计算机视觉项目开发实战（微课版）教案全套 项目1-10 初识计算机视觉-开发环境搭建 - 工业零件质检-卷积神经网络基础

计算机视觉项目开发实战（微课版）第第页项目名称项目一初识计算机视觉—开发环境搭建授课类型理论/理实一体化/实训理实一体化授课学时2学时教学目标知识目标1．理解计算机视觉的概念。2．掌握计算机视觉的发展历程与现状。3．了解计算机视觉的应用领域。4．理解Python、Anaconda、PyCharm、OpenCV、深度学习框架在计算机视觉应用开发中的协同作用。能力目标1．能够基于Anaconda和PyCharm搭建计算机视觉应用的开发环境。2．具有开发工具运用能力。3．能够根据具体应用场景选择匹配的工具组合。素养目标1．培养科技向善的价值观。2．培养精益求精的工匠精神。3．培养人文关怀意识。教学重点1.计算机视觉的概念、发展历程、应用领域及与人工智能的关系。2.Python、Anaconda、PyCharm、OpenCV、深度学习框架在计算机视觉开发中的角色与协同关系。3.基于Anaconda创建、管理、删除虚拟环境及安装库的完整流程。教学难点1.虚拟环境、包管理器、解释器、IDE之间的关系与协同工作原理。2.不同Python版本虚拟环境的创建、切换与隔离管理。3.开发环境搭建中常见问题（依赖冲突、版本不兼容、环境变量配置）的排查与解决。教学方法精选行业典型案例，构建真实问题场景研讨；实施PBL项目式教学；融合线上线下资源，开展混合教学。教材资源计算机视觉项目开发实战（微课版），人民邮电出版社，主编：杨元峰、董虎胜、赵敏涯，第一版，书号：978-7-115-70035-3教学设计教学活动教学内容学生活动教师活动设计目的项目导入1.计算机视觉的应用场景：智慧交通、医疗影像、智慧农业、个性化教育等。2.技术演进：从传统图像处理到“感知-理解-生成”一体化的通用视觉大模型。3.项目任务：搭建计算机视觉应用的开发环境。4.强调环境配置阶段的工程伦理与责任意识。观看计算机视觉应用案例视频，讨论开发环境稳定性对系统安全的影响。展示智慧交通、医疗CT筛查等案例，发布项目任务，引导学生树立科技向善价值观。以真实应用场景激发学习动机，培养科技向善的价值观与工程责任意识。知识准备1.计算机视觉概念、与AI的关系、发展历程与现状、应用领域。2.开发工具协同关系：Anaconda、PyCharm、Python、OpenCV、深度学习框架。3.虚拟环境的概念与作用：环境隔离、依赖管理、版本控制。跟随演示了解各工具的功能定位，讨论虚拟环境在团队协作与项目复现中的价值。“讲解+图解”方式阐述各工具的角色定位与协同关系，强调虚拟环境对于工程规范的重要性。系统理解开发工具链的协同逻辑，建立工程化开发思维，培养精益求精的工匠精神。项目实施搭建计算机视觉应用的开发环境。按步骤完成Anaconda安装、虚拟环境创建、PyCharm配置与库安装，记录遇到的问题与解决方案。演示完整搭建流程，巡回指导，及时排查学生遇到的环境问题。在动手实践中掌握开发环境搭建技能，培养解决实际工程问题的能力。项目拓展1.视觉大模型转型：SAM实现“提示分割”，通用基座降低开发门槛。2.多模态大模型：DeepSeek-VL实现图文协同与语义对齐，从“感知”跨越到“认知”。观看SAM与DeepSeek-VL技术演示，讨论新一代视觉开发对工具链的新要求。对比展示传统模型与大模型的开发方式差异，引导学生思考技术演进对开发环境的影响。拓宽技术视野，理解视觉AI从专用模型到通用基座的范式转移，激发探索国产大模型的兴趣。项目巩固场景：在个人计算机上基于Anaconda和PyCharm搭建计算机视觉应用的开发环境。独立完成环境搭建全流程，包含创建py385、py395、py311三个虚拟环境、安装指定库、删除虚拟环境及卸载库的操作。布置巩固任务，巡回指导，点评常见问题并总结环境管理的核心要点。在实践中深化对虚拟环境管理的理解，培养严谨规范、精益求精的工程素养。项目名称项目二图像加密解密—ROI操作与运算授课类型理论/理实一体化/实训理实一体化授课学时6学时教学目标知识目标1．掌握读取、显示、保存图像，图像通道处理，指定ROI以及色彩空间的选择等图像基本操作。2．理解掩模在图像操作中的基本原理。3．熟练掌握图像加法运算、减法运算、加权加法运算以及按位逻辑运算。4．理解图像加密解密原理。能力目标1．能够使用OpenCV实现图像的基本操作。2．能够进行图像运算。3．能够设计并实现图像加密解密方案。素养目标1．培养信息安全意识。2．培养严谨的科学态度。3．培养工程伦理素养。