1.2教学大纲....................................................... - 12 - 3.1.3教学指导....................................................... - 16 -4配套产品................................................................... - 19 - 4.1实验设备........................................................... - 19 - 4.2软件平台........................................................... - 24 -5技术支持................................................................... - 28 - 5.1.1升级服务....................................................... - 28 - 5.1.2师资培训....................................................... - 28 -
机器视觉教学大纲
《机器视觉》教学大纲 课程编码：08241059 课程名称：机器视觉 英文名称：MACHINE VISION 开课学期：7 学时/学分：36/2 （其中实验学时：4 ） 课程类型：专业方向选修课 开课专业：机械工程及自动化 选用教材：贾云得编著《机器视觉》科学出版社 2002年 主要参考书： 1.ROBOTICS: Control, Sensing, Vision, and Intelligence, K. S. Fu，McGraw-Hill Publishing Company, 1987 2.张广军编著，机器视觉，科学出版社，2005年 执笔人：孔德文 本课程主要内容包括：二值图像分析、图像预处理、边缘检测、图像分割、纹理分析、明暗分析、彩色感知、深度图与立体视觉。通过本课程的学习，学生应掌握机器视觉的基础理论、基本方法和实用算法。 一、课程性质、目的与任务 机器视觉课程是机械工程及自动化专业在智能机器方向的一门专业方向选修课。机器智能化是机械学科的重要发展方向，也是国际上跨学科的热门研究领域。而机器视觉是智能机器的重要组成部分，它与图象处理、模式识别、人工智能、人工神经网络以及神经物理学及认知科学等都有紧密的关系。本课程对于开阔学生视野、使学生了解本专业的发展前沿，把学生培养成面向二十一世纪的复合型人才具有重要的地位和作用。通过本课程的学习，学生也能掌握一定的科学研究方法与技能，为有潜力成为研究型人才的学生打下一定基础。 二、教学基本要求 本课程主要内容包括：二值图像分析、图像预处理、边缘检测、图像分割、纹理分析、明暗分析、深度图与立体视觉。通过本课程的学习，学生应掌握机器视觉的基础理论、基本方法和实用算法。 本大纲仅列出达到教学基本要求的课程内容，不限制讲述的体系、方式和方法，列出的内容并非要求都讲，有些内容，可以通过自学达到教学基本要求。 使用CAI课件作为辅助教学手段可以节省大量时间，传递更多的信息量，所以本课程建议使用CAI课件。 作业是检验学生学习情况的重要教学环节，为了帮助学生掌握课程的基本内容，培养分析、运算的能力，建议布置作业5－8次，并在期末前安排一次综合作业作为主要考查环节。实验是教学的一个主要环节，实验时间共4学时，每次实验每小组4－6人，使每个学生均有亲自操作的机会。 三、各章节内容及学时分配 1．人类视觉与机器视觉 (4学时) : 人类视觉原理与视觉信息的处理过程；机器视觉理论框架与应用；成像几何学基础。
工业视觉系统大纲
《工业视觉系统》课程教学大纲 课程编号： 课程名称：工业视觉系统 英文名称：Industrial Visual System 课程类型：专业任选课 总学时：32 讲课学时：24 实验学时：8 学分：2 适用对象：自动化(系统集成)专业 先修课程：电路原理、数字电子技术、模拟电子技术等 一、课程性质、目的和任务 工业视觉系统课程是自动化(系统集成)专业在智能系统方向的一门专业任选课。智能系统是自动化学科的重要发展方向，也是国际上跨学科的热门研究领域。而机器视觉是智能系统的重要组成部分，它与图象处理、模式识别、人工智能、人工神经网络以及神经物理学及认知科学等都有紧密的关系。本课程对于开阔学生视野、使学生了解本专业的发展前沿，把学生培养成面向二十一世纪的复合型人才具有重要的地位和作用。通过本课程的学习，学生也能掌握一定的科学研究方法与技能，为有潜力成为研究型人才的学生打下一定基础。 二、教学基本要求 本课程主要内容包括：二值图像分析、图像预处理、边缘检测、图像分割、纹理分析、明暗分析、深度图与立体视觉。通过本课程的学习，学生应掌握机器视觉的基础理论、基本方法和实用算法。 本大纲仅列出达到教学基本要求的课程内容，不限制讲述的体系、方式和方法，列出的内容并非要求都讲，有些内容，可以通过自学达到教学基本要求。 三、教学内容及要求 1．引论（2学时）：主要讲授工业视觉系统的定义、体系结构、发展现状与趋势、应用。要求学生掌握工业视觉系统的基本概念，了解工业视觉系统的研究现状与发展趋势以及应用。2．人类视觉与机器视觉 (2学时)：人类视觉原理与视觉信息的处理过程；机器视觉理论框架与应用；成像几何学基础。 3．二值图像分析与区域分析（2学时）：阈值、几何特性、投影、游程长度编码、二值图像算法；区域和边缘、分割、区域表示、分裂和合并。 4．图像预处理（2学时）：直方图修正、图像线性运算、线性滤波器、非线性滤波器。5．边缘检测和轮廓表示（4学时）：梯度、边缘检测算法、二阶微分算子、LoG算法、图像逼近、Canny边缘检测器；数字曲线及其表示、曲线拟合、Hough变换。
