賈茜,賴重遠
(江漢大學 人工智能學院,湖北 武漢 430056)
OBE(Outcome-Based Education)亦稱“目標導向教育、能力導向教育”或“需求導向教育”。自20世紀80年代被提出以來,OBE 到目前已形成一套完整的理論體系和實踐模式,為高等工程教育改革提供了切實可行的依據(jù),并被證明是正確的方向,已成為當前教學研究的熱點。OBE 轉(zhuǎn)變了傳統(tǒng)的“知識導向”教育方式,其特點是衡量學生能做什么,而不是學生知道、了解什么,這種理念更加貼合現(xiàn)代社會和行業(yè)需求,即強調(diào)學生的“工程能力輸出”。所以,修習工科類的課程——例如數(shù)字圖像處理,最終是否能“學以致用”,將所學的技術(shù)實踐到具體的工程問題,勝任實際的圖像處理工程任務,是評價教學效果的關(guān)鍵。
數(shù)字圖像處理是模式識別、機器學習和圖像理解等高級視覺問題的基礎,也是計算機視覺、人工智能、機器人等技術(shù)的前置課程,其研究的是計算機視覺系統(tǒng)中的底層和中層問題,包括:圖像信息的獲取、表示、存儲、顯示、傳輸、增強、特征提取等技術(shù)。在本科階段掌握數(shù)字圖像處理基本技術(shù),是為將來從事IT(Information Technology)、AI(Artificial Intelligence)行業(yè)和其他交叉學科領(lǐng)域的研發(fā)工作,以及碩、博士階段深造提供必要的知識儲備和研究基礎。近年來,AI技術(shù)已滲透到社會生活的方方面面,該領(lǐng)域人才需求急劇增長,國內(nèi)不少高校積極籌建了人工智能專業(yè),我校于2020年獲批新增該專業(yè)。我院曾面向電信、通信專業(yè)本科生開設數(shù)字圖像處理課程有8年時間,而目前該課程已被人工智能、計算機、智能控制等更多專業(yè)納入人才培養(yǎng)方案中,并且有越來越多其他的專業(yè)學生被該課程所吸引。然而,數(shù)字圖像處理是一門應用廣泛的交叉學科,它涵蓋了微積分、矩陣論、概率論、信號與系統(tǒng)、信息論與編碼和高級程序設計等多個領(lǐng)域的知識,涉及繁復的數(shù)學原理推導、眾多的軟件開發(fā)工具和實際應用場景。所以,這門課程學習難度大,并且行業(yè)技術(shù)更新速度快,沒有被精心設計的教學內(nèi)容和模式,很難讓學生真正掌握該領(lǐng)域的知識和技術(shù)。
在此背景下,本研究首先深入剖析數(shù)字圖像處理課程教學各個環(huán)節(jié)普遍存在的困境;再針對這些問題,探討了以OBE 理念來指導一種新的教學模式的構(gòu)建思路,并闡述OBE 實施四項原則:“清楚聚焦、擴大機會、提高期望、反向設計”,如何落實到課程具體的教學環(huán)節(jié)中;以定性研究的方法,展示了實施該教學模式后,學生真實的學習體驗、“輸出成果”和取得的成效,表明該教學模式對于提升工程能力帶來了顯著的促進作用。
結(jié)合研究團隊教師自身實際教學經(jīng)驗,和對近年該課程相關(guān)教研文獻資料的歸納,分別從學生和老師兩個角度剖析該課程教學過程中普遍存在的困境。
于學生而言,學習這門課程需要掌握的數(shù)學知識較多,如果沒有對先修課程中相應的數(shù)學知識進行有效的梳理和復習,很難深入理解圖像處理算法原理,從而打擊學習熱情;再者,課程的實踐機會不足,學生在有限的時間內(nèi)難以將所學的方法全面、細致的親自編程實現(xiàn),來驗證和從感性上認識算法步驟,而且對于實際項目的工程實踐途徑也較少,缺乏綜合運用所學技術(shù)的機會。
