2022年第27期·工程教育专业认证背景下的课程教学研究

2022.11.04

[出处] 教育教学论坛_2022年第27期

赵荣丽 王中任 肖光润 陈科鹏

[关键词] 工程教育专业认证;机器视觉;课程教学

[基金项目] 2020年度湖北文理学院质量工程项目“机器视觉原理及应用”(YZ1202007);2021年度湖北文理学院学科开放基金项目“复合视觉传感的管道全位置焊接机器人”(XKQ2021039)

[作者简介] 赵荣丽(1984—),女,山东临沂人,硕士,湖北文理学院机械工程学院讲师,主要从事高等工程教育和机器视觉研究;王中任(1974—),男,湖北黄梅人,博士,湖北文理学院机械工程学院教授,主要从事高效智能焊接和机器视觉研究;肖光润(1987—),男,湖北宜城人,博士,湖北文理学院机械工程学院讲师,主要从事机器视觉理论与应用研究。

[中图分类号] G642.0 [文献标识码] A [文章编号] 1674-9324(2022)27-0121-04 [收稿日期] 2021-11-12

工程教育专业认证是国际通行的工程教育质量保障制度,也是实现工程教育国际互认和工程師资格国际互认的重要基础。工程教育专业认证的核心就是要确认工科专业毕业生达到行业认可的既定质量标准要求,是一种以培养目标和毕业出口要求为导向的合格性评价。工程教育专业认证要求专业课程体系设置、师资队伍配备、办学条件配置等都围绕学生毕业能力达成这一核心任务展开,并强调建立专业持续改进机制和文化,以保证专业教育质量和专业教育活力。我校机械设计制造及其自动化专业(简称机制专业)从2017年开始贯彻“以学生为中心、以学生学习产出导向、持续改进”(简称OBE)的专业认证理念[1],构建基于OBE专业认证理念的本科教学质量保证监控保障体系,开展工程教育专业认证工作。

机器视觉技术是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理和模式识别的多领域交叉学科。机器视觉技术主要是利用计算机模拟人的视觉功能,从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。随着工业4.0浪潮袭来,该技术发展势头迅猛,已经广泛应用于智能制造、医疗检测、人脸识别、交通和精密测量等领域。掌握该技术的毕业生就业质量较高,在发达地区更是人才供不应求。我校从2012年开始在机制专业开设“机器视觉技术”课程,自2016级开展基于OBE专业认证理念的“机器视觉技术”课程建设。“机器视觉技术”主要围绕工程教育专业认证毕业要求3(使用现代工具)及毕业要求5(设计/开发解决方案等)两个目标,开展以学生为中心的教学活动,使学生达到相应的能力[2]。

一、“机器视觉技术”课程传统教学现状分析

根据OBE工程教育认证理念,课程建设的内涵,即课程目标确定、教学内容设置、教学组织和质量评价都要围绕学生能力达成而进行。基于成果导向的专业认证教学体系与传统的教学体系在课程目标设置、教学内容选取、教学组织上存在差异,这些差异在“机器视觉技术”传统教学中表现为以下几个方面的不足:(1)课程目标设置基于知识系统的完整性,未能完全与学生能力达成强关联,不能完全支撑工程教育专业认证对应的毕业要求。(2)教学内容组织优化未能体现成果导向的理念,未能做到根据技术/能力需求,进行成果导向的设计,教学内容与课程目标、学生能力培养不完全吻合。(3)在教学组织上以教师、教科书、教室为中心,学生仅作为被动的单向接受者,缺乏对教学过程设计的深度参与,有限的课堂互动通常止于低层次思维。未能实现以教师为中心到以学生为中心的转变,对学生能力达成作用有限。(4)质量评价方面侧重教学过程,而非对学生学习成果的评价,且评价未能周期性、有效地体现在教学改进中。

基于专业认证OBE理念,结合传统教学的情况,我们根据“机器视觉技术”课程特点,围绕课程目标设置、教学内容优化、教学组织多样化、质量评价多元化等方面进行了研究与改进,以促进学生的能力培养,支撑学生达到毕业要求。