教学重点1.掩模的概念、创建方法及其在图像区域控制中的应用。2.图像加法、减法、加权加法及按位逻辑运算的实现。3.异或运算的自反性及其在图像加密解密中的原理。教学难点1.异或运算加密解密的数学原理与应用迁移。2.掩模、反掩模与按位运算配合时的数据流向与逻辑关系。3.多种图像操作综合集成为完整的项目解决方案。教学方法精选行业典型案例，构建真实问题场景研讨；实施PBL项目式教学；融合线上线下资源，开展混合教学。教材资源计算机视觉项目开发实战（微课版），人民邮电出版社，主编：杨元峰、董虎胜、赵敏涯，第一版，书号：978-7-115-70035-3教学设计教学活动教学内容学生活动教师活动设计目的项目导入1.图像安全的重要性：个人隐私、商业机密、国家安全。2.AI时代的新挑战：智能算法“视觉理解”与对抗攻击。3.项目任务：基于掩模和异或运算实现图像区域加密与解密。4.学习目标与要求。1.观看图像泄露案例，讨论日常图像隐私保护场景。2.明确项目任务，理解ROI、掩模、异或运算在其中的作用。1.展示真实案例，提出问题链：如何精准保护图像中的敏感区域？2.用“盾牌”与“密钥”比喻启发思考，发布项目任务书。1.激发学习动机，培养信息安全意识。2.建立项目驱动的学习预期。知识准备1.图像基本操作：读取/显示/保存、通道拆分合并、ROI切片、色彩空间转换。2.掩模：概念、创建方法及作用。3.图像运算：加法、减法、加权加法。4.按位逻辑运算：AND/OR/NOT/XOR。5.加密原理：对称加密，非对称/混合/深度学习加密简介。1.跟随演示运行基本操作代码。2.手动创建掩模并观察效果。3.对比两种加法的差异。4.推导单像素异或加密/解密过程。1.采用“讲解+实时编码”演示教学。2.运用对比教学法突出不同运算的差异。3.以像素示例讲透异或可逆性。4.布置即时练习，检查理解。1.系统构建从图像操作到加密原理的知识链条。2.培养严谨的科学态度。项目实施基于掩模和异或运算的图像区域加密、解密。分阶段编写代码，展示中间结果，互检掩模与ROI定位，改变ROI位置观察变化并验证解密完全还原。分步演示核心代码，巡回指导，设置断点提问并组织成果互评。综合运用图像操作、掩模与按位运算完成加解密闭环，培养分步实现、逐步验证的工程化开发能力。项目拓展1.视觉意义加密：将密文伪装为自然图像，避免暴露加密痕迹。2.混沌系统加密：利用伪随机性、遍历性和初值敏感性生成高安全性密钥。3.量子加密与神经隐写术：QKD确保密钥传输绝对安全，GAN将秘密信息隐藏于普通图像。观看前沿技术演示并讨论传统加密的改进方向与AI时代的新手段。从传统加密局限切入，对比展示新技术原理，引导学生思考技术演进与安全伦理的平衡。拓宽技术视野，了解图像加密从传统到智能的发展脉络，强化信息安全意识。项目巩固场景：猫脸图像增强（平移+双边滤波+直方图均衡）。小组讨论并绘制技术流程图，口头汇报方案并互评可行性。呈现案例，引导从技术与伦理双维度设计，点评补充并总结项目知识点。在真实医疗场景中综合运用ROI提取与加密知识，培养工程伦理素养和从需求到方案的系统设计能力。项目名称项目三图像艺术风格转换—图像滤波处理授课类型理论/理实一体化/实训理实一体化授课学时8学时教学目标知识目标1．掌握图像缩放、翻转、仿射变换与透视变换的方法。2．了解图像直方图的含义。3．掌握均值滤波、高斯滤波、中值滤波、双边滤波、方框滤波及2D滤波的原理与适用场景。能力目标1．能够基于OpenCV完成图像的缩放、翻转、仿射变换与透视变换。2．能够对图像进行直方图均衡。3．能够根据风格化需求选择合适的滤波算法，并优化滤波参数。素养目标1．培养文化尊重与审美包容意识。2．强化技术伦理与责任意识。3．担负起文化传承使命。教学重点1.图像缩放、翻转、仿射变换与透视变换的实现方法。2.图像直方图的含义与直方图均衡的原理。3.均值滤波、高斯滤波、中值滤波、双边滤波的原理、特点与适用场景。教学难点1.仿射变换与透视变换的变换矩阵推导与参数设定。2.不同滤波算法在去噪、平滑、边缘保留之间的权衡与选择依据。3.滤波参数的优化调整。教学方法精选行业典型案例，构建真实问题场景研讨；实施PBL项目式教学；融合线上线下资源，开展混合教学。教材资源计算机视觉项目开发实战（微课版），人民邮电出版社，主编：杨元峰、董虎胜、赵敏涯，第一版，书号：978-7-115-70035-3教学设计教学活动教学内容学生活动教师活动设计目的项目导入1.风格迁移技术的文化价值：故宫古画色彩复原、非遗纹样创新、乡村AI美育、残障艺术创作。2.技术演进脉络。3.