于老師而言,除非具備深厚的數(shù)學功底、淵博的知識面,又有十足的圖像算法項目開發(fā)經(jīng)驗,否則很難深入淺出的闡明算法中數(shù)學公式的邏輯,帶領(lǐng)學生輕松愉快地學習算法;其次,行業(yè)內(nèi)的各種圖像處理軟件開發(fā)工具日新月異,如果盲目地教授這些抽象程度和集成度越來越高的開發(fā)工具包的使用方法,不僅容易走進“黑匣子”模型的誤區(qū),只關(guān)注不斷推陳出新的軟硬件產(chǎn)品,完全由技術(shù)來驅(qū)動教學內(nèi)容,還會給師生雙方帶來焦慮。再次,傳統(tǒng)的作業(yè)、考核形式,并不能有效檢驗學生的學習效果,而且教學互動手段不足,難以掌握學生對知識的理解情況和學習進度。
在這種情況下,教師普遍面臨兩種教學方式:一種是關(guān)注圖像處理算法的分析和講授,而另一種是偏重講解和應用各種軟件編程開發(fā)平臺和圖像處理工具包的使用。前者在講授中涉及大量的數(shù)學原理和公式推導,例如求偏微分(邊緣檢測)、卷積(空間域濾波)、傅里葉變換和濾波器設計(頻率域濾波)等,而弱化了顯式的計算機編程應用。本課程的目的是將這些數(shù)學工具應用在實際的圖像工程系統(tǒng)中,去解決具體的工程問題,單純地去講授算法數(shù)學求解和證明過程,與工程實踐相脫節(jié),也不適應本科生的學習模式,學生會感覺枯燥乏味又難以理解。而后者把本課程當成一門類似計算機編程的課來教授,由軟件技術(shù)來驅(qū)動和組織教學內(nèi)容,學生即使學會了某種平臺的圖像處理應用程序開發(fā),也不一定能理解開發(fā)工具包背后的圖像處理技術(shù)原理,這與學生融會貫通地綜合運用技術(shù)去解決實際的工程問題,以及今后從事該領(lǐng)域技術(shù)研發(fā)工作或碩、博士研究生階段深造時所做的深層次算法改進和創(chuàng)造之間,存在較大的鴻溝。
OBE 理念下的教學過程需要教育機構(gòu)關(guān)注4 個問題:(1)想要學生學習的成果是什么?(2)為什么要學生取得這樣的學習成果?(3)如何有效地幫助學生取得這些學習成果?(4)如何知道學生取得了這些學習成果?從這4 個基本問題出發(fā),以下分別來討論本研究的教學模式設計思路和改革舉措。
首先,以OBE 實施四項原則中的第一項——“清楚聚焦”為方針,本研究重新設立了清晰、精準的課程目標。在以往的教研工作中,通常的做法是事先開發(fā)一套圖像處理軟件演示系統(tǒng),然后在授課時給學生演示效果。而我們的理念與此不同。OBE 實施原則的第三項——“提高期望”指出,教師應該提高對學生學習的期望,制定具有挑戰(zhàn)性的執(zhí)行標準,以鼓勵學生深度學習,促進更成功的學習。為此,我們設立了如下目標,該課程致力于:(1)讓學生學習完本課程,能獨立開發(fā)一套完整的、可演示的圖像處理軟件系統(tǒng);(2)能夠?qū)W以致用,把所學的技術(shù)應用到電子設計大賽、機器人大賽等一些學科競賽中,提高視覺傳感模塊的性能,解決實際的工程問題。我們希望通過本研究中的教學模式的實施,不僅使學生既能深刻理解圖像處理中各項技術(shù)的基本原理和算法步驟,又能上手編程實踐算法去解決復雜的工程實際問題。對于本科層次的普通學生來說,這些目標看似難以達到,但后續(xù)的定性研究表明,通過本研究中“逆向設計”的教學內(nèi)容以及精心安排的作業(yè)和考核形式,普通學生也能夠“精熟”圖像處理技術(shù)。
