楊森泉，丁 凡，陳景華，劉建軍，胡松喜

（韶關學院 智能工程學院，廣東 韶關 512005）

0 引 言

“新工科”人才指的是具備工程實踐能力、創(chuàng)新能力、國際競爭力的高素質(zhì)復合人才，不僅要求學校培養(yǎng)跨學科、跨專業(yè)人才，同時要求培養(yǎng)學生能夠?qū)⑺鶎W技術與經(jīng)濟、社會、管理等方面知識進行融合，引領未來科技和產(chǎn)業(yè)的發(fā)展[1]。

在“新工科”背景下，要求電子信息類學生能夠緊跟時代發(fā)展，著重提升自己的創(chuàng)新思維、持續(xù)學習能力和實踐能力[2]。數(shù)字圖像處理是電子信息類專業(yè)課程體系中一門多學科交叉融合的專業(yè)課，它涉及了高等數(shù)學、線性代數(shù)、信號與系統(tǒng)、數(shù)字信號處理等多門課程內(nèi)容[3]。

在5G、人工智能等新興產(chǎn)業(yè)技術的推動下，數(shù)字圖像處理技術發(fā)展日新月異，對數(shù)字圖像處理課程的教學模式、教學方法和教學手段都提出了針對性的要求[4]。本文探討了新工科背景下，基于企業(yè)實訓的數(shù)字圖像處理課程改革實踐，以韶關學院電子系和廣州粵嵌校企共建的“眾創(chuàng)空間”為平臺，發(fā)揮廣州粵嵌通信科技股份有限公司的行業(yè)優(yōu)勢，通過“以訓促學”的“穿透式”教學改革思路，以實訓項目成果作為人才培養(yǎng)成效的外化評價指標，消除新工科人才培養(yǎng)需求與企業(yè)實訓和需求之間的鴻溝，著力于提高新工科人才培養(yǎng)質(zhì)量，充分體現(xiàn)新工科人才培養(yǎng)特點的立體化教學資源[5]。

1 數(shù)字圖像處理課程存在的問題

大多數(shù)應用型本科大學的電子信息專業(yè)都開設了數(shù)字圖像處理課程。但是，由于知識點繁瑣、散亂，而數(shù)字圖像課程理論起點高、公式復雜，而且學生的物理知識和信號處理知識基礎普遍不牢固，因此很難理解課程本身知識體系[6]。而對于教師而言，在數(shù)字圖像處理課程教學實踐中普遍存在以下問題：

（1）該課程教學存在課程內(nèi)容多、教學實驗學時少的矛盾，如何在有限的課時時間內(nèi)解釋課程的基本理論和相關應用知識點是一個挑戰(zhàn)。

（2）課程的實驗僅停留在驗證性實驗上，缺乏全面性和創(chuàng)新性，知識點單一，無法培養(yǎng)學生的綜合編程能力和解決實際應用問題的能力。

（3）理論知識難以掌握的問題。該課程理論知識的算法原理難度大，對于一些基礎知識掌握不扎實的學生來說，在理解學習上存在較大障礙。

（4）在傳統(tǒng)的教學過程中，實驗大多使用一些基本知識內(nèi)容，難以有效地調(diào)動學生的學習積極性和主動性，更談不上培養(yǎng)學生的創(chuàng)新和實踐能力[7-8]。

針對以上問題，本文從課程實訓方面討論應用廣州粵嵌科技實訓項目在數(shù)字圖像處理課程實踐的改革，采用線上線下相結合的方法，線上采取觀看錄制好的訓練營課程，以作為教材不同章節(jié)內(nèi)容的補充；實訓方面通過與廣州粵嵌校企共建教學實驗室和實習實訓平臺，促進與企業(yè)先進技術的對接，激發(fā)學生學習熱情和積極性，提高學生動手實踐能力。

2 教學實訓內(nèi)容改革

教學實訓作為電子信息類人才培養(yǎng)的關鍵環(huán)節(jié)，而且數(shù)字圖像處理是一門實踐性非常強的課程，通過實踐課程有利于加強學生對算法的理解，鞏固對圖像處理的理論知識，提高動手能力和知識綜合運用能力。

下面簡要列舉韶關學院與廣州粵嵌校企共建的三個實訓內(nèi)容，分別是CIFAR-10圖像分類、人臉表情分類和車牌識別。

2.1 CIFAR-10圖像分類

CIFAR-10圖像分類是一個公開的測試集，其涵蓋了飛機、汽車、鳥、貓、鹿、狗、青蛙、馬、船以及卡車10個類別圖像，如圖1所示。

圖1 CIFAR-10圖像分類示例

實訓過程中使用經(jīng)典的Residual Network殘差網(wǎng)絡模型進行識別[9]，在一個帶GPU的電腦上進行訓練后，能達到最高70%的識別精度。通過這個實訓課程，讓學生懂得深度學習的三個步驟：建立模型、損失函數(shù)和參數(shù)學習。同時，可以進一步引導學生通過修改網(wǎng)絡模型、設置不同的學習率以及使用不同的損失函數(shù)，提高識別準確率。

2.2 人臉表情分類

通過一個簡單的圖像二分類識別，將圖片中的人臉表情分為正面和負面表情。如果表情為微笑、興奮，則分為正面表情；如果為傷心、哭泣，則為負面表情。模型示例如圖2所示。

圖2 人臉表情分類示例

本實訓首先是對圖像臉部中心區(qū)域進行檢測，識別出人臉感興趣區(qū)域，其次對識別出的臉部中心區(qū)域進行裁剪，然后再對圖片進行歸一化處理。構建包含兩個卷積層、一個全連接層和一個激活層的簡單神經(jīng)網(wǎng)絡模型對歸一化后的圖像進行訓練，訓練完成后再利用測試集進行測試，通過調(diào)整參數(shù)和網(wǎng)絡層，識別準確率最大能達到95%。

2.3 車牌識別

車牌識別實訓是一個圖像多分類任務，需要將車牌圖像中的每個字符進行分割后識別，最后將車牌圖像轉(zhuǎn)換為文字輸出，如圖3所示。

圖3 車牌識別實例

本次實訓使用一個車牌字符數(shù)據(jù)集，包含了32 370張大小為20×20像素的圖片，總共有66組數(shù)字和字符，數(shù)據(jù)集的90%圖片用于訓練，10%圖片用于測試；網(wǎng)絡使用經(jīng)典的AlexNet網(wǎng)絡[10]；訓練過程采用動量優(yōu)化法參數(shù)學習，學習率設為0.01，動量大小為0.9，迭代次數(shù)設為100；損失函數(shù)使用交叉熵損失函數(shù)。經(jīng)過以上訓練過程，車牌的識別率達到97.6%。

3 結 語

本文在“新工科”更強調(diào)學科的實用性、交叉性與綜合性背景下，從校企聯(lián)合協(xié)同育人出發(fā)，對數(shù)字圖像處理課程實訓進行改革，設計相關教學實訓案例。通過實訓案例，學生可以接觸到當下圖像處理的主流技術，并能體驗真實企業(yè)項目常用的方法；可以讓學生從實訓中學習相關的操作及其實際運用，加強學生實踐動手和解決問題能力，為其在日后投入工作提供了較好的技術支持與幫助。