二、面向工程教育专业认证的“机器视觉技术”课程教学改革

(一)根据专业认证毕业要求,设置课程目标

本课程所支撑的毕业要求是设计/开发解决方案和使用现代工具。通过设置对应的课程教学目标,使之与学生能力达成形成强关联。设置后的课程目标是通过课程教学与实验、实践环节,培养学生对于机器视觉领域典型应用进行需求分析、论证和系统设计的能力,使学生能够在工程实践中恰当使用现代工程工具进行建模、预测与仿真,并能够在实践过程中领会相关工具的局限性。具体的课程教学目标细化为两方面:课程目标1是通过工业相机、工业镜头、光源的工作原理、种类、主要参数及摄像机标定的基本原理和常用的标定方法的学习,使学生能够利用硬件知识,掌握根据技术需求初步分析设计并选择硬件参数、搭建机器视觉系统进行图像采集的能力。课程目标2是通过尺寸测量、缺陷检测、模式识别、三维重建等机器视觉的基本应用领域的介绍和典型应用案例的训练,使学生掌握图像增强、图像分割、边缘提取、特征提取等技术中的经典算法,能够具备运用HALCON软件等现代图像处理工具,并根据工程实际需求,选择合适的算法进行软件编程、图像处理的能力。以上两个目标相对课程总目标的占比为3∶7。

(二)对照教学课程目标,优化教学内容

“机器视觉技术”作为专业选修课程,仅占36学时。在有限并少量教学学时内把机器视觉基本理论体系构建起来,并让学生获得相应的能力,对教学内容选取及教学方法都提出了很高的要求。以图像处理技术部分为例,虽然安排了课程近1/3的学时,但想把博大精深的图像处理技术讲清楚,并让学生获得图像处理能力非常困难。我们对照课程目标,以学生能力导向为主,打破以理论体系构建为主的教学内容体系,以机器视觉科研团队开发的机器视觉应用系统系列产品为案例对象重建教学内容。

“机器视觉技术”教学科研团队是由该学科方向带头人牵头,6名博士及1名实验技术人员参与组建的以机器视觉技术为特色的团队。近5年来,团队依托智能制造与机器视觉襄阳市重点实验室硬件资源,与襄阳地区智能制造企业通过科研项目研究与成果转化方式合作完成机器视觉应用系统系列横向项目20余项,开发视觉应用产品10余台[3]。机器视觉应用系统系列产品包括:柔性加工单元的视觉定位与检测系统、视觉导航AGV、管道全位置智能焊接机器人、变速箱智能装配线、刀具磨损在位测量系统、工件双远心视觉测量系统、汽车座椅滑轨检测系统、药瓶塞视觉检测机等,视觉产品应用系列涵盖了机器视觉技术主要的应用领域。具有基础性兼顾先进性的实验室为开展教学活动提供了良好的基础条件[4]。我们选取了尺寸测量、缺陷检测、模式识别、三维重建等四大视觉应用领域对应的典型产品,以产品观摩、客户端程序演示、开发例程调试、图像处理算法分析为主要教学内容,致力导向学生能力培养。

产品观摩主要教学内容包括案例产品视觉功能介绍、案例产品系统组成、相机镜头等硬件类型参数、光源照明方式等。客户端程序演示是指面向客户运行的程序端交互界面演示,主要教学内容包括软件程序功能、图像处理关键步骤交互过程、图像处理结果显示等。开发例程调试主要教学内容为基于图像处理专业主流软件HALCON开发环境下产品的案例程序源代码,具体教学内容分为三部分:一是从程序源代码中提取软件设计部分流程框图,二是介绍图像分析过程中关键步骤算子的使用,三是修改源程序中关键算子参数,进行功能调试。图像处理算法主要教学内容是HALCON例程中的圖像处理关键算子的理论原理及实现。

教学内容的优化选取是基于一个基础,四条主线。视觉硬件是基础,尺寸测量、缺陷检测、模式识别、三维重建属于四条主线。围绕这四条主线,我们由浅入深地设计了产品观摩、客户端程序演示、开发例程调试、图像处理算法四大教学内容,最终导向学生对于机器视觉领域典型应用进行需求分析、论证和系统设计的能力,以及在工程实践中使用恰当现代工程工具进行建模、预测与仿真能力的获得。

(三)贯彻OBE工程教育认证理念,精心组织教学

基于OBE理念的教学应体现以学生为中心、激发学生主动学习和有效学习,过程中突出学生的深度参与、与实践体验的紧密结合及批判性思维养成等。针对教学内容选择与课程目标相适应的教学方法,才有助于学生毕业要求的达成。

