產(chǎn)教融合背景下的高職數(shù)字圖像處理課程建設(shè)研究與實(shí)踐

摘要：人工智能技術(shù)的普及應(yīng)用催生了高職人工智能專業(yè)的建設(shè)。作為人工智能專業(yè)基礎(chǔ)課程的數(shù)字圖像處理等信號處理類課程，在高職層次開設(shè)，存在數(shù)學(xué)背景強(qiáng)，課程內(nèi)容發(fā)散，學(xué)習(xí)曲線陡峭等問題。為此，本文從產(chǎn)教融合角度出發(fā)，研究了高職數(shù)字圖像處理面向的問題，同時以工作任務(wù)為導(dǎo)向，從課程結(jié)構(gòu)設(shè)計、內(nèi)容組織和項(xiàng)目化教學(xué)等方面進(jìn)行了探索，并在實(shí)際教學(xué)過程中進(jìn)行了驗(yàn)證。

關(guān)鍵詞：數(shù)字圖像處理；產(chǎn)教融合；課程內(nèi)容建設(shè)

一、研究背景及問題分析

圖像處理是人類獲取和交換信息的主要方式，應(yīng)用范圍廣泛，涵蓋航空航天、生物醫(yī)學(xué)、通信編碼、工業(yè)工程檢測、軍事公安、文化藝術(shù)等多個領(lǐng)域。因此，圖像處理在信息類專業(yè)中具有重要地位。隨著人工智能技術(shù)的快速發(fā)展，相關(guān)學(xué)科的建設(shè)也變得至關(guān)重要。為支持人工智能技術(shù)的發(fā)展，高職院校開始紛紛開設(shè)以人工智能應(yīng)用技術(shù)為主的專業(yè)，其中包括“數(shù)字圖像處理”課程。然而，目前高職層次的“數(shù)字圖像處理”課程仍然處于探索階段，一般沿用本科傳統(tǒng)課程體系設(shè)計[1-4]。這導(dǎo)致了一些問題的存在：

1.課程概念抽象，算法背后數(shù)學(xué)原理復(fù)雜，學(xué)習(xí)曲線較陡。數(shù)字圖像處理作為信息提取的后處理技術(shù)，需要從數(shù)據(jù)矩陣中分析隱藏的特征和規(guī)律。在這一過程中，借助數(shù)據(jù)工具進(jìn)行抽象和歸納非常重要。此外，通過多次實(shí)驗(yàn)來驗(yàn)證算法參數(shù)也是必不可少的步驟。但對于高職院校學(xué)生而言，分析理解算法甚至設(shè)計算法的難度較高，這可能會令他們望而卻步。

2.課程案例圖像來源少，缺乏與實(shí)際工作需求的有效聯(lián)系，課程內(nèi)容排布也缺乏連續(xù)性。數(shù)字圖像處理的核心教學(xué)內(nèi)容包含濾波變換、形態(tài)學(xué)、圖像分割等不同的技術(shù)。在傳統(tǒng)的教學(xué)安排中，這些內(nèi)容通常相對獨(dú)立和分散，導(dǎo)致教學(xué)單元之間缺乏必要的連續(xù)性。這種孤立的教學(xué)方法使得每一章節(jié)似乎各自為戰(zhàn)，學(xué)生往往難以將這些知識與實(shí)際工作緊密聯(lián)系起來，從而影響了他們的學(xué)習(xí)積極性。

3.課程內(nèi)容缺乏與深度學(xué)習(xí)內(nèi)容的有效交互與聯(lián)合應(yīng)用。隨著人工智能技術(shù)在各行各業(yè)的廣泛應(yīng)用，高職院校專業(yè)設(shè)置中的“數(shù)字圖像處理”課程通常是為了配合人工智能技術(shù)應(yīng)用工程師、機(jī)器視覺工程師等崗位的需求而設(shè)立的。但是作為一門源于本科教育的傳統(tǒng)課程，其教學(xué)內(nèi)容往往與深度學(xué)習(xí)的聯(lián)系不夠緊密，這在當(dāng)前技術(shù)快速發(fā)展的背景下顯得尤為突出。