正在實施的教學大綱中包含理論部分32 學時,實驗部分8 學時,共計40 學時,課程在本科第5 學期開設。OBE實施原則第四項:以最終目標(最終學習成果或頂峰成果)為起點,反向進行課程設計,開展教學活動。據(jù)此,圍繞上述課程目標的兩個方面,根據(jù)課時,我們緊湊地安排了教學內(nèi)容。每次教學4 節(jié)課連排,一次課對應一個主題,拋開緒論,共設置了8 個技術(shù)專題,分別為:圖像幾何變換與灰度變換、空間域濾波、頻率域濾波、色彩空間域彩色圖像處理、圖像復原與重建、形態(tài)學處理、圖像分割、特征分析與提取。這8 個技術(shù)專題既相互獨立又有前后的邏輯關(guān)聯(lián),由淺入深的介紹數(shù)字圖像處理方法的數(shù)學和物理基礎、具體算法和應用條件,并使學生理解這些技術(shù)在整個計算機視覺系統(tǒng)中的地位。實驗部分有2 次課,分別為:工程項目舉例和GUI(Graphical User Interface)設計。以上每個專題內(nèi)容實際上是將“課程目標”中開發(fā)圖像處理系統(tǒng)這一任務進行拆解后的子模塊,每次授課以圍繞一項技術(shù)專題開展,為最后完成整個圖像處理系統(tǒng)奠定基礎,而每一次的作業(yè)也是這個系統(tǒng)中的一個功能模塊。
課程資源配套的編程軟件平臺是MATLAB。盡管近些年在圖像處理和計算機視覺領(lǐng)域,很多的科研工作是以Python 實現(xiàn),而Python 有很多第三方工具庫的支持,例如OpenCV-Python 也可以做圖像處理算法;但在教學中我們之所以選擇MATLAB,是因為它是面向工程師和科學家的最簡單且最高效的計算環(huán)境,它采用數(shù)學、圖形和編程的方式,對初學者非常友好,并且自帶Image Processing Toolbox,不需要安裝其他第三方庫。我們希望學生在學習本課程時,重點關(guān)注圖像處理算法的原理和實現(xiàn),而不是在安裝配置編程環(huán)境,熟悉各種開發(fā)包調(diào)用上耗費過多精力和時間,阻礙學習進度、降低學習效率和興趣。一旦學生熟練掌握了利用MATLAB 開發(fā)圖像處理算法,可以快速地遷移到Python 或其他編程語言和IDE 開發(fā)環(huán)境。
本課程所設計的教學內(nèi)容圍繞計算機視覺領(lǐng)域的中、底層問題,而中高層的視覺問題,如:機器學習、深度學習、圖像理解和語義描述等內(nèi)容,所涵蓋的內(nèi)容如此龐大,以至于需要開設另外的課程來講授,我們希望課程焦聚的重點突出,所以這些內(nèi)容沒有安排在本課程的教學內(nèi)容中。
OBE 實施的第二項——“擴大機會”,指出要在時間和資源上保障每個學生都有達成學習成果的機會。在線教學平臺是突破時間空間以及教材內(nèi)容的限制的重要手段,有些高校對于該課程已經(jīng)積極建設了較為成熟的MOOC 平臺,但不一定適合本研究所構(gòu)建的課程內(nèi)容以及我校學生的學習難度。因此,我們利用“超星學習通”建設了MOOC 在線教學平臺,采取課堂和線上混合式教學模式。根據(jù)教學大綱的內(nèi)容,對技術(shù)專題知識點進行挑選、梳理、加工和沉淀,設計和制作了更適合我校本科學生層次和學習難度的線上教學資源。其中的章節(jié)內(nèi)容與前述8 個技術(shù)專題相對應,每一個知識點有配套的課件PPT 以及我們錄制的講授視音頻文件,還有一些延伸閱讀材料。
