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 -1引言中国人工智能发展迅猛，中国政府也高度重视人工智能领域的发展。

预计到2020年，中国人工智能产业规模将超过1500亿元，带动相关产业规模超过1万亿元。

2017年全球新兴人工智能项目中，中国占据51%，数量上已经超越美国。

但全球人工智能人才储备，中国却只有5%左右，人工智能的人才缺口超过500万。

人工智能是新兴产业，虽然技术和产业发展迅猛，但专业技术人才，以及兼顾人工智能与传统产业的跨界人才不充足，限制了产业发展以及与实体经济的深度融合发展。

从人才数量和质量角度而言，我国人工智能领域专业技术人才数量不充足、经验不丰富。

截至2017年6月，中国共有592家人工智能公司，拥有员工约39200名。

相比之下，美国共有1078家人工智能公司，共有约78000名员工，数量达到我国的2倍。

我国从业经验10年以上的人工智能人才比例不足40%，而美国的这一比例则超过70%。

从人才培养角度而言，我国高校人工智能领域的学科建设、人才培养相对滞后。

人工智能涉及领域宽泛，相关领域学科资源分散，未能形成合力，培养人才的数量、质量有待提升。

目前，国内开设人工智能专业的高校数量较少、时间较短，学科实力不强。

美国国家科技委员会发布的2017年人工智能全球大学排名中前50名均位于欧美地区，我国大学无一上榜。

此外，国内缺乏人工智能与传统行业的跨界人才，不利于人工智能在各垂直行业的应用推广。

在此前提条件下，人工智能专业系列课程，注重课程内容的改革，及时将新知识、新技术、新产品引进课堂。

根据专业特点及社会需要，进行课程综合化改革，打破单一课程体系，增加实用性强的内容。

课程以大量真实项目情景，企业级开发流程为基础，对人工智能项目案例进行深入分析，全程引导式学习开发，培养学生项目式开发能力与思维，打造成为培养高技术应用型人才的精品课程。

2产品概述2.1产品体系人工智能专业作为教育部新设立专业，教育教学资源缺乏，各开设院校普遍面临着缺教材、缺设备、缺师资现象。

人工智能专业系列课程将产业和技术的最新发展、行业对人才培养的最新要求引入教学过程，更新教学内容和课程体系，建成满足行业发展需要的课程和教材资源，打通“最后一学里”。

推动将研究成果及时转化为教学内容，向学生介绍学科研究新成果、实践发展新经验，积极探索综合性课程、问题导向课程、交叉学科研讨课程，提高课程兴趣度。

促进学生的全面发展，把握培养具有创新能力的高技能应用型人才的核心素养，强化学生的家国情怀、全球视野、法治意识和生态意识，培养设计思维、工程思维，提升创新创业、跨学科交叉融合、沟通协商能力和工程领导力。

人工智能专业系列课程表：2.2产品资源人工智能教学资源库从整个学科人才培养和课程体系出发，提供一系列互相耦合的课程资源，包括：培养方案、课程大纲、教学指导、课程讲义、课程视频、教学课件、实验手册（教师版/学生版）、实验资源、实验视频、课程题库、岗位模型、评测系统等。

整个教学资源包提供线上和线下双架构模式，让老师教学更容易，让学生学习更轻松。

人工智能教学资源库按照核心课程、专业课程、实践课程分类，全部采用项目驱动式教学方法，内容包含：项目介绍、项目场景、项目知识、模块分解、任务项、任务步骤、项目小结、项目思考等。

人工智能教学资源库严格按照优质特色校验收标准和网络课程视频教学资源建设要求进行设计，提供的素材包括教师资源、学生资源、线上资源，具体如下：3产品介绍3.1机器视觉技术3.1.1课程说明《机器视觉技术》是人工智能专业的核心基础课程，可作为信息科学、计算机科学、计算机应用、信号与信息处理、通信与信息系统、电子与通信工程、模式识别与智能系统等学科的专业基础课教材。

从人工智能技术架构来看，属于技术层的核心技术。

《机器视觉技术》课程要求具备Python语言知识基础与数学基础，侧重于应用开发。

《机器视觉技术》●课程简介机器视觉是用机器代替人眼来做测量和判断，属于人工智能认知领域的核心应用，本课程向学生介绍机器视觉的基本理论和方法，同时结合行业应用热点，通过大量的机器视觉应用案例，使学生了解人工智能在机器视觉领域的最新进展。