下面以尺寸测量这条主线为例,介绍教学过程的实施。我们从团队开发的视觉应用产品中选取了工件双远心视觉测量系统和外螺纹通用测量系统为案例对象。教学设计1个实验学时,对这两套系统进行观摩和客户端程序演示。在观摩过程中,通过实验技术人员解释其功能、系统设计及各组成部分,学生可直观了解机器视觉在测量领域的应用,对网口工业相机、远心镜头、背光源、环形光源组成有感性认识,并进一步结合通过理论学时获得的硬件技术知识,即可提升对典型视觉系统组成的分析能力。通过客户端程序演示,学生可理解连接相机、图像采集、图像处理、特征提取、尺寸计算等基本图像处理步骤,以及工件距离、半径、角度等基本的尺寸参数测量需求。根据相机、镜头、光源等硬件组成功能及参数的介绍,结合该产品客户测量需求,帮助学生理解该产品开发过程中特定相机、镜头、光源的选型依据。结合本课程2个学时的图像获取与光源实验环节,可使学生初步获得根据技术需求初步分析设计,并选择硬件参数与搭建机器视觉系统进行图像采集的能力。在开发程序调试部分,学生主要通过运行源程序、小组讨论等方式理解案例软件例程,并进一步提取程序流程框图。在这种逆向思维训练下,学生通过主动思考获取程序开发的初步设计能力,更进一步地通过阈值分割、边缘提取、直线拟合关键算子使用及参数修改调试,获得使用HALCON这种主流的图像处理工具软件的能力。最后通过对比工件双远心视觉测量系统与外螺纹通用测量系统,理解视觉测量通用性、高精度的应用发展趋势。

这样的教学组织让学生能够由浅入深、由实践到理论进行启发式学习,激发学生内在的探寻动力,贯彻OBE理念,真正做到以学生为中心。

(四)建立“评价—反馈—改进”的闭环课程持续改进评价机制

“教学质量为王,考核评价方法为纲”,课程考核与评价方法是提高教育质量的关键。本课程采用定量和定性相结合的评价方式。定量评价依据课程目标的达成度,定性评价依据学生达成度调查问卷。定量评价考核内容包括课后作业、实验和期末考试。其中,课程目标2为毕业强支撑指标点,占总考核比例的70%,分解到不同考核方式占比为20%、12%、38%;课程目标1为30%,分解到不同考核方式占比为10%、8%、12%。我们针对每个课程目标的不同考核方式,制定了易操作、好评价的考核内容和考核标准。

定性评价是基于学生调查问卷的课程目标达成情况评价。我们根据课程目标、每次授课情况和学情设计了问卷,调查学生运用机器视觉技术解决工程问题的能力及课程目标达成情况。定性评价为学生针对自己能力达成情况的主观反馈,不计入学生达成度,仅作为后期持续改进参考。根据每学年班级教学反馈情况,结合定量评价进行授课总结和反思,针对存在的问题提出改进措施,以指导下次授课过程。“评价—反馈—改进”反复循环的持续改进评价机制提高了课程教学效果和质量,有效保障了学生毕业要求的达成。

三、面向工程教育专业认证的“机器视觉技术”课程教学实践效果

自2018年以来,我们在2016级、2017级、2018级机制专业本科生中开展面向专业认证的3个轮次“机器视觉技术”课程教学改革及实践,取得了较为明显的成效。每个年级的课程目标1达成度均大于0.8,课程目标2达成度均高于0.7,稍低于课程目标1。课程目标2达成度稍低表明学生运用HALCON软件等现代图像处理工具,根据工程实际需求,选择合适的算法进行软件编程、图像处理的能力稍弱。我们应对相关内容进行关注,加强编程能力训练,持续改进。课程目标达成度整体呈现逐年上升的趋势。

我校學生在“挑战杯”全国大学生课外学术科技作品大赛、“互联网+”大学生创新创业大赛和全国机械创新设计大赛等各类比赛中能够应用机器视觉技术,通过团队协作创新取得国家级、省级奖项近十项。在大学生创新创业训练项目和毕业设计中,也能够独立分析技术需求,根据机器视觉技术搭建视觉系统,进行图像分析编程,同时解决实际工程问题。以学生为中心、以学生毕业要求达成为导向的“机器视觉技术”课程教学目标得以实现。

今后,我们将继续深化课程改革,推动本科教学从“教得好”向“学得好”转变,助力专业教学质量和人才培养质量的进一步提升。