项目任务：将普通照片转换为多种艺术风格（油画、铅笔画、水彩画）的图像。4.学习目标与要求。观看文化案例与技术演示，讨论图像风格转换的社会应用价值。展示故宫古画复原、国风水墨生成等案例，发布项目任务，激发文化使命感。以文化传承与艺术普惠为切入点，培养文化尊重与审美包容意识，激发学习动机。知识准备1.几何变换：缩放、翻转、仿射变换、透视变换的矩阵原理与实现。2.图像直方图：含义、绘制与直方图均衡。3.图像滤波：均值滤波、高斯滤波、中值滤波、双边滤波、方框滤波、2D滤波的原理、参数与适用场景对比。跟随演示运行几何变换代码，绘制直方图并观察均衡效果，对比不同滤波的输出差异。“讲解+实时编码”演示，以对比教学法突出各类滤波的优缺与适用场景，布置即时练习。系统构建从几何变换到滤波处理的完整知识链，为艺术风格转换奠定技术基础。项目实施将普通照片转换为多种艺术风格（油画、铅笔画、水彩画）的图像。分阶段编写代码，调节滤波参数观察风格变化，展示风格化结果并互评。分步演示各艺术风格的滤波组合方案，巡回指导参数优化，组织成果展示。在风格转换实践中掌握滤波算法的综合运用，培养审美判断能力与参数调优的工程能力。项目拓展1.传统滤波的局限：人工设计的滤波器难以捕捉油画笔触、水墨晕染等高阶艺术效果。2.生成式大模型：以数亿参数神经网络作为“智能动态滤波器”，理解全局语义与风格特征进行风格化。3.多模态大模型：视觉-语言模型理解图文语义关联，实现自然语言驱动的精准风格控制。观看生成式AI风格转换演示，对比传统滤波与AI方法的差异，讨论各自适用场景。从本项目的滤波方法切入，对比展示生成式与多模态大模型的风格转换能力，引导思考技术演进趋势。拓宽技术视野，理解从传统滤波到智能生成的技术范式转移，强化创新意识与技术伦理责任。项目巩固场景：医生需在医学影像中标记肿瘤区域并加密传输给远程专家。独立编写代码完成三个任务，输出并展示三幅结果图像，互评效果。布置巩固任务，巡回指导，点评常见问题并总结项目核心知识点。在真实图像增强场景中综合运用几何变换、滤波与直方图均衡，强化技术应用能力与严谨的科学态度。项目名称项目四车牌识别—形态学处理与轮廓检测授课类型理论/理实一体化/实训理实一体化授课学时8学时教学目标知识目标1．理解图像阈值处理的核心思想，掌握不同阈值处理方法的适用场景及优缺点。2．掌握形态学变换的核心思想，掌握不同形态学操作的作用。3．掌握查找、绘制图像轮廓及分析轮廓特征的基本方法。4．理解边缘检测算法的原理，熟悉不同边缘检测算法的特点及应用场景。能力目标1．能够使用OpenCV库实现图像的全局阈值处理和自适应阈值处理。2．能够运用形态学变换对图像进行去噪、分割等预处理操作，优化图像质量。3．能够查找、绘制图像的轮廓，并分析轮廓特征。4．能够使用Sobel、Laplacian、Canny等边缘检测算法提取图像的边缘信息。素养目标1．培养交通安全意识。2．培养社会责任感。3．培养法治精神。教学重点1.图像阈值处理的原理及全局阈值与自适应阈值的实现方法。2.形态学变换（腐蚀、膨胀、开运算、闭运算等）的核心思想与作用。3.图像轮廓的查找、绘制与特征分析方法。4.边缘检测算法（Sobel、Laplacian、Canny）的原理与适用场景。教学难点1.形态学操作的结构核设计及不同操作组合对车牌区域提取的影响。2.轮廓特征分析（面积、长宽比、紧密度等）在车牌区域筛选中的综合运用。3.针对复杂背景和光照变化，合理选择阈值方法、形态学操作与边缘检测算法的组合策略。教学方法精选行业典型案例，构建真实问题场景研讨；实施PBL项目式教学；融合线上线下资源，开展混合教学。教材资源计算机视觉项目开发实战（微课版），人民邮电出版社，主编：杨元峰、董虎胜、赵敏涯，第一版，书号：978-7-115-70035-3教学设计教学活动教学内容学生活动教师活动设计目的项目导入1.车牌识别在智慧交通、公共安全、自动驾驶等领域的关键作用。2.技术演进：传统图像处理、深度学习端到端识别。3.项目任务：在车辆图像中定位车牌位置并提取车牌区域。4.强调技术向善、数据合规使用的法治精神与社会责任。观看智慧交通系统演示视频，讨论车牌识别技术的应用场景与伦理边界。展示电子警察、智能停车场等案例，发布项目任务，引导学生树立法治精神。以智慧交通为场景激发学习动机，培养交通安全意识、社会责任感和法治精神。知识准备1.阈值处理：全局阈值与自适应阈值的原理与适用场景。2.形态学变换：腐蚀、膨胀、开运算、闭运算、形态学梯度、顶帽、黑帽核心思想与作用。3.轮廓检测：查找轮廓、绘制轮廓、轮廓特征分析。4.边缘检测：Sobel算子、Laplacian算子、Canny边缘检测的原理、特点与参数调优。