對于以上問題，以產(chǎn)教融合為導(dǎo)向，研究基于工作任務(wù)流程化教學(xué)的方法為人們提供了一種解決途徑。

二、產(chǎn)教融合背景下企業(yè)項(xiàng)目轉(zhuǎn)換為教學(xué)案例方式的研究

在《國務(wù)院辦公廳關(guān)于深化產(chǎn)教融合的若干意見》和《中國特色高水平高職學(xué)校和專業(yè)建設(shè)計劃》等政策的引導(dǎo)下，各高職院校積極探索與行業(yè)企業(yè)合作的新路徑。這些探索包括共建理事會、董事會、專業(yè)共建共管委員會，推進(jìn)職業(yè)教育集團(tuán)化辦學(xué)，整合教育資源、謀求多方共贏的局面，實(shí)現(xiàn)資源互補(bǔ)。通過這種緊密型合作辦學(xué)體制，院校與企業(yè)建立了良性互動的關(guān)系，共同培養(yǎng)人才，共同管理教育過程，共享教育成果，并共同承擔(dān)責(zé)任[5-9]。隨著教師參與企業(yè)合作科技課題的增多，確實(shí)可以使得基于企業(yè)實(shí)際經(jīng)驗(yàn)的項(xiàng)目案例日益增加，這對于提高教學(xué)的實(shí)踐性和針對性非常有益。然而，直接將這些項(xiàng)目案例轉(zhuǎn)換為教學(xué)案例可能會存在以下問題：

1.企業(yè)項(xiàng)目的技術(shù)要求通常較為綜合，涉及多學(xué)科交叉。以工業(yè)視覺檢測項(xiàng)目為例，它融合了機(jī)械工程、電氣工程、網(wǎng)絡(luò)工程、軟件工程和計算機(jī)視覺等領(lǐng)域的知識。由于單一課程內(nèi)容難以涵蓋整個項(xiàng)目的復(fù)雜需求，教師需要對企業(yè)的工作流程進(jìn)行詳細(xì)梳理。通過這一過程，復(fù)雜的項(xiàng)目需求被分解成流程化的工作任務(wù)。接著，可以根據(jù)這些具體的工作任務(wù)來設(shè)計相應(yīng)的課程內(nèi)容，確保教學(xué)能夠緊密貼合實(shí)際工作的需求。

2.在實(shí)際的數(shù)字圖像處理項(xiàng)目中，技術(shù)難度往往較高，算法參數(shù)的調(diào)整通常需要與特定的工作場景相適應(yīng)。然而，在教學(xué)過程中，由于課時的限制，很難完成一個完整的從零開始的任務(wù)開發(fā)。

針對以上問題，筆者根據(jù)現(xiàn)場圖像進(jìn)行了圖像簡化，圍繞工作任務(wù)流程開展，每個單元解決工作任務(wù)中的某個問題，從而使得教學(xué)內(nèi)容前后呼應(yīng)，整體流程連貫。以噪聲中的輪廓區(qū)域提取為例，實(shí)際工作圖像與教學(xué)對應(yīng)圖像對比如圖1所示，左圖為工作上需要檢測圖像，難度大細(xì)節(jié)多，不利于教學(xué)，右圖為模擬后圖像，任務(wù)式教學(xué)流程如圖2所示，知識點(diǎn)包括：①圖像采集，利用OpenCV imread等函數(shù)完成圖像讀寫；②圖像去噪，利用高斯濾波、中值濾波等完成卷積操作；③圖像二值化分割，基于OSTU完成基本圖形分割；④圖像形態(tài)學(xué)操作，基于開運(yùn)算、閉運(yùn)算完成圖形毛刺剔除；⑤圖像位置提取，輪廓提取，獲取圖形興趣區(qū)域，測量目標(biāo)大小等。