课程教学大纲-机器视觉
《机器视觉与图像处理》课程教学大纲 一、课程简介 （一）课程中文简介 机器视觉与图像处理课程是智能制造工程专业在智能机器方向的一门专业方向选修课。机器智能化是机械学科的重要发展方向，也是国际上跨学科的热门研究领域。而机器视觉与图像处理是智能机器的重要组成部分，它与模式识别、人工智能、人工神经网络等都有紧密的关系。本课程对于开阔学生视野，使学生了解本专业的发展前沿，把学生培养成复合型人才具有重要的地位和作用。通过本课程的学习，学生能掌握一定的科学研究方法与技能，为有潜力成为研究性人才的学生打下一定的基础。 本课程以机器视觉的基本算法为基础，通过具体的视觉案例讲解机器视觉问题的一般求解方法。通过学习，使学生能使用图像空间滤波、频域变换、特征点检测、图像匹配与几何映射等机器视觉的基本方法，掌握简单机器视觉问题的求解方法。培养学生将文献转换为实际工程应用的能力，使学生能够将现有的方法转换成自己的工具。培养学生的工程实践能力和创新能力，提高学生的专业素养，为学生就业提供技术储备。 （二）课程英文简介
Machine vision and image processing is an elective course for the major of intelligent manufacturing engineering. Machine intelligence is an important development direction of mechanical discipline, and it is also a hot interdisciplinary research field in the world. Machine vision and image processing plays an important role for intelligent machine, which has a close relationship with pattern recognition, artificial intelligence, artificial neural network, and so on. This course can broaden students' horizon, make them understand the forefront of the development of this major, and play an important role in cultivating students into interdisciplinary talents. Through learning this course, students can master certain scientific research methods and skills, and lay a certain foundation for becoming research talents. This course is based on the basic algorithm of machine vision and explains the general solution of machine vision problems through specific visual cases. Through learning, students can use the basic methods of machine vision, such as image space filtering, frequency domain transformation, feature point detection, image matching and geometric mapping, and master the solution of simple machine vision problems. Develop students' ability to translate literature into practical engineering applications，enabling students to convert existing methods into their own tools. Cultivate students' engineering practice ability and innovation ability, improve students' professional quality, and provide students with technical reserve for employment. 二、课程目标 三、课程教学内容 第一章机器视觉导论
机器视觉 教学大纲