跟随演示运行阈值处理与形态学操作，对比不同边缘检测算法的输出差异。“讲解+实时编码”演示，以对比教学法突出各类操作的适用场景，布置即时练习。系统构建从阈值分割到轮廓提取的知识链条，为车牌区域定位奠定技术基础。项目实施在车辆图像中定位车牌位置，并提取出车牌区域图像。分阶段编写代码完成车牌定位：预处理、形态学增强、轮廓查找、车牌区域筛选，展示中间结果并互评。分步演示车牌定位流程，巡回指导，引导分析车牌轮廓的几何特征并优化筛选策略。在车牌定位实战中综合运用阈值处理、形态学变换与轮廓检测，培养图像预处理与目标筛选的工程能力。项目拓展1.传统方法的局限：依赖人工设计特征与参数，泛化能力弱，复杂环境下性能下降。2.深度学习的范式转变：数据驱动自动学习特征，CNN+RNN+CTC实现端到端车牌检测与字符识别。3.轻量化改进。观看深度学习车牌识别演示，对比传统方法与深度学习的性能差异，讨论两者的互补关系。从本项目传统方法切入，对比展示深度学习的车牌检测与字符识别方案，引导思考技术演进趋势。拓宽技术视野，理解从传统图像处理到端到端智能识别的范式转移，强化创新意识。项目巩固场景：基于阈值处理、形态学变换与轮廓提取技术对包含多枚硬币的图像（coins.png）进行硬币检测。独立编写代码完成硬币检测，输出标记结果图，对比筛选前后的轮廓差异。布置巩固任务，巡回指导，点评轮廓筛选策略，总结项目核心知识点。在硬币检测场景中综合运用阈值处理、形态学变换与轮廓分析，强化目标检测与筛选的系统性思维。项目名称项目五图像检索—特征提取与相似度匹配授课类型理论/理实一体化/实训理实一体化授课学时6学时教学目标知识目标1．理解Harris角点检测、Shi-Tomasi角点检测的基本原理及其在图像处理中的应用，了解如何通过优化Harris角点检测算法来提高角点检测的准确性和效率。2．掌握FAST、SIFT、ORB、LBP等特征检测算法的基本原理、特点及适用场景。3．理解暴力匹配器和FLANN匹配器的工作原理，能够根据实际需求选择合适的匹配方法。能力目标1．能够实现基础Harris角点检测、优化版Harris角点检测以及Shi-Tomasi角点检测算法。2．能够熟练应用FAST、SIFT、ORB等特征检测算法对图像进行特征提取。3．能够使用暴力匹配器和FLANN匹配器实现特征点的匹配。素养目标1．培养安全意识与伦理素养。2．培养文化传承与保护意识。3．培养创新应用思维。教学重点1.Harris角点检测与Shi-Tomasi角点检测的原理与实现方法。2.FAST、SIFT、ORB、LBP等特征检测算法的基本原理、特点与适用场景。3.暴力匹配器与FLANN匹配器的工作原理与选择依据。教学难点1.不同特征检测算法在尺度、旋转、光照变化下的鲁棒性差异与选型依据。2.特征匹配中误匹配剔除策略的原理与阈值调优。3.针对具体检索任务，合理组合特征提取与匹配算法的策略设计。教学方法精选行业典型案例，构建真实问题场景研讨；实施PBL项目式教学；融合线上线下资源，开展混合教学。教材资源计算机视觉项目开发实战（微课版），人民邮电出版社，主编：杨元峰、董虎胜、赵敏涯，第一版，书号：978-7-115-70035-3教学设计教学活动教学内容学生活动教师活动设计目的项目导入1.图像检索在文化保护与智能制造中的关键作用。2.技术演进：传统特征检测到国产AI大模型视觉特征学习。3.项目任务：给定一幅艺术画作，在画廊数据库中查找视觉风格与其最相似的画作。4.强调技术应用中文化传承与数据安全的双重责任。观看数字化文物保护与工业视觉检测案例，讨论图像检索技术的应用价值与社会意义。展示敦煌壁画数字化、百度高精地图等案例，发布项目任务，引导树立文化传承与创新意识。以文化保护与产业创新为切入点激发学习动机，培养文化传承意识与创新应用思维。知识准备1.角点检测：Harris角点检测的原理与优化方法；Shi-Tomasi角点检测的改进策略。2.特征检测：FAST）、SIFT、ORB、LBP的原理、特点与适用场景。3.特征匹配：暴力匹配器与FLANN匹配器的工作原理、优缺点与选型依据。跟随演示运行各类特征检测算法，对比不同算法的检测结果与耗时，总结各自特点。“讲解+实时编码”演示各类特征检测与匹配方法，以对比表格突出算法差异与选型依据。系统构建从角点检测到特征匹配的完整知识体系，为图像检索奠定技术基础。项目实施给定一幅艺术画作，在画廊数据库中查找视觉风格与其最相似的画作。分阶段编写代码完成图像检索：特征提取、特征匹配、相似度排序、输出最相似画作，展示检索结果并互评。