課堂理論教學時,通過“引入工程項目,采用任務驅(qū)動”的教學模式來提高學習效果。對公式推導和代數(shù)證明盡量化繁為簡,多以生動、直觀的多媒體方式講授圖像處理算法原理,闡述和演示矩陣變換的物理意義、運算的步驟和結(jié)果,讓學生清楚地理解每個算法到底對圖像矩陣數(shù)據(jù)做出了怎樣的操作。而學習編程實現(xiàn)算法的部分則主要留給學生在課后通過線上教學資源在MOOC 平臺自主完成,不過多占用課堂時間。在教學過程中,首先要使學生了解各項技術(shù)隱含的數(shù)學方法和原理,然后將所學的圖像處理算法在計算機上編程運行,體會矩陣計算的步驟和結(jié)果,通過直觀地觀察圖片處理前后的處理效果,深入理解該技術(shù)的目的和應用范圍,在此過程中也逐步訓練了編程能力。
在MOOC 平臺討論區(qū),每次課結(jié)束后老師會發(fā)布1 ~2個討論主題,內(nèi)容為編程作業(yè)中共性的或典型的問題,以及課程內(nèi)容相關(guān)話題的思考。學生們在此板塊踴躍發(fā)言,也可以自行提問,老師和同學來解答、參與討論。教師團隊從中更加了解學生對具體問題的理解和掌握情況,并獲得了一些教學素材的靈感,可以說教學相長。
前述“課程目標”之一的任務是基于MATLAB 設計一個具有交互方式運行的圖像處理系統(tǒng),這是一項極具挑戰(zhàn)性、綜合性較強的設計任務。為實現(xiàn)這個目標,將成果目標進行拆解,設計了下面的平時作業(yè)和考核形式。
在計算機上編寫程序,這是最適合本課程教學內(nèi)容的練習方式,相較于傳統(tǒng)方式在作業(yè)本上寫題,其優(yōu)勢不言而喻。為此,我們編寫了一套詳細的MATLAB 實驗指導放在MOOC 平臺中,與理論課的技術(shù)專題相互呼應。學生在此前已經(jīng)學習過MATLAB 系統(tǒng)仿真課程,所以完全有能力根據(jù)實驗指導完成每一次的編程練習即作業(yè)。不過編程作業(yè)的形式會給老師批閱作業(yè)和檢查程序運行效果帶來難度。為此,在每次課結(jié)束后,我們會在MOOC 系統(tǒng)發(fā)布編程練習題目,要求學生以實驗報告的形式提交,內(nèi)容需包含程序源代碼、實驗結(jié)果圖和分析;并且在系統(tǒng)中設置了提交截止時間(一般以一周作為期限),以督促學生趁熱打鐵,在規(guī)定的時間內(nèi)完成作業(yè),實踐學習內(nèi)容。老師在MOOC 平臺系統(tǒng)內(nèi)批閱作業(yè),可以查看學生的報告中的程序和實驗結(jié)果,還可以直接下載程序源代碼來運行,以方便對學生編寫的代碼做具體指導。
每次以圖像處理中的一項技術(shù)專題為核心,設置這樣的編程作業(yè),其實是為了課程目標完成整個圖像處理系統(tǒng)做鋪墊,每一次的作業(yè)均是這個系統(tǒng)中的一個功能模塊。OBE強調(diào)知識整合而不是知識割裂,而最后的大作業(yè)就是對知識的整合和綜合運用,逐步提高工程實踐能力。
本課程期末考核形式設置為大作業(yè)和設計報告形式,考核方案如表1所示。這個系統(tǒng)中圖像處理的各模塊算法大部分已在平時的編程作業(yè)中完成,還需要設計GUI 和回調(diào)函數(shù)編程就可以集成實現(xiàn)整個系統(tǒng)。因此,在實驗教學部分中設置了MATLAB GUI 設計的相關(guān)內(nèi)容,包含利用GUIDE(MATLAB5.0 版至今)或者App Designer(MATLAB2016版至今)兩種方式,學生任選其一完成大作業(yè)任務。設計題目和考核要求在考試前一周布置,考試時老師現(xiàn)場驗收每位同學所開發(fā)的圖像處理系統(tǒng),演示界面控件功能,并進行簡短的答辯,回答老師提出的有關(guān)技術(shù)細節(jié)的問題。
表1 《數(shù)字圖像處理》課程考核方式