机器视觉教学大纲 机器视觉教学大纲 一、引言 机器视觉是一门涉及计算机科学、图像处理和模式识别的跨学科领域。它的目 标是使计算机能够通过摄像头或其他传感器获取图像信息，并利用算法和模型 对图像进行分析、理解和处理。机器视觉在工业、医疗、交通、安防等领域具 有广泛的应用前景，因此对于学习和掌握机器视觉技术的培训需求也越来越大。 二、基础知识 1. 图像获取与处理 1.1 摄像头及其工作原理 1.2 图像采集与传输 1.3 图像处理基础算法 2. 图像特征提取与描述 2.1 边缘检测 2.2 兴趣点检测与描述 2.3 图像特征匹配 三、图像处理与分析 1. 图像分割 1.1 基于阈值的分割方法 1.2 基于边缘的分割方法 1.3 基于区域的分割方法 2. 目标检测与识别
2.1 目标检测算法 2.2 目标识别算法 2.3 目标跟踪算法 3. 图像分类与识别 3.1 特征提取与选择 3.2 分类器的训练与优化 3.3 图像识别应用案例 四、三维视觉与深度学习 1. 立体视觉 1.1 立体匹配算法 1.2 三维重建与测量 1.3 立体视觉应用案例 2. 深度学习在机器视觉中的应用 2.1 卷积神经网络（CNN）基础 2.2 深度学习在图像识别中的应用 2.3 深度学习在目标检测与跟踪中的应用 五、实践项目 1. 图像处理与特征提取实验 1.1 边缘检测实验 1.2 兴趣点检测与描述实验 1.3 图像特征匹配实验 2. 目标检测与识别实验
2.1 目标检测算法实验 2.2 目标识别算法实验 2.3 目标跟踪算法实验 3. 图像分类与识别实验 3.1 特征提取与选择实验 3.2 分类器的训练与优化实验 3.3 图像识别应用案例实验 六、总结与展望 机器视觉作为一门新兴的学科，其应用前景广阔，对于培养学生的创新思维和实践能力具有重要意义。通过本课程的学习，学生将能够掌握图像处理与分析的基本理论和算法，了解机器视觉的最新发展趋势，为将来在相关领域的研究和应用打下坚实的基础。 未来，随着人工智能和物联网的迅猛发展，机器视觉技术将会得到更广泛的应用。同时，随着硬件设备的不断升级和算法的不断改进，机器视觉的性能和效果也将得到进一步提升。因此，对于机器视觉教学大纲的不断更新和完善，以适应时代发展的需求，具有重要的意义。
《机器视觉》课程教学大纲(本科)
《机器视觉》课程教学大纲 注：课程类别是指公共基础课/学科基础课/专业课；课程性质是指必修/限选/任选。 一、课程地位与课程目标 （一）课程地位 《机器视觉》课程是机械工程及自动化专业在智能机器方向的一门专业选修课。机器视觉是智能机器的重要组成部分，它与图象处理、模式识别、人工智能、人工神经网络以及神经物理学及认知科学等都有紧密的关系。 本课程的目的是让学生在具备一定机器视觉相关基础理论的基础上，掌握分析、设计、实现、解决实际工程视觉应用问题，如尺寸检测、缺陷检测、有无、物体识别等。 通过本课程的学习，学生能掌握一定的科学研究方法与技能，为提供工程应用能力及相关研究打下一定基础。 （二）课程目标 1、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； 2、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； 3、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，基本掌握主流机器视觉工具软件的应用，如vision builder，HALCON、OPENCV等。能够使用专业软件工具进行设计、开发、自动化领域工程问题。开阔学生视野、培养学生对产品质检重要性的理解，培养学生对新技术、新理论运用于社会生产实践兴趣、培养学生对促进国家制造水平的自信及使命感。 二、课程目标达成的途径与方法
《机器视觉》课程教学以课堂教学为主，结合自主学习和实验教学，针对自动化生产线上典型视觉检测问题，使学生掌握基本概念及方法，培养学生运用基础知识和专业知识，分析和解决实际问题工程问题的能力和方法。 （1）课堂教学主要讲述基本概念，基本原理、和设计方法。在课堂教学中，充分引入互动环节，提高教学效果。 （2）设计验证性、设计性实验，采用实验教学方式，训练实验技能，培养理论知识的应用能力。 （3）设计与专业相结合的实际应用问题，如交通灯识别、产品几何尺寸视觉测量、产品条码、二维码识别，文字识别等问题，培养学生分析问题、实现工程应用的能力及方法。 三、课程目标与相关毕业要求的对应关系 四、课程主要内容与基本要求 第一章、机器视觉绪论 了解机器视觉系统的基本构成，机器视觉在产品检测方面的应用等； 理解机器视觉系统的特点及发展趋势； 第二章、机器视觉系统构成 了解机器视觉系统的主要构成、图像采集卡的原理及种类、图像数据的传输方式汇总及比较； 理解相机的分类及主要特性参数、光学镜头的原理与选型； 掌握光源的种类与选型； 熟练掌握镜头选型、典型光照方式的运用； 第三章、机器视觉成像技术 了解灰度照明技术、彩色照明技术、偏光技术、发光二极管照明技术； 理解光源的分类及应用； 掌握光源的运用； 第四章、机器视觉核心算法 了解机器视觉主要算法的作用，完成典型机器视觉应用的主要步骤； 理解摄像机标定、模式匹配算法及其应用、频率图像增强； 掌握数学形态学及其应用、Blob分析；
《工业机器人视觉与传感器技术》课程标准