分步演示图像检索流程，巡回指导，引导分析不同特征算法对检索效果的影响。在艺术画作检索实战中综合运用特征提取与匹配技术，培养算法选型与结果评估能力。项目拓展1.传统特征方法的局限：特征表示能力有限、对复杂场景敏感、难以理解语义内容。2.多模态大模型范式转变：CLIP通过海量图像-文本对对比学习，统一映射图像与文本语义空间，实现零样本检索。3.语言引导的图像检索：组合图像检索与交互式推理，从“能检索”向“懂意图”演进。观看多模态大模型图像检索演示，对比传统特征方法与AI方法的差异，讨论各自优势与局限。从本项目的传统特征匹配切入，对比展示CLIP等多模态模型的跨模态检索能力，引导思考技术演进方向。拓宽技术视野，理解从手工特征到多模态语义理解的技术跃迁，强化创新应用思维。项目巩固场景：使用ORB特征检测算法提取两幅输入图像的特征点，通过FLANN匹配器进行特征匹配，过滤错误匹配结果后，可视化并保存匹配结果。独立编写代码完成ORB特征提取、FLANN匹配与Lowe比率测试，输出并保存匹配结果可视化图像。布置巩固任务，巡回指导，点评匹配结果质量，总结项目核心知识点。在图像匹配场景中综合运用特征提取与FLANN匹配技术，强化参数调优与结果筛选的工程能力。项目名称项目六交通标志识别—图像分割与模板匹配授课类型理论/理实一体化/实训理实一体化授课学时6学时教学目标知识目标1．理解像素阈值分割法、分水岭算法的原理及其应用场景。2．理解图像金字塔的构建过程及其在多尺度目标检测中的作用。3．理解目标匹配的相似度度量方法及其适用场景。能力目标1．能够基于像素阈值分割法、分水岭算法实现图像分割。2．能够利用图像金字塔进行多尺度目标检测。3．能够使用模板匹配方法实现目标匹配。素养目标1．培养严谨工程态度。2．培养社会责任感。3．培养技术报国情怀。教学重点1.像素阈值分割法与分水岭算法的原理及实现。2.图像金字塔的构建过程及其在多尺度目标检测中的作用。3.模板匹配的原理与相似度度量方法。教学难点1.分水岭算法的过分割问题及标记前景/背景的改进策略。2.图像金字塔多尺度模板匹配中尺度空间构建与匹配策略的权衡。3.复杂道路场景下分割阈值选取与模板匹配相似度阈值的参数调优。教学方法精选行业典型案例，构建真实问题场景研讨；实施PBL项目式教学；融合线上线下资源，开展混合教学。教材资源计算机视觉项目开发实战（微课版），人民邮电出版社，主编：杨元峰、董虎胜、赵敏涯，第一版，书号：978-7-115-70035-3教学设计教学活动教学内容学生活动教师活动设计目的项目导入1.交通标志识别在自动驾驶与智慧交通中的关键作用及现实挑战。2.技术演进：传统图像处理→深度学习→多模态大模型。3.项目任务：从道路图像中自动检测和识别交通标志。4.强调技术应用关乎人民出行安全的社会责任。观看智能交通系统演示与交通事故案例，讨论交通标志识别技术对公共安全的现实意义。展示智能交通监控与自动驾驶案例，发布项目任务，引导学生树立技术报国情怀。以交通安全为切入点激发学习动机，培养社会责任感和技术报国情怀。知识准备1.图像分割：像素阈值分割法的原理与实现；分水岭算法的原理及过分割改进策略。2.模板匹配：单目标匹配与多目标匹配的原理；常用相似度度量方法及适用场景。3.图像金字塔：高斯金字塔与拉普拉斯金字塔的构建原理；图像金字塔在多尺度目标检测中的应用。跟随演示运行阈值分割、分水岭算法与模板匹配代码，对比不同参数对分割与匹配结果的影响。“讲解+实时编码”演示，以对比教学法突出各方法的特点与适用场景，强调参数调优的工程要求。系统构建从图像分割到模板匹配的知识体系，为交通标志检测奠定技术基础。项目实施从道路图像中自动检测和识别交通标志。分阶段编写代码完成交通标志检测：预处理、分割提取候选区域、图像金字塔多尺度匹配、输出识别结果，展示检测效果并互评。分步演示交通标志检测流程，巡回指导，引导分析检测结果的误报与漏报原因并优化策略。在交通标志检测实战中综合运用分割、金字塔与模板匹配技术，培养严谨工程态度。项目拓展1.深度学习突破：CNN自动学习层次化特征；目标检测框架；FPN与注意力机制提升小目标识别鲁棒性。2.大模型认知升级：多模态大模型统一视觉-语言语义空间（CLIP），从“看见”标志向“读懂”场景演进，实现语义级场景理解与推理。观看深度学习交通标志识别演示，对比传统方法与深度学习的性能差异，讨论多模态大模型的场景理解能力。从本项目传统方法切入，对比展示深度学习与大模型的交通场景理解方案，引导思考从“感知”到“认知”的范式演进。拓宽技术视野，理解交通标志识别从手工特征到智能理解的演进历程，激发技术报国情怀。