●课程目标课程知识目标：了解机器视觉概述与应用概述。

熟悉机器视觉实验平台连接、配置与使用；熟悉图像与视觉系统软介绍与使用，掌握软件OpenCV框架安装；熟悉机器视觉相关算法介绍与应用，掌握图像分割、提取、边缘检测等机器视觉的基本方法，完成机器视觉光学字符、人脸识别、目标检测、目标跟踪应用开发；了解机器视觉云服务相关知识，掌握基于百度图像、百度人脸识别云服务接口应用开发；了解机器视觉在深度学习中的应用，完成各类神经网络案例的开发，深入了解神经网络开发的基本方法；学会将人工智能与物联网进行集成，完成实际生活应用场景项目案例实现。

通过以上的学习，学生能开阔自己的视野，掌握机器视觉在人工智能领域的应用技能，培养学生应用机器视觉技术的创新设计能力。

课程技能目标：通过本课程的学习，使学生掌握综合运用机器视觉基本理论，掌握机器视觉实验平台连接、配置与使用；了解计算机图像处理软件、硬件以及机器视觉与物联网集成等综合实训，加深理解机器视觉进本概念的理解，掌握机器视觉的基本处理方法。

能够让学生熟悉实际应用中使用较为广泛的视觉问题求解算法，了解机器视觉在各个领域的相关应用。

●课程特色课程系统地介绍了机器视觉的基本原理、典型方法和实用技术，内容包括图像分割、提取、边缘检测、光学字符识别、人脸识别、目标检测、目标跟踪、机器视觉云服务、机器视觉在深度学习中的应用、各类神经网络案例、智能+产业应用。

●阅读对象定位讲师、教务人员、教学管理人员。

●考核安排笔试50%+平时成绩20%+限时机试30%。

●教学实施安排2+2模式，总学时64节，其中理论课32节，实践课32节；两节理论课后安排上机或者间隔几天安排上机；本课程保障了每个章节都有对应的上机实验，请参照大纲排课。

●能力导图学习机器视觉技术课程，通过机器视觉导论、图像与视觉系统、机器视觉算法、机器视觉应用、机器视觉云服务、深度学习应用、机器视觉案例几个方面的能力考核来评测学习效果。

3.1.2教学大纲人工智能专业学科课程白皮书3.1.3教学指导《机器视觉技术》从机器视觉技术的概念认知进行介绍，然后讲解图像与视觉系统，机器视觉的相关算法，机器视觉应用，机器上视觉云服务技术，深度学习应用等，有一定的开发基础后再通过机器视觉与物联网的集成，完成机器视觉案例应用开发综合训练。

教学内容包含以下部分：●机器视觉导论：熟悉机器视觉概念，机器视觉理论发展以及机器视觉的应用概述。

●图像与视觉系统：了解图像视觉系统软件介绍，熟悉OpenCV框架介绍、数据类型以及应用概述；了解图像视觉系统硬件介绍，掌握摄像机透视投影模型，熟悉图像坐标变换、采样和色彩以及数字图像格式。

●机器视觉算法：通过介绍机器视觉算法中的图像分割、图像特征提取、图像边缘检测、数学形态学、直方图和模块匹配等，掌握机器视觉图像基本处理方法的应用开发。

●机器视觉应用：通过光学字符识别OCR技术原理介绍、人脸识别技术综述、目标检测与识别技术综述以及目标跟踪技术介绍，掌握机器视觉的光学字符识别、人脸检测识别、目标检测与识别、目标跟踪等案例的开发。

●机器视觉云服务：了解百度图像识别、百度人脸识别云服务介绍，熟悉并掌握基于百度图像识别、人脸识别云服务接口的应用案例开发。

●深度学习应用：通过对神经网络基础、深层神经网络、卷积神经网络等的深入了解，掌握基于神经网络、深度神经网络以及卷积神经网络的应用案例开发。

●机器视觉案例：通过机器视觉与物联网的集成的讲解，掌握人体识别控制ETC闸机、车牌识别控制小区门禁、手势识别控制智能家居等应用场景的综合应用开发。

4配套产品4.1实验设备AI机器视觉/语言教学平台（AI-HNP）是中智讯公司开发的一款面向人工智能相关专业的综合型实验设备，是基于人工智能等新工科技术改革与高素质技能型人才培养而设计的实验平台。

AI机器视觉/语言教学平台打破了传统以硬件平台来定义实验的困局，创新性的从专业学科建设角度来重新定义产品，让课程来定义实验，让实验来定义设备，能够配合专业教材完成全部的专业核心课程实验。