楊大偉,張汝波,張 濤
(大連民族大學(xué) 機電工程學(xué)院,遼寧 大連 116605)
案例式教學(xué)法在高等教育中一直備受青睞,但對于自動化類工科專業(yè)課程來說,由于案例樣本需要達到一定數(shù)量才會對課堂教學(xué)、實驗教學(xué)產(chǎn)生積極作用[1]。故此,在《圖像處理與機器視覺》課程中應(yīng)用案例式教學(xué)法,需要解決如何生成大量相關(guān)圖片的技術(shù)難點,才能為教學(xué)法提供必要的案例基礎(chǔ)。
當(dāng)前,國內(nèi)大多數(shù)高校圖像處理類課程案例教學(xué)主要還是以經(jīng)典案例教學(xué)為主,教學(xué)案例主要來源于互聯(lián)網(wǎng)上獲得的固定和少量圖片[2-5]。經(jīng)典案例教學(xué)在課程培養(yǎng)的限定條件下非常有效,對于文科類專業(yè)來講,它們的案例非常之多,能夠使學(xué)生在課程當(dāng)中充分了解知識本身并進行有效學(xué)習(xí);而在工程實踐當(dāng)中,很多案例卻受到專利法保護,工件造型和外觀尺寸等均屬于實用新型等保護范疇之內(nèi)。這也使得經(jīng)典案例僅能提供固定形狀的工件照片。為了能讓學(xué)生更加了解生產(chǎn)一線工程實際案例樣本,同時滿足產(chǎn)學(xué)合作和區(qū)域經(jīng)濟發(fā)展的市場需求,在專業(yè)課程中,設(shè)計翻轉(zhuǎn)課堂、實驗實踐、課程設(shè)計等教學(xué)環(huán)節(jié),可利用人工智能創(chuàng)造大量工件圖像,為課程涉及的理論和實驗內(nèi)容,提供案例式教學(xué)基礎(chǔ)資源保障。
信息時代的發(fā)展,使得人工智能走入課堂,各種課程教學(xué)案例中的照片呈現(xiàn)出如日中天爆發(fā)式的增長狀態(tài)[6-8]。動態(tài)案例教學(xué)利用人工智能,能夠生成從光線變化、條理變化、背景顏色等各方面都貼近產(chǎn)業(yè)中真實的工件圖片。人工智能的發(fā)展使得擴散模型、chatGPT等一系列技術(shù)工具應(yīng)運而生,在課程應(yīng)用當(dāng)中逐漸凸顯它們的重要地位,動態(tài)案例教學(xué)借助人工智能技術(shù),使得課堂更加活躍,同時提高教學(xué)質(zhì)量和教學(xué)反饋速度。例如:人工智能技術(shù)突破了傳統(tǒng)和信息化課堂教學(xué)行為分析的局限,實現(xiàn)了分析的自動化和智能化,使得課堂教學(xué)行為分析更加精準(zhǔn)、全面、真實[9];人工智能優(yōu)勢在于整合了研究、開發(fā)用于模擬、延伸和擴展,將人工智能帶進藝術(shù)設(shè)計學(xué)科課堂則很好地彌補了人力洞察學(xué)生綜合理論與實踐學(xué)習(xí)的不足,從而高效給予學(xué)生更適合的教育內(nèi)容,做到因材施教[10]。目前,已經(jīng)有動態(tài)案例教學(xué)課程利用chatGPT等人工智能工具為課堂輔助,但是這些工具明顯缺少產(chǎn)業(yè)上的應(yīng)用指導(dǎo)功能,既無法生成可控的動態(tài)案例,更無法用圖片指導(dǎo)生成合理的工件圖片為案例式教學(xué)使用[11]。
