郭斯羽，溫 和，凌志剛，劉 敏

（湖南大學 電氣與信息工程學院，湖南 長沙 410082）

引言

近年來，以深度學習、強化學習和遷移學習等高級機器學習理論的迅猛發(fā)展為代表，人工智能領域迎來了新的高速發(fā)展［1］，也帶動了電力人工智能的進一步發(fā)展，成為能源數(shù)字化變革的一個關鍵的驅動技術［2］。為響應技術發(fā)展的趨勢與需求，眾多高校的電氣工程相關本科與研究生專業(yè)均加強了有關人工智能的課程教學。

在課程體系的改革方面，王立國等［3］參考了康奈爾大學的ECE4950課程，面向電氣工程專業(yè)設計了人工智能課程培養(yǎng)體系，通過機理分析、系統(tǒng)設計、算法開發(fā)、仿真模擬到實驗驗證的過程，實施人工智能控制算法教學；韓龍等［4］研究了融入人工智能新概念理論的電氣工程與智能控制專業(yè)培養(yǎng)模式，從培養(yǎng)目標、課程體系、課堂與實踐教學、考核評價環(huán)節(jié)等方面進行了改革；徐祥征［5］以“人工智能+新工科”為導向，在電氣工程及自動化專業(yè)的課程體系中增加了多門人工智能領域的課程。

也有若干研究開展了具體課程的改革。楊知方等［6］在“電力系統(tǒng)綜合仿真實驗”課程中增加了人工智能基礎知識與應用的內容，利用深度網(wǎng)絡進行負荷預測和故障識別；王博［7］在電氣類的“自動檢測與智能儀表技術”課程中，利用人工智能方法進行傳感器的非線性動態(tài)補償和過程控制中變量的軟測量；樊小朝［8］面向電氣工程專業(yè)的研究生開設了“智能控制理論與應用”課程，結合智能控制在電力系統(tǒng)中的應用，在電氣工程專業(yè)研究生的培養(yǎng)過程中引入了人工智能領域的知識和實踐。

圖像處理與機器視覺是人工智能領域的重要分支。得益于深度學習的發(fā)展，基于圖像的檢測方法在包括電氣工程在內的各類工程問題中的適用性不斷提高。對電氣工程專業(yè)的研究生來說，不論是攻讀學位期間的科研任務，還是畢業(yè)后作為電氣工程領域的技術人員和管理人員，都將越來越多地接觸與圖像處理有關的研發(fā)任務。因此，有必要對圖像處理的相關問題和方法進行系統(tǒng)性了解，從而提出或評估基于圖像的工程應用解決方案。

本文針對電氣工程專業(yè)的研究生，就“數(shù)字圖像處理”課程的課程目標、教學內容、實踐內容以及考核環(huán)節(jié)進行改革，使課程緊貼專業(yè)實際需求，在相對有限的學時內，為學生提供充分的理論與實踐教學，使其具備應用圖像處理方法解決具有一定復雜度的電氣工程領域實際工程問題的能力。

一、課程的改革舉措

（一）課程目標

多數(shù)電氣工程專業(yè)研究生的培養(yǎng)目標，是培養(yǎng)具備電氣工程領域系統(tǒng)專業(yè)知識以及學術研究和技術開發(fā)能力，能夠在畢業(yè)后勝任領域內研究機構、產業(yè)部門和企業(yè)的理論研究、技術研發(fā)、工程應用及管理崗位的專業(yè)人才。圖像處理技術作為從視覺數(shù)據(jù)中獲取信息的一種手段，在電氣工程專業(yè)研究生目標崗位中發(fā)揮著重要作用，是針對電力系統(tǒng)、電氣設備、電機電器等對象，檢測其在設計、制造、建設、運行、維護、管理過程中的各類狀態(tài)，從而為后續(xù)決策步驟提供高效、可靠、有效的信息來源。例如，在輸配電系統(tǒng)的運行監(jiān)測中，結合無人機或無人車自動巡檢，可以通過圖像處理方法獲取電網(wǎng)設備的運行狀態(tài)，發(fā)現(xiàn)電網(wǎng)的故障或安全隱患；或通過視頻中的動作檢測，對售電部門的人員服務質量進行評價等。