项目巩固场景：某智能交通系统开发商计划部署一套交通标志自动识别系统，用于城市道路监控和自动驾驶辅助。实际测试中面临复杂背景干扰、尺度变化适应、光照条件影响三大技术挑战。分组讨论三大挑战的解决方案，编写代码验证思路，展示改进后的检测结果并互评。布置巩固任务，引导分析各挑战的技术本质，巡回指导并点评解决方案。在真实交通场景挑战中综合运用分割、金字塔与模板匹配技术，强化复杂工程问题的分析与解决能力。项目名称项目七视频监控—运动目标检测与跟踪授课类型理论/理实一体化/实训理实一体化授课学时8学时教学目标知识目标1．掌握视频读取、显示、保存、剪辑与裁剪、帧率调整、预处理等视频基本操作。2．理解背景差分法、帧间差分法、光流法等运动目标检测方法的基本原理、适用场景及各自的优缺点。3．理解MeanShift/CamShift、光流法、相关滤波及卡尔曼滤波等运动目标跟踪方法的基本原理及工作流程。4．认知卡尔曼滤波的预测-更新双阶段工作模式。能力目标1．能够使用OpenCV实现视频的基本操作。2．能够实现背景差分法、帧间差分法，并应用OpenCV的光流法进行运动目标检测。3．能够实现基于MeanShift/CamShift、光流法、KCF算法等的目标跟踪。素养目标1．培养科学精神与态度。2．培养团队协作与沟通能力。3．培养信息安全与伦理意识。教学重点1.视频的读取、显示、保存、剪辑裁剪、帧率调整与预处理等基本操作。2.背景差分法、帧间差分法、光流法的原理、适用场景及优缺点对比。3.MeanShift/CamShift、光流法、相关滤波（KCF）、卡尔曼滤波等跟踪方法的原理与工作流程。4.卡尔曼滤波的预测-更新双阶段工作模式。教学难点1.背景差分法中背景建模与动态更新的机制及参数调优。2.不同运动检测方法在光照变化、遮挡、动态背景等复杂场景下的选型依据。3.卡尔曼滤波的状态预测与观测更新在目标跟踪中的协同与参数设计。4.多目标跟踪中遮挡处理与ID维持的策略实现。教学方法精选行业典型案例，构建真实问题场景研讨；实施PBL项目式教学；融合线上线下资源，开展混合教学。教材资源计算机视觉项目开发实战（微课版），人民邮电出版社，主编：杨元峰、董虎胜、赵敏涯，第一版，书号：978-7-115-70035-3教学设计教学活动教学内容学生活动教师活动设计目的项目导入1.视频监控在公共安全、智慧交通、智慧工厂等领域的核心价值。2.技术发展：传统视频分析→深度学习→多模态大模型→端侧智能。3.项目任务：从视频中实时识别、定位并跟踪运动目标。4.强调技术应用中的隐私保护与伦理规范。观看智慧安防与智能交通视频案例，讨论视频监控技术的社会价值与潜在风险。展示海康威视智慧安防、华为全息路口、智能驾驶环境感知等案例，发布项目任务，引导树立信息安全与伦理意识。以公共安全与智慧交通为场景激发学习动机，培养科学精神与信息安全伦理意识。知识准备1.视频基本操作：读取、显示、保存、剪辑裁剪、帧率调整、预处理。2.运动目标检测：背景差分法的原理与适用场景；帧间差分法的原理与适用场景；光流法的原理与优缺点对比。3.运动目标跟踪：MeanShift/CamShift的原理；光流法跟踪；相关滤波（KCF）的原理；卡尔曼滤波的预测-更新双阶段工作模式。跟随演示运行视频操作、运动检测与跟踪代码，对比不同方法在相同视频上的效果差异。“讲解+实时编码”演示，以对比表格突出各方法的优缺与选型依据，强调参数调优的科学态度。系统构建从视频处理到目标检测与跟踪的完整知识体系，为项目实战奠定基础。项目实施从视频中实时识别、定位并跟踪运动目标。分阶段编写代码完成视频目标跟踪：视频读取与预处理、运动目标检测、目标跟踪、结果输出与可视化，展示跟踪效果并互评。分步演示运动目标检测与跟踪流程，巡回指导，引导分析跟踪漂移与丢失原因并优化策略。在视频目标跟踪实战中综合运用检测与跟踪技术，培养科学严谨的工程态度与团队协作能力。项目拓展1.多模态大模型视频理解：VLA模型融合视觉-语言-动作，实现自然语言驱动的目标跟踪与场景认知；视频多模态建模实现长时序分析与因果推理。2.边缘计算与端侧智能：异构计算将延迟降至毫秒级；模型轻量化技术实现复杂模型在边缘设备的高效部署，保障数据隐私与实时响应。观看VLA模型与端侧智能技术演示，讨论边缘计算对隐私保护和实时性的意义。从本项目传统方法切入，对比展示多模态大模型与端侧智能的前沿进展，引导思考技术演进与伦理平衡。拓宽技术视野，理解从传统视频分析到多模态认知智能的演进，强化信息安全与隐私保护意识。项目巩固场景：某市计划在一条主干道的路口部署一套智慧交通系统，旨在实时检测、跟踪通过的车辆，并统计不同时段的车流量。