大作業(yè)的另一個重要部分是設計報告,目的是訓練學生撰寫內(nèi)容充實、邏輯清晰、格式規(guī)范的總結(jié)報告。設計報告內(nèi)容需包含:課題研究內(nèi)容及意義、相關(guān)算法原理介紹、設計方法和步驟(系統(tǒng)邏輯框圖、各模塊設計內(nèi)容及程序代碼)、實驗結(jié)果及分析、心得體會、參考文獻、附錄等。通過撰寫設計報告,學生必須清晰地理解并闡述算法原理和GUI 邏輯流程,才能寫出優(yōu)秀的報告,這不僅是對課程所學內(nèi)容的總結(jié)和查漏補缺,也是對今后撰寫學術(shù)論文、畢業(yè)論文和學科競賽技術(shù)報告的訓練。課程最終成績由平時成績(70%)和期末考核成績(30%)來綜合評定。
教學案例的設計從挑選素材開始,就要“因材施教”,考慮學生的興趣點、接受程度和可操作性;并且要關(guān)注行業(yè)前沿,將新的技術(shù)和手段引入課堂,讓學生感到既有趣又先進,在強烈的求知欲的驅(qū)使下主動學習。下面以“色彩空間與彩色圖像處理”技術(shù)專題為例,分享一次教學案例設計。
前面已學習過圖像的幾何與灰度變換,空間域與頻率域濾波,圖像復原與重建等,接觸到的例子主要以灰度圖像為主,將單通道的灰度圖看成一個二維矩陣來討論其處理和計算的方法,但在實際應用中,特別是通用數(shù)字圖像處理領(lǐng)域所要處理的對象更多的是彩色圖,引入2 個問題:(1)在緒論中提到過RGB 彩色圖可以看成3 個二維矩陣,對于有三個通道的矩陣數(shù)據(jù)我們應該怎樣來處理?(2)除了RGB這種三原色混合所形成的彩色圖像,還有沒有其他表示顏色的模型?以這兩個問題為切入點,引起學生好奇心來驅(qū)使他們學習本節(jié)的內(nèi)容。
分別講解RGB、HSV、YCbCr、LAB 等幾種常用的色彩空間概念和表示方法、相互之間的轉(zhuǎn)換和取值范圍,在具體介紹一種色彩空間時,通過最簡單的單一色彩圖像,調(diào)整單個通道分量的值,展示色彩分量合成后像素色彩最終結(jié)果,讓學生直觀的感受每個分量的含義和它對圖像整體顏色的影響。
為了讓學生能夠深入理解色圖像在各彩空間中的表現(xiàn)形式,并能迅速用顏色特征來解決實際的工程問題,在本案例中利用圖像處理和計算機視覺工具中的Color Thresholder App 例程來作為輔助教學工具。選擇MATLAB 自帶測試圖片中的mandi.tif,給學生展示這幅圖在不同色彩空間中的點云數(shù)據(jù),啟動MATLAB2021b 版,在命令行中輸入以下代碼來對圖像進行預處理和啟動此例程:
>>X = imread(‘mandi.tif’);
>>rgb = demosaic(X,’bggr’);
>>colorThresholder(rgb)
生成如圖1(a)所示界面,然后依次選擇各個顏色空間,并調(diào)節(jié)顏色分量的滑塊控件,來限定顏色分量的取值范圍,以顯示圖像的不同部分。當學生有了感性認識以后,提出問題:這幅圖整體偏暗,對比度較低,并且人臉膚色與周圍的物體顏色也比較接近,如何利用顏色信息準確地分割出人臉?啟發(fā)學生思考。此時,選擇HSV 色彩空間,通過例程中的繪圖工具在圖像點云3D 視圖中繪制多邊形來包圍要分割的顏色,并配合滑條控件來微調(diào),如圖1(b)所示,即可分割出人臉,生成感興趣區(qū)域Mask,同時還可以導出執(zhí)行此功能的函數(shù)源代碼。
圖1 Color Thresholder App 色彩分割器