《工业机器人视觉与传感器技术》课程标准 一、前言 1、课程性质 本课程是工业机器人技术专业的专业方向课程。它既是前期专业基础的延续，又是学习其他专业课的前提。前续课程有电工电子技术、工业机器人技术，后续课程有工业机器人操作与编程、工业机器人安装与调试等课程。 2、设计思路 本课程从项目教学入手，由浅入深，循序渐进采用“教、学、做”一体化的教学模式，使学生对工业机器人传感器的结构、原理、特性和应用有一个系统性的掌握。在学习过程中，逐步提高学生综合运用多种知识和技能解决实际问题的能力、创新能力和可持续发展能力，并使其具有良好的职业道德和诚信敬业精神，树立社会生产所需的安全、产品质量、团队合作等意识。 二、课程目标 本课程的主要目的是掌握工业机器人相关的各类传感器的信号检出、转换原理和信号处理方法，让学生熟知常用传感器的工作原理及应用场合，能掌握机器视觉电路中自动检测环节常用的传感器的性能及技术指标。在学习过程中，逐步提高学生综合运用多种知识和技能解决实际问题的能力、创新能力和可持续发展能力，并使其具有良好的职业道德和诚信敬业精神，树立社会生产所需的安全、产品质量、团队合作等意识。 （一）知识目标 1、掌握自动检测系统的框图，传感器的定义及组成； 2、掌握传感器的基本特性，了解传感器信号处理电路； 3、掌握测量误差的形成及分类； 4、掌握温度传感器的基本原理及应用； 5、掌握压力传感器的基本原理及应用； 6、掌握速度传感器的基本原理及应用； 7、掌握位移传感器的基本原理及应用； 8、掌握机器人视觉传感器的基本原理及应用； （二）能力目标 1、能根据系统要求对各类传感器合理选型； 2、能进行工业机器人常用传感器的正确安装和调试； 3、能够完成机器视觉检测系统的搭建和调试； 4、能够根据机器人传感系统要求完成系统分析和系统设计；
机器视觉原理及应用教程 教学大纲
机器视觉原理及应用教程课程教学大纲 课程编码：****** 课程中文名称：机器视觉原理及应用教程 课程英文名称：Machine Vision Principles and Applications Tutorial 开课单位：人工智能学院、电子信息学院、自动化学院、电气工程学院 任课教师及职称(3名以上)：****** 1、学分和学时分配学分：3.0 学时：48 共3学分，48学时（理论40学时，实验8学时） 2、教学目的 通过本课程的学习，使研究生掌握机器视觉及图像处理的基本理论与方法，提高应用机器视觉技术和数字图像处理技术解决实际问题的能力，培养学生追求真理、勇攀科学高峰的责任感和使命感，精益求精的大国工匠精神，科技报国的家国情怀和使命担当。 3、课程内容 第一章绪论（2学时） 主要阐述了机器视觉的主要研究内容、应用和发展，从数字图像的基本概念逐步引申到机器视觉的基本内容及其特点，简单地介绍机器视觉系统的发展、与其他领域的关系、研究任务及常用的工具软件，最后总结机器视觉在各领域的应用与所遇到的困难，并展望数字图像处理的未来发展。
第二章相机成像与标定（2学时） 4、授课方式 主要采用混合式教学方式，主要包括：课前预习，课堂练习，课后复习教学方式。 5、考核方式 考试方式采用百分制,平时作业20%（由2次小作业组成）、课堂测试20%、课程大作业60%（由课程大作业和PPT汇报组成）。备注：全勤不加分,旷课一次-3分，迟到一次-1分。对旷课超过教学时数1/3的学员,取消成绩评定资格。 6、适用专业范围 本课程主要面向计算机、人工智能、电子信息和自动化相关专业的高年级本科生和低年级研究生。 7、课程教材及主要参考书目 编写者姓名：职称： 学位点审核者姓名：
《机器视觉》课程教学大纲(本科)
机器视觉 （Machine vision） 课程代码：（03410088） 学分：2 学时：32（其中：课堂教学学时：24 实验学时：0 上机学时：8 课程实践学时: 0 ） 先修课程：光学，程序设计(C 语言)，数字图像处理 适用专业：光电类专业、仪器类专业 教材：《机器视觉》，作者伯特霍尔德·霍恩，王亮译 一、课程性质与课程目标 （一）课程性质（需说明课程对人才培养方面的贡献） “机器视觉”是光信息科学与技术等专业的一门前沿选修课，融合了光学检测、图像处理、程序算法等多个学科的知识。通过本课程的学习，使学生逐步掌握机器视觉相关的基本原理、了解通过机器视觉进行各种自动检测的常用方法和典型应用，并能自己搭建软硬件系统实现简单的机器视觉功能。 （二）课程目标（根据课程特点和对毕业要求的贡献，确定课程目标。应包括知识目标和能力目标。） 1. 了解机器视觉的应用领域与发展现状； 2. 掌握图像信息采集和处理系统的硬件模块，理解器件的选型原则； 3. 掌握图像处理的重要方法，能够根据任务要求对图像进行有效的特征提取和识别。 二、课程内容与教学要求（按章撰写） 第一章机器视觉检测概述 （一）课程内容 （1）机器视觉应用分类 （2）视觉检测原理与软件体系 （3）视觉检测算法的研究现状 （二）教学要求
了解机器视觉领域的发展现状和应用领域，熟悉视觉检测的工作原理，掌握视觉检测的基本流程。 （三）重点与难点 视觉检测工作原理 第二章图像预处理 （一）课程内容 （1）图像滤波 （2）图像增强 （3）图像锐化 （二）教学要求 掌握图像滤波的分类，包括高斯滤波、均值滤波、中值滤波等；通过电子元件的检测案例理解图像增强的方法，包括灰度变换、直方图增强等；熟悉图像水花的算法原理。 （三）重点与难点 图像滤波的各种方法与适用条件 第三章图像分割 （一）课程内容 （1）边缘检测 （2）基于先验知识的ROI提取 （3）直方图反向投影 （4）阈值分割 （5）轮廓算法 （二）教学要求 掌握一阶和二阶微分边缘算子的计算方法，了解导爆管和电子元器件视觉检测的边缘检测；掌握ROI设定方法，了解FPC补强片缺陷检测的轮廓掩模和汽车锁扣铆点视觉测量的铆点ROI提取。掌握基于灰度的直方图反向投影算法和基于直方图反向投影的坯布疵点定位。理解全局阈值分割和局部闽值分割的异同。 （三）重点与难点 边缘检测和阈值分割定常用方法 第四章图像变换
《计算机视觉》课程教学大纲.