大連民族大學(xué)機電工程學(xué)院自動化專業(yè),《圖像處理與機器視覺》課程,引入智能制造領(lǐng)域的工業(yè)機器視覺動態(tài)案例,幫助學(xué)生理解和應(yīng)用各種圖像處理手段和方法,理論聯(lián)系實際,教會學(xué)生學(xué)習(xí)真實工件的檢測與識別工藝流程。這種動態(tài)式案例教學(xué)方式,借助于工控企業(yè)現(xiàn)實場景中出現(xiàn)的工件、零配件的外觀和造型,在不違反知識產(chǎn)權(quán)保護限制的前提下,結(jié)合人工智能的深度學(xué)習(xí)生成模型技術(shù),用真實的工件、零件為參照物,大量可控地衍生出授課、實驗所需的課程案例的多樣化圖片結(jié)果。這樣的優(yōu)勢是,既保護了產(chǎn)業(yè)對知識產(chǎn)權(quán)的保護要求,又合理地提供了多種多樣地課程案例動態(tài)樣本。這種教學(xué)方式能夠?qū)F(xiàn)實場景中,與課堂教學(xué)需求相近似的部分引入到課堂教學(xué)、實踐教學(xué)中來,讓學(xué)生能夠做到人在課堂、心在實踐的教學(xué)感受,不僅可以提高學(xué)習(xí)的興趣,更可以根據(jù)實踐中的近似真實案例的模擬來完成教學(xué)過程。
目前課程項目式教學(xué)中引入的教學(xué)案例存在與工程實際脫軌,而且大部分為靜態(tài)案例的情況,這嚴(yán)重影響案例式教學(xué)的實施效果和學(xué)生學(xué)習(xí)的積極性,缺乏對學(xué)生探索性思維的刺激和學(xué)生在復(fù)雜工程應(yīng)用中研究問題和解決問題的環(huán)境。因此在國家不斷加強高等學(xué)校工科專業(yè)應(yīng)用型建設(shè)水平和普遍開展工程教育認(rèn)證和新工科建設(shè)的背景下,課程建設(shè)中引入工程實際案例開展項目式教學(xué)已經(jīng)成為一種趨勢。
《圖像處理與機器視覺》課程動態(tài)案例教學(xué)建設(shè)摒棄傳統(tǒng),利用人工智能AI技術(shù)工具建設(shè)動態(tài)案例,提供海量且應(yīng)用于不同場景的動態(tài)案例。為配合課程的產(chǎn)學(xué)建設(shè)目標(biāo),以工程實踐中出現(xiàn)的實際工件為案例庫建設(shè)核心,采用動態(tài)案例教學(xué)方法,利用人工數(shù)字圖像處理手段,對現(xiàn)有工程實踐中,受到發(fā)明專利和實用新型專利等法律保護的工件樣本進行數(shù)據(jù)集增廣擴充。動態(tài)案例教學(xué)的開展,能夠在本專業(yè)的實驗實踐中,貼近工程實際需要的同時,不違反企業(yè)單位對產(chǎn)品外觀的法律約束和保護限制,提高學(xué)生實踐動手的真實性和工程性,更增加了學(xué)生對實踐問題的解決能力。
同時動態(tài)案例考慮實際應(yīng)用條件,保證教學(xué)與工程實際的一致性。從自動化專業(yè)建設(shè)的基本需求來看,大四的選修課程應(yīng)該支撐起學(xué)生就業(yè)能力的培養(yǎng)和工程實踐動手能力的鍛煉。在這樣的背景下,結(jié)合產(chǎn)學(xué)合作基地的產(chǎn)業(yè)化需求,本課程依照工程實踐中實際加工、生產(chǎn)的工件為藍本,通過人工智能數(shù)字圖像所需的生成手段,不斷產(chǎn)生貼近真實工件,但又不違反外觀專利約束的合理工程樣本,為學(xué)生授課、實踐環(huán)節(jié)提供大量的不重復(fù)應(yīng)用圖片。這些圖片本身就是基于真實工件的隨機生成樣本,這些樣本可以通過文字信息加以修正和變形,但其歸根結(jié)底的基礎(chǔ)雛形不變,仍具有工程實踐的真實性,能夠作為自動化專業(yè)學(xué)生的動手實踐所需的輸入圖像來使用。同時,更加真實的案例圖片,會激發(fā)學(xué)生極大的學(xué)習(xí)熱情,促進學(xué)生動手能力的培養(yǎng)。