该路口光线变化显著（从白天到夜晚），且常伴有雨雪天气。摄像机固定拍摄，但场景中存在树叶摇曳、行人穿梭等干扰。分组讨论设计方案，撰写技术方案文档并汇报答辩，互评方案可行性。布置巩固任务，引导从技术选型、参数设计、遮挡处理等多维度设计，点评总结。在真实智慧交通场景中综合运用检测与跟踪知识设计完整方案，培养团队协作能力与科学精神。项目名称项目八中草药分类—SVM图像分类授课类型理论/理实一体化/实训理实一体化授课学时6学时教学目标知识目标1．掌握机器学习的基本概念、主要分类及典型工作流程。2．理解SVM的基本原理，以及核函数的作用与选择。3．掌握准确率、精确率、召回率等指标的计算方法与适用场景，理解混淆矩阵的构成及其在模型性能分析中的作用。能力目标1．能够将实际问题抽象为机器学习问题。2．能够使用SVM构建分类模型。3．能够准确计算并解读分类模型的评价指标。素养目标1．培养算法公平性与算法偏见的认知素养。2．培养合理利用资源与可持续发展的意识。3．激发创新精神与社会责任感。教学重点1.机器学习的基本概念、主要分类及典型工作流程。2.SVM的基本原理及核函数的作用与选择。3.准确率、精确率、召回率的计算方法与适用场景；混淆矩阵的构成及其在模型性能分析中的作用。教学难点1.核函数将低维不可分数据映射到高维可分空间的原理理解与核函数选型依据。2.图像特征的设计与特征降维。3.类别不平衡对SVM分类器的影响及应对策略。4.混淆矩阵与多分类评价指标的综合解读。教学方法精选行业典型案例，构建真实问题场景研讨；实施PBL项目式教学；融合线上线下资源，开展混合教学。教材资源计算机视觉项目开发实战（微课版），人民邮电出版社，主编：杨元峰、董虎胜、赵敏涯，第一版，书号：978-7-115-70035-3教学设计教学活动教学内容学生活动教师活动设计目的项目导入1.中草药的文化价值与数字化机遇：《神农本草经》到《中国药典》，中医药数字化研究。2.技术演进：手工特征+SVM→深度CNN→多模态大模型。3.项目任务：输入植物叶片图像，识别常见中草药植物。4.强调用数字技术守护文化瑰宝的“守正创新”精神。观看中草药数字化案例，讨论AI技术对中医药传承与珍稀植物保护的意义。展示中国中医科学院数字化研究、百度飞桨植物识别等案例，发布项目任务，引导树立文化自信与创新精神。以中草药数字化为切入点激发学习动机，培养创新精神与社会责任感。知识准备1.机器学习概述：基本概念、主要分类、典型工作流程。2.SVM原理：最大间隔超平面、支持向量、核函数的作用与选择依据、软间隔与惩罚参数C的理解。3.模型评价：混淆矩阵的构成；准确率、精确率、召回率的计算方法与适用场景；F1-Score的综合评价。跟随演示理解SVM原理与核函数作用，计算给定混淆矩阵的各评价指标。“讲解+推导”SVM核心原理，以对比表格展示不同核函数的适用场景，布置评价指标计算练习。系统构建从机器学习基础到SVM原理与模型评价的完整知识体系，为图像分类奠定基础。项目实施输入植物叶片图像，识别常见中草药植物。分阶段编写代码完成中草药分类：图像预处理与特征提取、SVM模型训练、模型评估、分类预测与结果展示。分步演示中草药分类流程，巡回指导，引导分析分类错误样本与模型改进策略。在中草药分类实战中掌握SVM模型构建全流程，培养将实际问题抽象为机器学习问题的能力。项目拓展1.传统方法的局限：SVM依赖人工设计特征，难以全面捕捉判别信息，复杂场景下泛化能力受限。2.深度学习突破：摆脱人工特征依赖，精度与鲁棒性显著提升。3.大模型拓展能力边界：零样本/少样本学习减少标注依赖；多模态融合图像与文本实现知识推理识别。观看CNN与多模态大模型中草药识别演示，对比SVM、CNN与大模型的性能差异与适用场景。从本项目SVM切入，对比展示深度学习与大模型的中草药识别能力，引导思考技术演进与“守正创新”的内涵。拓宽技术视野，理解从传统机器学习到通用人工智能的演进，激发合理利用资源的可持续发展意识。项目巩固场景：某中医药研究院开发智能中草药识别系统，实际应用中面临图像质量不一、类别不平衡、模型泛化能力不足三大问题。分组讨论三大问题的解决方案，设计技术方案并汇报答辩。布置巩固任务，引导从预处理、数据增强、类权重调整、数据扩增等多维度设计解决方案，点评总结。在真实系统开发场景中综合运用图像预处理、类别不平衡处理与模型优化知识，培养算法公平性认知素养与可持续发展意识。项目名称项目九艺术海报生成—k-Means配色与风格化授课类型理论/理实一体化/实训理实一体化授课学时6学时教学目标知识目标1．