引入此例有以下3 個方面的目的:(1)讓學生深刻地理解不同色彩空間的表示,以及如何利用顏色特征;(2)學習導出的函數(shù)代碼,以遷移到開放性實驗、學科競賽等目標檢測與提取任務模塊中,例如:機械手、無人機平臺的人臉跟蹤,用膚色特征代替計算復雜的人臉檢測算法來快速搭建系統(tǒng)、取得效果;(3)舉隅演示MATLAB 中Image Processing Toolbox App 用來學習和幫助開發(fā)圖像處理系統(tǒng),啟發(fā)學有余力的學生在課余自學進階內(nèi)容。
期末考核的大作業(yè)看似較難,如果沒有本課程在之前每次編程作業(yè)練習做鋪墊,即使對于本身編程能力強的學生也會是一項需要耗費數(shù)周時間和精力的任務,對于普通學生來講更是難以完成,“剛看到老師布置的大作業(yè)要求不相信自己能夠做出來。”——一位學生在大作業(yè)設計報告心得中寫道。但由于有平時編程作業(yè)的積累,各功能模塊其實已經(jīng)完成,只需要設計GUI 中各個功能控件并編寫回調(diào)函數(shù),把平時作業(yè)的模塊程序安放其中,就可以集成實現(xiàn)整個系統(tǒng)。在實驗課中,首先講解MATLAB GUI 和App Designer 兩種設計方法,以按鈕實現(xiàn)“打開圖像”和“灰度轉(zhuǎn)換”兩個基本功能,編寫回調(diào)函數(shù)并演示結(jié)果后,學生們表現(xiàn)出了極大的興趣,迫不及待想要嘗試其他功能控件來實現(xiàn)自己的功能,完成整個系統(tǒng)的方法和步驟變得清晰而又具體。最終在驗收時,絕大部分同學都十分認真地完成了此次的任務,得心應手地介紹和演示了自己設計的系統(tǒng),不乏有一些獨具匠心的設計,他們表現(xiàn)得很自豪,能看出他們從中獲得了極大的成就感。以下展示本學期兩位同學的優(yōu)秀大作業(yè)設計。
如圖2(a)所示,這位學生利用GUIDE 設計的交互界面良好,操作便利,而且整個系統(tǒng)集成了非常全面的圖像處理功能。除了主界面上展示的功能控件以外,還設計了菜單欄中下拉菜單的方式來實現(xiàn)其他的更多功能,如圖2(b)所示。
圖2 優(yōu)秀大作業(yè)1
如圖3所示,這位學生不僅制作了精美的GUI 界面,用App Designer 完成了所有要求的功能,精心布局每個控件,包括字體和圖標;在設計報告中,還用思維導圖畫出了整個系統(tǒng)運行的邏輯流程,并撰寫了非常詳細的操作說明,頗具商業(yè)軟件的說明文檔風格,可以看出花費了很多心思。如圖4所示。
圖3 系統(tǒng)界面(優(yōu)秀大作業(yè)2)
圖4 系統(tǒng)流程圖(優(yōu)秀大作業(yè)2)
以下摘抄自幾位同學設計報告中的心得體會:
“從接收到老師布置的任務開始,我就迫不及待地想要完成這項練習,因為我覺得這實在是太有趣了,太有吸引力了,于是對于這項作業(yè)我是馬不停蹄地完成了起來,在最后一節(jié)課上就已經(jīng)構(gòu)思出了我的界面該如何設計,再根據(jù)老師在課上講解的對App Designer 的使用方法,一步一步地將代碼帶入進去,一次一次的添加控件,修改代碼,在網(wǎng)上查閱資料,最終做出了一些名堂?!?/p>
“本課題中采用的原理代碼大部分是之前在授課過程或者課后作業(yè)中使用過的代碼,但在MATLAB 的App Desiger功能中需要理解這些代碼的原理并合理利用,所以對平常的積累有著很高的要求。在驗收過程中,我對于一些算法的理解不深刻不清晰,老師幫我指出來后,在撰寫報告時,我重新深切體會了一番,對于算法有了更深刻的理解,收獲良多。”