從解決實際工程問題出發(fā)建設(shè)動態(tài)案例,鼓勵學(xué)生根據(jù)應(yīng)用條件設(shè)計個性化解決方案。對于《圖像處理與機器視覺》課程來說,最大的難題是要搜集海量的樣本作為學(xué)生練習(xí)課堂方法的基礎(chǔ)準(zhǔn)備。但是,任何一張圖片的紋理、顏色等特征都是獨一無二的,對于通常的圖像處理方法來說,一旦了解到這個特征的特殊性,處理起來就會得心應(yīng)手。不過,這種現(xiàn)象到了課堂實踐反而成了一種桎梏。因為這種特殊性的存在,使得大部分同學(xué)都傾向于使用單一手段去處理這個固定圖片的內(nèi)容,而忽略了解決工程問題的手段和途徑。更讓每一次的工程實踐課題,變成了同學(xué)們抄襲借鑒思想的陣地,徹底失去了工程實踐案例的建設(shè)初衷。所以,能讓每個參與課程教學(xué)的同學(xué),擁有專屬工程案例,才成為了動態(tài)案例教學(xué)課程建設(shè)的目標(biāo)。
《圖像處理與機器視覺》課程涵蓋,圖像表達、圖像預(yù)處理、圖像分割、物體識別和圖像理解等五個部分,共32學(xué)時,24學(xué)時理論,8學(xué)時實驗。該課程目標(biāo)對畢業(yè)要求的支撐點有兩個,一是對自動化復(fù)雜工程問題能夠進行分析和評估;二是掌握自動化領(lǐng)域工程設(shè)計和產(chǎn)品開發(fā)流程,熟悉基本設(shè)計方法。
以往課程采用的經(jīng)典案例教學(xué)內(nèi)容,對于工業(yè)、產(chǎn)業(yè)結(jié)合的課程需求來說,照片陳舊,而且出現(xiàn)所需工件等圖片無法獲得及時更新,而致使所針對問題與現(xiàn)實需求完全脫鉤,不能直觀地讓學(xué)生及時掌握自動化領(lǐng)域?qū)嵺`中存在的檢測和識別難題。
由于圖像處理本身就屬于人工智能AI當(dāng)中的熱門應(yīng)用之一,隨著圖像風(fēng)格遷移[12]和圖像生成[13]等技術(shù)的迅猛發(fā)展,以工業(yè)生產(chǎn)實踐中的零部件為原型,創(chuàng)造大量的、接近生產(chǎn)所需的圖片,照片的生成有指導(dǎo)依據(jù),符合課程需求,又能貼近于工程真實樣本及實際工件,能夠做到非常少量的工業(yè)樣本就能生成大量且不同外觀形式和材質(zhì)的工件圖片,其邏輯示意圖如圖1。
圖1 基于GAN指導(dǎo)的擴算模型樣本工件案例生成系統(tǒng)邏輯示意圖
本課程為保證工業(yè)零部件圖片的生成外觀,接近于原始形狀但又不會泄露實用新型專利形狀,創(chuàng)新性地采用基于GAN指導(dǎo)的擴散模型(后簡稱GDM模型),來生成動態(tài)工件樣本案例。其中,圖像GAN生成模塊的目的是,解決外觀風(fēng)格遷移變化的約束問題,而擴散模型則可以在改變后的外觀上,進行隨機擾動生成出形態(tài)各異的新型零部件結(jié)構(gòu)來滿足學(xué)生的課堂和實驗需要。為改變外觀和背景等參數(shù)的便利,GDM模型借鑒文本到圖像的Text-to-Image模式,可以通過參數(shù)選項來改變外觀形態(tài),使得生成的圖片結(jié)果不僅能夠滿足自動化專業(yè)學(xué)生,工程實踐動手能力培養(yǎng)的需求,還能調(diào)動學(xué)生的趣味性且提高學(xué)生的專業(yè)能力。