三、數(shù)字圖像處理課程內(nèi)容設(shè)計與實(shí)踐

數(shù)字圖像處理是一個廣泛而復(fù)雜的領(lǐng)域，學(xué)生往往需要逐步掌握其基礎(chǔ)概念和技能。因此，教學(xué)內(nèi)容應(yīng)以漸進(jìn)式的方式組織，確保學(xué)生能夠循序漸進(jìn)地學(xué)習(xí)。同時，引入真實(shí)項(xiàng)目需求至教學(xué)內(nèi)容中，有助于學(xué)生將所學(xué)知識應(yīng)用于解決實(shí)際問題。為此，課程流程化教學(xué)內(nèi)容設(shè)計根據(jù)工作任務(wù)，應(yīng)分為圖像采集、圖像處理、圖像分析、圖像輸出等模塊，如圖3所示。

在項(xiàng)目實(shí)戰(zhàn)安排上，通過6個從實(shí)際工作任務(wù)中抽象出來的項(xiàng)目案例貫穿《數(shù)字圖像處理》的教學(xué)過程，這些案例對應(yīng)了包括圖像標(biāo)注工程師、圖像處理工程師人工智能訓(xùn)練師和人工智能測試工程師等在內(nèi)的就業(yè)崗位。總課時計劃為64課時，其中項(xiàng)目結(jié)構(gòu)組織如下：

項(xiàng)目1為常見圖像的采集及其幾何變換，主要涵蓋OpenCV基礎(chǔ)、開發(fā)環(huán)境搭建、數(shù)字圖像格式、色彩空間、通道的分離合并、圖像及視頻的加載展示、圖像的運(yùn)算和變換等內(nèi)容，勝任圖像標(biāo)注工程師和數(shù)據(jù)管理員等崗位要求；項(xiàng)目2為工業(yè)X光圖像的增強(qiáng)處理，來自實(shí)際開發(fā)項(xiàng)目，包括均值和高斯等低通濾波、梯度及邊緣查找、直方圖及其均衡化、圖像亮度及對比度等圖像增強(qiáng)操作；項(xiàng)目3為集成電路芯片上的錫球檢測，來自實(shí)際開發(fā)項(xiàng)目，主要包括形態(tài)學(xué)腐蝕和膨脹、開閉操作、頂帽和黑帽操作、霍夫曼直線檢測和圓行檢測、查找輪廓等技術(shù)；項(xiàng)目4為焊接區(qū)域提取，主要包括圖像的分割與修復(fù)，涵蓋閾值分割、分水嶺分割、Grabcut分割、MeanShift聚類等技術(shù)；項(xiàng)目5為音響設(shè)備缺陷X光檢測，主要涵蓋特征檢測、角點(diǎn)檢測、SIFT特征點(diǎn)檢測、SURF特征點(diǎn)檢測、ORB特征點(diǎn)檢測和特征點(diǎn)匹配等技術(shù)；項(xiàng)目6為設(shè)備規(guī)格文本識別，涵蓋深度學(xué)習(xí)概念、深度學(xué)習(xí)常見庫在OpenCV調(diào)用第三方庫模型等技術(shù)內(nèi)容。

以上項(xiàng)目中，項(xiàng)目1對應(yīng)圖3工作流程化教學(xué)中的圖像采集模塊，項(xiàng)目2和項(xiàng)目3對應(yīng)圖像處理模塊，項(xiàng)目4、項(xiàng)目5、項(xiàng)目6對應(yīng)圖像分析模塊，圖像可視化輸出模塊貫穿于每個項(xiàng)目開發(fā)。