《计算机视觉》课程教学大纲 课程编号：50420031 课程名称：计算机视觉 英文名称：Computer Vision 课程类别：专业限选课 学分：2 学时：40 开课学期：二 开课周次：11-20 开课教研室：自动化系计算机控制教研室 任课教师及职称：刘禾教授 先修课程：图像处理与分析 适用专业：模式识别与智能系统、控制理论与控制工程 课程目的和基本要求： 课程设置的目的使硕士研究生掌握介绍计算机视觉的基本理论和基本方法。通过课程学习要求学生觉掌握的计算机视觉基本理论与方法以及计算机视觉的一些典型应用，了解国内外最新研究成果。通过本课程学习使学生掌握计算机视觉的基本概念、基本理论和方法，初步具有运用相应理论解决实际问题的能力。课程主要内容： 全部课程内容分九章，各章具体内容、学时分配如下： 第一章概述（2 学时） 内容：计算机视觉的基本概念，Marr视觉计算理论，成像几何基础，计算机视觉的应用。 第二章人类视觉（2 学时） 内容：人类视觉简介，视觉信息的多层处理。 第三章边缘检测（4 学时） 内容：经典微分算子的边缘检测、LOG滤波器与马尔－希尔德累思边缘检测算子、多灰度图像的边缘聚焦法、坎尼边缘检测算子和基于梯度信息的自适应平滑滤波。 第四章明暗分析（2 学时） 内容：图像辐射图，表面方向，反射图，由图像明暗恢复形状。
第五章深度分析（4 学时） 内容：三维感知基本理论和方法，立体成像原理，被动立体测定技术和主动立体测定技术。 第六章标定问题（6 学时） 内容：图像表征与摄像机标定，其中包括透视投影变换、摄像机的标定、摄像机的运动控制模型，双目立体标定。 第七章三维场景表示（4 学时） 内容：三维空间曲面的表示，曲面分割等。 第八章二维运动图像分析（4 学时） 内容：图像运动特征提取的基本方法，由局部光流恢复结构与运动参数估计，基于块的运动分析。 第九章三维运动估计（4 学时） 内容：三维运动与结构估计、由运动与立体观测恢复3—D结构和基于生物视觉运动感知原理的多速度运动检测；基于CAD模型的三维机器视觉。 第十章彩色感知（2 学时） 内容：颜色的视觉处理，彩色不变性。 第十一章物体识别（4 学时） 内容：物体识别的复杂度，三维物体模型表示，特征检测与识别策略，物体定位。 第十二章典型应用介绍（2 学时） 使用教材： 1、《机器视觉》，贾得云，科学出版社、2003年； 2、《计算机视觉》，马颂德，科学出版社，1998年。 参考书目： 1、《计算机视觉与模式识别》，郑南宁，国防工业出版社，1998年。 考试方式： 课程成绩根据学生课堂参与情况、平时作业情况和期末考试成绩综合评定学习成绩，期末考试为专题研究论文或闭卷考试，平时成绩占百分之三十。 教研室意见： 系（院、部）意见：
《机器视觉测量技术》教学大纲(本科)
《机器视觉测量技术》教学大纲 注：课程类别是指公共基础课/学科基础课/专业课；课程性质是指必修/限选/任选。 一、课程地位与课程目标 （一）课程地位 机器视觉测量技术是测控技术与仪器专业的一门本科生选修课程，开设该课程的目的是让学生了解机器视觉测量发展的最新研究成果、机器视觉测量的基本理论与方法以及机器视觉测量的一些典型应用。通过本课程的学习与实践，使学生掌握机器视觉测量的基本概念、基本理论和方法，引入科研案例来扩大学生的知识面。 （二）课程目标 1. 掌握机器视觉测量技术的基本原理，优缺点；（支撑毕业要求1.2） 2.了解机器视觉测量行业的现状和发展趋势，了解常规机器视觉测量的方法和应用场合；（支撑毕业要求6.1、6.2） 3.培养具有运用机器视觉测量技术解决工程问题的意识，具有自主查阅文献、收集和提炼信息的能力，团队合作能力和自我表达能力。（支撑毕业要求10.1、10.2） 二、课程目标达成的途径与方法 以课堂教学为主，结合自学和课程作业等，具体如下： 课堂教学主要讲解机器视觉测量的基本概念、基本理论及方法，结合学科和专业背景引入基本理论的讲解，使得学生能够明确课程学习的目的和意义，提高对机器视觉测量技术在各行业中各种应用的认识。课堂教学引入互动环节，引导学生思考，课后布置作业巩固知识，提高教学效果。 对于部分概念进行课堂自学，教师提问形式，培养学生独立学习的能力。 通过课程的小论文，培养学生自主查阅文献，科技论文写作的能力。 三、课程目标与相关毕业要求的对应关系