利用GAN動態(tài)案例教學(xué)法的GDM模型,既不影響各公司相關(guān)制度規(guī)定,又能擴充數(shù)據(jù)庫,讓學(xué)生有豐富的實踐能力。這種方法可以使用少量實際工件為指導(dǎo)依據(jù),形成可控的動態(tài)案例輸出,不憑空捏造,能夠做到源于工程實踐,運用于案例教學(xué),貼近一線生產(chǎn),有目的、有依據(jù)地模擬了工件在實際生產(chǎn)線上的環(huán)境和背景。這對于學(xué)生和教師來講,不僅縮短了產(chǎn)學(xué)之間的距離,縮短培訓(xùn)周期,還能夠有助于他們貼近需求、貼近服務(wù)、貼近產(chǎn)業(yè)。動態(tài)案例教學(xué)激發(fā)創(chuàng)新,提高興趣,激發(fā)學(xué)生自主學(xué)習(xí)能力,引導(dǎo)學(xué)生自主學(xué)習(xí),這也是課程學(xué)習(xí)的目的與意義。由于GDM系統(tǒng)具有隨機擾動的初始化條件存在,即便輸入同一張初始圖片,系統(tǒng)輸出也會有明顯的差異。也就是說,該系統(tǒng)不會兩次生成同一個輸出結(jié)果,能夠保證每次運行,其結(jié)果都會存在明顯差異。這也有效地保證了動態(tài)案例教學(xué)的應(yīng)用需求。
這里,GDM的輸入還有一定的語義約束參數(shù)可選,其中工件語義約束條件見表1。這里的三個語義約束屬性分別為:光照、紋理和背景顏色屬性,而且,每個屬性中的3個約束條件,每次只能選擇1個。工件語義約束案例如圖2。
表1 工件語義約束屬性和對應(yīng)的約束條件
圖2 工件語義約束案例
圖2中,利用GDM模型分別生成長方形托盤類工件、三角刀具工件和圓形墊片等三個動態(tài)教學(xué)案例。在表1的語義約束下,得到不同形式的案例樣本。
《圖像處理與機器視覺》課程動態(tài)案例GDM模型,通過架設(shè)在校園網(wǎng)內(nèi)服務(wù)器進行遠程訪問,每次可以根據(jù)需求循環(huán)生成需要數(shù)量的圖片,來滿足課上、課下的使用需求。服務(wù)器硬件是一臺雙網(wǎng)卡2U科學(xué)計算服務(wù)器,核心計算任務(wù)由8塊Nvidia 2080TI顯卡構(gòu)成。建立校園網(wǎng)和工件樣本生成服務(wù)器之間連接,隨時為課堂和實驗環(huán)節(jié)提供圖片樣本服務(wù)。
課程動態(tài)案例可以在理論教學(xué)中構(gòu)建項目式教學(xué),由教師事先準(zhǔn)備恰當(dāng)?shù)陌咐齺磔o助課程教學(xué)。為保證教學(xué)效果,根據(jù)課程教學(xué)內(nèi)容的安排,提前選擇工件原型,幫助同學(xué)們理解檢測、分割、識別等理論內(nèi)容。同時也可以利用動態(tài)案例來設(shè)計翻轉(zhuǎn)課堂,在老師講授完原理知識之后,把課堂交給學(xué)生,利用豐富的動態(tài)案例讓學(xué)生熟練掌握理論知識的不同和應(yīng)用條件,自己摸索動態(tài)案例的解決方案,在實踐中理解工程知識的應(yīng)用。
同時,課程動態(tài)案例也可以應(yīng)用到實驗教學(xué)中,由教師給出受保護工件圖像作為實驗課程的輸入,該圖片學(xué)生對學(xué)生不可見。由學(xué)生訪問案例數(shù)據(jù)庫服務(wù)程序,通過從表1中選擇不同的約束條件,來生成所需要的案例樣本,作為實驗課程的標(biāo)準(zhǔn)輸入使用。由于GDM模型隨機擾動的初始化存在,其輸出圖片能夠滿足人人都是全新的工件樣本圖片,不會存在任何兩個人具有相同的工件案例。這樣利用動態(tài)案例實驗就可以有效避免學(xué)生的抄襲問題,也為遠程開放實驗設(shè)計提供了可能。
另外,課程動態(tài)案例也可以用來給學(xué)生布置個性化設(shè)計作業(yè)。以往設(shè)計作業(yè)由于全體同學(xué)題目相同,不可避免地會發(fā)生解決方案設(shè)計一致,學(xué)生抄襲的問題。利用動態(tài)案例就可以給每一位學(xué)生布置應(yīng)用條件各不相同的個性化設(shè)計作業(yè)題目,提高設(shè)計作業(yè)的差異性,讓學(xué)生主動學(xué)習(xí),積極思考個性化工程問題的不同解決方案,培養(yǎng)學(xué)生依照不同條件完成工程設(shè)計的能力。