掌握聚类的概念及算法的评价指标。2．掌握k-Means算法的概念与实现流程。3．掌握使用肘部法及轮廓系数分析法选择k值的原理。能力目标1．能够实现完整的k-Means聚类流程。2．能够使用肘部法确定最优聚类数目。3．能够使用轮廓系数分析法确定k-Means聚类中的最佳k值。素养目标1．培养精益求精的工匠精神。2．培养技术伦理与版权意识。3．培养文化自信与创新意识。教学重点1.聚类的概念及聚类算法的评价指标。2.k-Means算法的核心思想与实现流程。3.肘部法与轮廓系数分析法的原理与运用。教学难点1.k-Means算法对初始聚类中心敏感性及K-Means++优化策略的理解。2.轮廓系数的计算原理及其对不同k值聚类效果的评估逻辑。3.颜色空间选择对聚类效果的影响及颜色量化中k值的权衡。4.聚类结果与艺术审美之间的差异认知—数学最优并非艺术最优。教学方法精选行业典型案例，构建真实问题场景研讨；实施PBL项目式教学；融合线上线下资源，开展混合教学。教材资源计算机视觉项目开发实战（微课版），人民邮电出版社，主编：杨元峰、董虎胜、赵敏涯，第一版，书号：978-7-115-70035-3教学设计教学活动教学内容学生活动教师活动设计目的项目导入1.艺术海报创作中“技术理性”与“人文感性”的融合，色彩表达的文化传播价值。2.技术演进：k-Means颜色量化→生成式AI文生图→国产大模型的水墨画生成优势。3.项目任务：量化图像颜色，提取图像主色调生成调色板，生成艺术海报。4.强调技术应用于艺术创作时的版权意识与文化自信。观看AIGC艺术生成演示与k-Means配色案例，讨论AI辅助创作中的原创性与版权伦理。展示文心一格、通义万相等国产AI生成的水墨风格作品，发布项目任务，引导树立文化自信与技术伦理意识。以艺术创作与技术融合为切入点激发学习动机，培养文化自信、创新意识与技术伦理素养。知识准备1.聚类概念：聚类定义、与分类的区别；聚类算法的评价指标。2.k-Means算法：核心思想、实现流程、优缺点。3.k值选取：肘部法；轮廓系数分析法。跟随演示运行k-Means聚类，计算不同k值的SSE与轮廓系数并绘制曲线，观察肘部拐点。“讲解+演示”k-Means实现流程，以对比图表展示肘部法与轮廓系数法的k值确定过程，布置即时练习。系统构建从聚类概念到k-Means算法再到k值选取的完整知识体系，为颜色量化奠定基础。项目实施量化图像颜色，提取图像主色调生成调色板，生成艺术海报。分阶段编写代码完成艺术海报生成：图像颜色聚类、肘部法与轮廓系数确定最优k值、主色调提取与调色板生成、颜色量化与海报风格化输出，展示效果并互评。分步演示颜色量化与主色调提取流程，巡回指导，引导分析聚类效果与艺术审美的关系。在艺术海报生成实战中运用k-Means颜色量化与k值选取方法，培养精益求精的工匠精神与审美判断能力。项目拓展1.智能化风格迁移：k-Means量化得到颜色结构图，输入扩散模型结合风格文本提示生成拥有丰富笔触与质感的高质量艺术图像。2.语义化色彩设计：提取主色调转化为自然语言场景描述，大模型将抽象配色方案生成具象高质量视觉灵感图。观看k-Means+扩散模型风格迁移与语义化色彩生成演示，讨论传统聚类与生成式AI在艺术创作中的协作关系。从本项目k-Means颜色量化切入，对比展示与扩散模型、多模态大模型结合的艺术生成方案，引导思考技术融合与版权边界。拓宽技术视野，理解从颜色量化到智能艺术生成的范式跃迁，强化技术伦理与版权意识。项目巩固场景：某创意设计公司开发智能艺术海报生成系统，实际中面临色彩提取准确性、k值选择困难、艺术风格单一三大问题。分组讨论三大问题的解决方案，设计技术方案并汇报答辩。布置巩固任务，引导从特征工程、k值自适应策略、风格迁移集成等多维度设计解决方案，点评总结。在真实系统开发场景中综合运用聚类优化、k值确定与风格扩展知识，培养精益求精的工匠精神与创新意识。项目名称项目十工业零件质检—卷积神经网络基础授课类型理论/理实一体化/实训理实一体化授课学时8学时教学目标知识目标1．掌握CNN的组成模块的作用。2．理解深度学习模型训练的关键机制。3．熟悉经典CNN模型的改进思路。4．掌握迁移学习的理论与应用方法。能力目标1．能够实现CNN模型的基础搭建与训练。2．能够优化模型训练过程与性能。3．能够应用经典CNN模型与迁移学习。素养目标1．培养精益求精的工匠精神。2．培养社会责任感与合理使用资源的意识。3．培养科学严谨的工作作风。教学重点1.CNN的组成模块：卷积层、池化层、激活函数、全连接层与输出层的作用与原理。2.深度学习模型训练关键机制：前向传播与反