注：1.支撑强度分别填写H、M或L（其中H表示支撑程度高、M为中等、L为低）。 四、课程主要内容与基本要求 1.绪论 介绍机器视觉以及视觉测量技术的基本概念、机器视觉测量的主要研究内容、机器视觉与其它科学领域的关系以及机器视觉测量的发展现状与趋势。 2.机器视觉测量的数学基础 讲授视觉测量坐标系、空间刚体变换、仿射变换与透视变换、非线性优化（含一维搜索方法、无约束非线性优化方法、约束非线性优化方法） 3.摄像机标定 介绍摄像机模型；讲授摄像机的选取方法，包括：CCD的选择、镜头的选择、焦距的计算；讲授摄像机标定方法，包括：Faugeras法、Tsai法、张正友法、旋转变换表示方法。 4.视觉中的局部特征描述 特征检测与描述子、常见的形状、方向梯度和色彩纹理的特征，包括shape Context、SIFT、LSS、SURF、HOG，基于Hough变换的直线、圆等形状检测。特征匹配及相关问题，重点介绍RANSAC算法。 5.双目立体视觉测量技术 讲授立体视觉的成像原理，双目立体视觉的标定，匹配点的选取与匹配，立体视觉中的对极几何，物体三维形状的计算。 6.光学三角法三维测量技术 介绍光学三角法测量原理；讲授结构光视觉测量法（含结构照明光源与结构方式，单线结构光测量原理）、光栅投射法（含光栅透射法的基本原理和相位测量技术）。 7.工业视觉测量系统 介绍固定式多传感器测量系统（系统的工作原理、系统全局校准、误差补偿、系统的机械结构）和柔性测量系统（工作原理、系统校准、工作过程与控制网络）。 8.机器视觉测量系统构建 讲授机器视觉测量系统框架，利用MA TLAB或OpenCV等软件实现图像采集、处理与结果显示。 五、课程学时安排
《机器学习》教学大纲(本科)
《机器学习》教学大纲 注：课程类别是指公共基础课/学科基础课/专业课；课程性质是指必修/限选/任选。 一、课程地位与课程目标 （一）课程地位 机器学习是电子信息工程专业方向一门学科选修课程。机器学习是航天和航空、生物医学工程、电子信息工程、工业和工程、军事公安、文化艺术、机器人视觉、视频和多媒体系统、科学可视化、电子商务等应用共同需要的基础技术，是电子技术、计算机技术和图像处理技术的有机结合。本课程采用图像处理、计算机编程、数据结构、人工智能等知识，介绍经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习等）等技术，以及在机器学习技术有智能交通、智能视频、工业机器视觉等中的应用。本课程可使学生: 掌握信息获取和处理的基本原理和应用的一般方法，了解电子信息工程专业的前沿理论与发展现状和趋势，以及具备信号获取与处理设计与实施工程实验的能力，并能够对实验结果进行分析。为电子信息相关专业学生毕业后，从事智能交通、智能视频监控、工业机器视觉、机器人视觉等应用行业打下坚实基础。 （二）课程目标 1. 了解机器学习的发展及其应用领域、人工智能的基本概念，掌握机器学习中模型评估的基本方法。 2. 掌握经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）等技术，具备图像处理的基本能力 3. 了解深度学习等人工智能方法在图像目标检测、图像识别、图像超分辨力等中的最新应用，具备查找跟踪学习图像目标检测、图像识别、图像超分辨力的最新学术成果的能力，培养多视角看待、分析、解决问题的能力。 二、课程目标达成的途径与方法 主要以课堂教学为主，结合课外作业和期末考试。 三、课程目标与相关毕业要求的对应关系 1
《计算机视觉》课程教学大纲
《计算机视觉》课程教学大纲 课程名称：计算机视觉课程类别：任意选修课 适用专业：电子信息工程考核方式：考查 总学时、学分：24学时1.5学分 一、课程性质、教学目标 计算机视觉是电子信息工程专业的一门任意选修课，旨在拓宽学生的专业和学术视野，引导学生了解掌握计算机视觉领域基础知识和热点方向，为后续从事相关工作或学术研究奠定基础。计算机视觉是一门研究用计算机来实现人类视觉功能的学科，其研究目标是使得计算机能够对目标进行分割、分类、识别、检测、跟踪和决策等。计算机视觉是人工智能领域的重要领域，在工业界有广泛的应用前景，也是科学研究中的一个富有挑战性的研究方向，它包含领域广，综合性强，涉及图像处理、模式识别、计算机科学、统计学、神经生理学和认知科学等多门学科。 通过本课程的学习，使学生了解计算机视觉的发展和应用，掌握学科基础知识和经典算法，培养分析解决相关问题的能力，为后续从事相关工作或学术研究奠定基础。 具体课程教学目标如下：