“在這次設計大作業(yè)的過程當中,我從零開始一步一步設計了一個可以完美運行并投入使用的圖像處理程序,每一個小的模塊或者控件都需要小心翼翼地處理,讓他們能有正確的作用以及良好的效果,我經(jīng)歷了反復思考后最終一點一滴的完成一個可用的程序,希望以后還會有這樣的機會?!?/p>
“我覺得MATLAB 這么好用的軟件以后一定會再次用到,而掌握其中的圖像處理功能并能獨自設計出具有這么多功能的界面我感覺非常自豪?!?/p>
“將項目完整做出來的開心,遇到自己不會的地方查閱資料后的恍然大悟,自己辛辛苦苦積累的經(jīng)驗,都讓我受益匪淺,很感謝老師對我教給我這么多這么有趣又有用的知識,雖然這門課程結(jié)束了,但我對這門有意思的學科的學習還沒結(jié)束?!?/p>
本課程平時作業(yè)與考核方案的設計自始至終貫徹OBE理念,帶領(lǐng)學生“逐級達到頂峰”,即將學生的學習進程劃分成不同的階段,并確定出每階段的學習目標,這些學習目標是從初級到高級,最終達成頂峰成果。
在2021年舉行的“全國大學生工程實踐與創(chuàng)新能力大賽”和“全國大學生電子設計大賽”中,我系學生分別參加了“智能配送無人機”和“植保飛行器”兩個賽題。這兩個賽題都需要用到OpenMV 視覺模塊進行無人機導航。以“智能配送無人機”賽題為例,無人機應具備自主定位、路徑規(guī)劃、目標識別、貨物搬運與投遞等功能,初賽賽場地圖如圖5所示。
圖5 第七屆全國大學生工程實踐與創(chuàng)新能力大賽“智能配送無人機”賽題地圖
在定位A、B、C 三個目標區(qū)時,根據(jù)在數(shù)字圖像處理課程上所學知識,學生們最初想到的方案是存儲目標模板圖,然后利用特征點檢測算法來匹配。由于無人機在飛行時拍攝圖像很容易收到光照條件和陰影的影響,經(jīng)過測試發(fā)現(xiàn),該方案不能穩(wěn)定的檢測特征點或者檢測時間過長,從而影響投遞貨物的準確性。學生們觀察到目標區(qū)標志都是圓形,于是修改了方案,采用Hough 變換的圓檢測來定位,測試發(fā)現(xiàn)該方法能夠快速、穩(wěn)定的檢測到圓形即目標區(qū)標志,為無人機的準確投遞和自主路徑規(guī)劃創(chuàng)造了條件。由于學生能靈活應用數(shù)字圖像處理課程上學到的技術(shù),大幅度提高了無人機視覺傳感模塊的性能,最終我系學生在初賽中獲得了湖北省賽區(qū)一等獎、全國總決賽金獎的成績。
“OBE”聚焦的是學生最終達成的頂峰成果,強調(diào)以“精熟”內(nèi)容為前提。在本研究中,首先“提高期望”,設立了普通本科層次學生看似難以企及的課程目標,然后詳細闡述了為實現(xiàn)這些目標所構(gòu)建的新的教學模式,包括:“逆向設計”教學活動,建立更加適配所設計的教學內(nèi)容和學習難度的MOOC 平臺,“混合式”教學方法,“成果導向”的作業(yè)與考核評價形式。最后,以定性研究的方法,通過展示學生的“成果輸出”,論證了本研究貫穿“OBE”理念構(gòu)建的教學模式的有效性。學生不僅學習動機和熱情大幅度提高,而且真實地掌握了圖像處理基本技術(shù),獲得了獨立開發(fā)一套圖像處理軟件系統(tǒng)所具備的知識儲備和編程能力,并能利用該技術(shù)在學科競賽中取得成效。師生雙方都從該模式的教學過程中獲得了成就感。
目前課程的MOOC 平臺視音頻資源主要是教師個人錄制,下一步準備請專業(yè)的在線教育攝制公司來制作更加細致、精美的視音頻教學材料。我們將緊跟行業(yè)前沿技術(shù),與時俱進,持續(xù)更新教學內(nèi)容,培養(yǎng)當今社會和行業(yè)需要的人才。在未來的教學實踐中也將不斷改善優(yōu)化本研究的教學模式,并嘗試遷移到其他工科同類課程。