四、教學(xué)過程及評價

在教學(xué)過程中，結(jié)合了多種產(chǎn)教融合方式，如邀請企業(yè)講師授課、組織企業(yè)實(shí)地交流、安排課外實(shí)際工作任務(wù)等。此外，還利用了多媒體案例庫和教學(xué)網(wǎng)站等多樣化的教學(xué)形式。課程評價標(biāo)準(zhǔn)以學(xué)生參與企業(yè)項(xiàng)目為主，通過工作過程的引導(dǎo)和真實(shí)項(xiàng)目的驅(qū)動，讓學(xué)生在實(shí)踐中學(xué)習(xí)和成長。在課題組所在的人工智能應(yīng)用技術(shù)專業(yè)中，開設(shè)的“數(shù)字圖像處理”課程共有103名學(xué)生。其中，參與實(shí)際企業(yè)課題人數(shù)40名，項(xiàng)目參與超過40%。這種教學(xué)模式有效推動了企業(yè)的工作崗位重構(gòu)，提升了專業(yè)對口就業(yè)率。

五、結(jié)束語

數(shù)字圖像處理涉及的數(shù)學(xué)背景復(fù)雜，內(nèi)容廣泛，包括圖像變換、增強(qiáng)、恢復(fù)和重建、圖像壓縮、圖像分割、形態(tài)學(xué)處理、圖像特征描述、圖像分析和圖像識別，以及彩色圖像處理等，因此學(xué)習(xí)曲線陡峭。鑒于此，對課程內(nèi)容進(jìn)行梳理，實(shí)現(xiàn)工作任務(wù)導(dǎo)向化和教學(xué)內(nèi)容系統(tǒng)化尤為重要。本文針對高職“數(shù)字圖像處理”課程的內(nèi)容建設(shè)進(jìn)行了整體設(shè)計，提煉出符合實(shí)際項(xiàng)目需求的工作流程化教學(xué)內(nèi)容。同時，探討了在人工智能技術(shù)普及的現(xiàn)狀下，如何更有效地在高職層面教授數(shù)學(xué)背景較強(qiáng)的學(xué)科，包括工作流程建模、課程內(nèi)容組織和課程項(xiàng)目化教學(xué)等方面的研究與探索。從實(shí)踐評價來看，這些研究對于產(chǎn)教融合背景下的相關(guān)課程教學(xué)具有一定的借鑒意義。

作者單位：宋桂嶺 無錫科技職業(yè)學(xué)院物聯(lián)網(wǎng)與人工智能學(xué)院

參考文獻(xiàn)

[1] 侯麗玲.基于Halcon軟件的《數(shù)字圖像處理》課程教學(xué)探索[J].科技資訊，2020，18（23）：14-17.

[2]孟祥超，符冉迪，邵楓，等.《數(shù)字圖像處理》立體式教學(xué)方法改革與實(shí)踐[J].高教學(xué)刊，2019 （23）：136-138.

[3]田學(xué)軍，趙娟.數(shù)字圖像處理實(shí)驗(yàn)教學(xué)改革與實(shí)踐[J].科技資訊，2016，14（30）：108-109.

[4]胡彬.面向?qū)嵺`創(chuàng)新能力培養(yǎng)的數(shù)字圖像處理教學(xué)[J].中國教育技術(shù)設(shè)備，2016（4）：118-119.

[5]許艷麗，蔡璇.基于網(wǎng)絡(luò)DEA模型的“雙高計劃”院校產(chǎn)教融合建設(shè)成效評價研究[J].現(xiàn)代教育管理，2023，（02）：82-93.

[6] 劉丹青，王宇寧，謝平.新工科背景下產(chǎn)教融合育人的原則、問題及對策[J].中國科技產(chǎn)業(yè)，2023（01）：71-73.

[7] 穆龍濤，王建軍，張文帥，等.雙高計劃下校企產(chǎn)教融合的運(yùn)行機(jī)制實(shí)踐研究[J].南方農(nóng)機(jī)，2023，54（02）：174-175+181.

[8] 耿樂樂.產(chǎn)教融合：政策目標(biāo)、政策偏好與工具選擇[J].科教發(fā)展研究，2022，2（04）：62-83.

[9] 黎菲，譚夢娜.省級產(chǎn)教融合型企業(yè)遴選培育：實(shí)然考察、實(shí)踐表征、問題透視與應(yīng)然路徑[J].職業(yè)技術(shù)教育，2022，43（36）：65-70.