课程教学目标1：了解计算机视觉的发展历史、相关学科、应用领域和研究方向，培养学生学习兴趣，引导学生关注学科前沿和业界动态。 课程教学目标2：掌握基本的图像预处理和特征提取的原理和方法；掌握卷积神经网络的相关知识（损失函数、正则化和梯度下降优化算法等）；为后续内容提供基础。 课程教学目标3：掌握图像分类、目标检测、语义分割、场景理解和图像生成等的原理和经典算法，使学生具备基本的方向知识和研究方法，并能够自主拓展学习或解决相关问题。 课程教学目标与毕业要求对应的矩阵关系 二、课程教学要求
因计算机视觉涉及领域广、研究方向多、发展日新月异，本课程选取前沿技术深度学习为切入点，讲授计算机视觉的基础知识和基于深度学习的图像分类、目标检测、语义分割、场景理解和图像生成等的原理和经典算法。 执行本大纲应注意的问题： 1、计算机视觉基础知识中，涉及大量的数字图像处理知识，包 含较多复杂公式，在教学过程中要注重原理，深入浅出； 2、本课程的实践性较强,在教学过程中要突出理论与实践的联系，注重培养学生实践能力和综合解决问题的能力； 3、计算机视觉涉及领域广、研究方向多，课程课时有限，在深 度和广度不能全面覆盖，在教学过程中，要引导学习自主学习，探究感兴趣方向； 4、计算机视觉是目前最为前沿和热门的研究方向之一，在教学 过程中，要注意知识的更新和补充，并引导学生关注前沿动态、阅读相关论文、组织讨论分享，提高学生的科技素养。 三、先修课程 高等数学、数字信号处理、计算机仿真（Matlab和Multsim）。 四、课程教学重、难点
xxxx职业学院课程教学大纲《工业机器人视觉技术及应用》
Xxxxx职业学院 《工业机器人视觉技术及应用》课程大纲 适用专业：工业机器人技术 编制单位：xxxxxx学院 2021年3月4日星期四月11日
《工业机器人视觉技术及应用》教学大纲 一、教学对象 本大纲适用于本校工业机器人技术专业的专科层次学习 二、学分与学时 学分：4 总学时:72 三、课程模块类别及课程属性 课程模块：专业基础课 课程属性：专业必修课 四、课程性质、任务和目的 性质： 《工业机器人视觉技术及应用》是工业机器人技术专业课程体系中的职业基础课程之一，是学生职业发展中一门与工业机器人直接关联的基础课程。 任务： 机器视觉利用相机或智能传感器，配合机器视觉算法赋予智能设备人眼的功能，从而进行物体的定位引导、检测、测量、识别等功能，具有高度自动化、高效率、高精度和适应较差环境的优点，是实现工业白动化和智能化的必要手段。掌握工业机器人的设计一般知识和基本技能，培养学生专业能力及职业能力，为他们走上工业机器人生产第一线的工作岗位做好准备。 目标： 本书基于江苏哈工海渡教育科技集团有限公司的工业机器人技能考核实训台，结合智能相机及ABB工业机器人，系统讲解工业机器人视觉系统的典型应用、视觉软件组态编程、通信参数配置、编程调试等，将理论与实践结合，倡导实用性教学，有助于激发学习兴趣，提高教学效率，使学生系统了解工业机器人视觉技术及应用基础知识，注重强化实操练习。 五、主要先修与后续课程 先修课程《工业机器人系统离线与编程》、《工业机器人技术基础》 六、教学目的要求和主要内容（分章节） 第一章绪论
【目的要求】： 掌握: 1、工业机器人视觉功能 了解: 1、机器视觉系统特点 2、机器视觉发展历史 3、机器视觉技术发展前沿 【主要内容】： ●机器视觉定义 ●机器视觉系统定义 ●机器视觉发展历史 ●工业机器人视觉功能：引导、检测、测量、识别 ●机器视觉技术发展前沿：3D视觉技术、AI视觉技术 第二章视觉技术基础 【目的要求】： 掌握： 1、图像处理基础 2、数字图像基础 【主要内容】： ●视觉成像原理：透视成像原理、坐标系及其变换、畸变模型 ●数字图像基础：数字图像、颜色模式、图像格式 ●图像处理基础：灰度处理、图像二值化、图像锐化 ●图想处理常用算法：图像分割、边缘检测、特征提取、模块匹配 第三章工业机器人视觉技术 【目的要求】： 掌握： 1、相机的行业应用 2、镜头应用 【主要内容】：