以上是課程動態(tài)案例教學(xué)三種教學(xué)實施策略,基本涵蓋了課程教學(xué)的全部過程,無論在課堂教學(xué)、實驗實踐環(huán)節(jié)和課程考核評價中,都可以應(yīng)用動態(tài)案例提高案例的變化性,培養(yǎng)學(xué)生善于思考、積極動腦,主動學(xué)習(xí)的良好學(xué)習(xí)態(tài)度和分析解決問題的工程能力。
課程教學(xué)評價形式主要有課程目標(biāo)達成情況評價、學(xué)生教學(xué)效果調(diào)查問卷、同行評價和教學(xué)督導(dǎo)評價等。課程的課程目標(biāo)達成情況評價主要由學(xué)生翻轉(zhuǎn)課堂成績、課程實驗成績和課程設(shè)計作業(yè)成績?nèi)糠纸M成,其中課堂教學(xué)、課程實驗和設(shè)計作業(yè)均利用動態(tài)案例完成。
本課程開展動態(tài)案例教學(xué)三年以來,除了完成課程教學(xué)目標(biāo)達成情況評價外,為保證學(xué)生在動態(tài)案例教學(xué)獲得良好教學(xué)效果,對連續(xù)3屆選修課程學(xué)生進行跟蹤調(diào)查,以課前問卷、結(jié)課調(diào)查、畢業(yè)生反饋跟蹤抽樣的方式進行。收到反饋共計72份,均獲得良好以上的滿意度認(rèn)可。調(diào)查問卷中發(fā)現(xiàn),動態(tài)案例教學(xué)方式的引入,對畢業(yè)生工程應(yīng)用的理解和工程視野的開闊提供了積極推動作用。近三年課程教學(xué)效果結(jié)果統(tǒng)計參見表2。
表2 近三年課程教學(xué)效果評價結(jié)果統(tǒng)計
從評價結(jié)果分析,動態(tài)案例教學(xué)在近三年的教學(xué)實踐過程中,課程目標(biāo)達成度一直穩(wěn)步提升,學(xué)生(含畢業(yè)生)滿意度調(diào)查問卷中,95%以上的學(xué)生能夠認(rèn)可本課程的改革方式,同時,督導(dǎo)評價和同行評價也一直為優(yōu)秀。由此說明,本課程的動態(tài)案例教學(xué),具備積極推動課程教學(xué)進程的作用,有效調(diào)動課堂氣氛,激發(fā)學(xué)生參與實踐動腦思考的興趣,能夠幫助學(xué)生掌握工程復(fù)雜問題的分析方法,提高學(xué)生理論的應(yīng)用能力,有利地支撐了課程教學(xué)目標(biāo)的達成。
《圖像處理與機器視覺》課程教學(xué)采用動態(tài)案例教學(xué)方式,以人工智能AI手段輔助課程教學(xué),生成大量符合工程實踐又不影響實際工程生產(chǎn)專利保護的零部件圖片,為學(xué)生提供有效的課堂參考和實踐應(yīng)用案例樣本,讓課程教學(xué)融入具有挑戰(zhàn)性的工程問題。同時,在動態(tài)案例教學(xué)的實施過程中,不僅讓學(xué)生參與翻轉(zhuǎn)課堂,根據(jù)工程實際提出個性化解決方案,還通過問題差異性,有效監(jiān)督學(xué)生獨立思考,探索創(chuàng)新。經(jīng)教學(xué)評價反饋,動態(tài)案例教學(xué)的應(yīng)用,讓學(xué)習(xí)成為了學(xué)生的興趣,讓更多學(xué)生敢于大膽地動手實踐,激勵了創(chuàng)新思維的萌發(fā),有效培養(yǎng)學(xué)生分析和解決問題的能力。