《计算机图形学》课程教学大纲
《计算机图形学》教学大纲 一、课程地位与课程目标 （一）课程地位 《计算机图形学》是计算机科学与技术专业学生的学科基础选修课程，是对先修课程《高等数学》《线性代数》《C语言程序设计》等课程的实践。通过学习计算机图形学, 使学生了解和掌握使用计算机及其图形设备来输入、表示、变换和输出图形的基本原理、算法及系统，并为图像处理等其它课程准备必要的基础。 二、课程目标达成的途径与方法 三、课程目标与相关毕业要求的对应关系
四、课程主要内容与基本要求 1、概论 了解计算机图形学的发展和应用；理解常用图形输入/输出设备的工作原理，了解其应用；掌握计算机图形系统的基本功能。 2、直线和直线图形 掌握直线绘制算法的基本要求；熟练掌握生成直线的几种常用算法：逐点比较法、数值微分法、Bresenham算法；了解特殊情况下的直线绘制算法，如不同的线宽和线型。 3、多边形 掌握多边形的概念；熟练掌握多边形的填充过程中的子算法，如检验点是否在多边形内部、连贯性原理；熟练掌握多边形填充算法：扫描线算法、边填充算法、种子填充算法。 4、二次曲线 熟练掌握圆弧的生成算法：逐点插补法、正负法、Bresenham算法；掌握椭圆的生成算法；理解二次曲线的参数拟合法；了解圆弧线宽的处理。 5、裁剪 理解窗口视图变换、二维裁剪的概念和定义；熟练掌握矩形窗口裁剪算法；掌握一般凸多边形窗口的二维裁剪算法，了解一般多边形裁剪算法、凹区域裁剪—Weiler-Atherton算法。 6、自由曲线与曲面设计 理解Bezier曲线的定义及其性质；熟练掌握Bezier曲线生成算法；理解拟合、插值与样条概念；理解B样条曲线及其生成算法；了解Bezier曲面及其拼接；了解B样条曲面。 7、图形变换 理解图形变换中的数学基础概念和基本变换；熟练掌握二维图形的几何变换；掌握三维图形的几何变换；熟练掌握投影变换。 五、课程学时安排
视觉传达专业《CIS设计》本科-课程教学大纲
《CIS设计》课程教学大纲 一、基本信息 1．课程名称 CIS设计/CIS Design 2．课程代码 162Y060 3．课程类别 专业课 4．课程性质 专业必修 5．学时／学分 96(64+16+16)/ 6（含12学时的植入式教学) 6．先修课程 包装设计、标志设计、平面广告设计 7．适用专业 视觉传达设计专业 二、教学内容及要求 （一）课程教学目的 通过该课程的学习，培养学生具有系统地CIS理论知和专业技能技巧，正确认识和理解现代设计领域的成就，具有创造性，严密性的设计思维能力，同时解决好理论知识与社会实践、艺术与技术之间的矛盾，使学生掌握CIS设计的规律，掌握导入CIS的基本流程、操作方法以及VI系列设计的综合能力.在教学过程中,我们要采用启发式的教学，让学生更多的参与实践环节的练习，进一步了解CIS设计的重要性。 (二）教学内容与学时分配 本课程教学采用项目教学法,课堂讲授与工作室指导相结合的方式，教师结
合相关设计项目讲解,使学生有具体的感性的认识，并通过具体设计过程的感受增加实践方面的知识.要求学生完成CIS手册的制定，确立学生的整体系统的概念。 第一章 CI概述（8学时） 了解：CI的发展历史。 理解：CI的含义和构成要素. 掌握：CI的功能. 重点内容：1.CI构成要素的内容及其在企业发展与市场竞争中的重要作用. 2。掌握CI的基本功能。 教学难点：CI的含义和构成要素；增强学生对CI的理解与认识。 第一节：CI发展历史。 知识点：认识日本型CI、美国型CI、中国型CI基本状况。 第二节：CI的构成。 知识点：CI设计包括MI(理念识别),BI（行为识别),VI（视觉识别). 第二章 CI的调研与定位(12学时，含4学时市场调研， 4学时植入式教学） 了解：CI的原则与方法. 理解：CI的定位. 掌握：CI的调查与分析即企业形象定位的运用。 重点内容：1。CI的原则。 2.CI的方法。 教学难点：CI的定位与分析；CI设计定位的运用;培养学生的分析能力。 第一节:CI的定位。 知识点：明确CI设计的市场定位及作用。 第二节:CI的调查。 知识点：了解CI设计的调查的具体内容并能进行合理的分析. 第三章 VI设计的组成部分（36学时,含32学时上机，4学时植入式教学) 了解：VI设计的基础系统.