圖像處理技術的不斷發(fā)展，使其在電氣工程領域中的應用日益廣泛。電氣工程專業(yè)的研究生有必要了解圖像處理的知識，從而在面對電氣工程領域的實際問題時，提出基于圖像處理的新解決思路，或對涉及圖像處理技術的解決方案的可行性、性能和成本因素加以評估。

大多數(shù)電氣工程專業(yè)的研究生在本科階段并未系統(tǒng)地學過數(shù)字圖像處理方面的課程，因此可將電氣工程專業(yè)的研究生視為圖像處理的零基礎學習者。對他們而言，本課程應較為系統(tǒng)全面地介紹數(shù)字圖像處理領域的主要問題、方法和解決問題的思路，并能在相對較短的授課時間內將這些方法和思路與電氣工程領域的實際應用問題聯(lián)系起來，將課堂中的知識迅速轉化為實際應用的能力。

結合上述對專業(yè)培養(yǎng)目標和學生知識基礎的分析，改革后的“數(shù)字圖像處理”課程的課程教學目標設計如下：（1）學生能夠較為全面整體地了解數(shù)字圖像處理所涉及的技術問題、典型的解決方案和工程應用思路，了解數(shù)字圖像處理技術在電氣工程領域的典型應用場景。（2）學生能夠理解常用數(shù)字圖像處理算法的適用范圍、主要思路及其優(yōu)缺點，并能借助支持數(shù)字圖像處理操作的快捷編程工具如OpenCV、具備第三方包支持的Python、MATLAB等，編程解決具有一定復雜度的圖像處理任務。（3）學生能夠針對電氣工程領域具體的應用需求，提出可行的基于圖像的解決方案，或從性能、成本、實現(xiàn)的環(huán)境需求等方面，對已有的圖像處理解決方案進行綜合評價，從而得到關于方案可行性或適用條件的有效結論。

（二）教學內容

“數(shù)字圖像處理”課程主要包括數(shù)字圖像的基礎知識，如數(shù)字圖像的獲取，灰度級、分辨率、連通性、區(qū)域等數(shù)字圖像的基礎概念，以及顏色和彩色空間的概念等；圖像增強，包括灰度變換、圖像的算術與邏輯運算、圖像的空間濾波與頻域濾波等；圖像復原，包括圖像退化模型、復原濾波、幾何變換等；圖像變換，如離散余弦變換和小波變換等；圖像壓縮；數(shù)學形態(tài)學處理；圖像分割，包括閾值分割、邊緣檢測、分水嶺算法和霍夫變換等；特征提取與對象識別，包括常用的區(qū)域或邊界特征以及包括神經網(wǎng)絡在內的常用模式識別算法。

電氣工程專業(yè)研究生的“數(shù)字圖像處理”一般作為選修課程開設，學時數(shù)多為32～36 學時。對于較少的學時數(shù)而言，上述教學內容多，無法全部涉及，而需要有側重、有針對性地設計教學內容。

由于學習者將來主要面臨的是電氣工程領域中以檢測為主要目的的圖像處理任務，因此，課程內容應側重于目標檢測與對象識別，對象的尺寸、形狀等外形特征的定量分析與測量，以及為此目的提供支撐的圖像增強、幾何變換、分割等方法。相關的數(shù)字圖像處理方法主要集中在圖像增強、圖像復原、形態(tài)學處理、圖像分割、特征提取與對象識別，而圖像復原濾波器、圖像變換與圖像壓縮等章節(jié)可作為簡要介紹或學生自學的內容，減少課堂授課學時。

電氣工程專業(yè)的研究生基本具備了有關信號處理、數(shù)學變換等方面的基礎知識，并在本科階段的科研實踐活動以及畢業(yè)設計等環(huán)節(jié)中進行了應用，具有一定的實踐經驗，理解較為深刻。因此，對于圖像增強特別是圖像濾波的內容，可以弱化原理方面的課堂講授，將重點放在各類空間濾波器的作用和效果上。由于各類數(shù)字圖像及其獲取設備的普及，學生對數(shù)字圖像的基礎概念往往也有一定程度的了解，故可相應簡化數(shù)字圖像基礎知識的講授內容。

人工智能技術的發(fā)展，使深度網(wǎng)絡成了目標檢測與識別的主流方法，但這部分內容目前在“數(shù)字圖像處理”課程中所占比例不大，因此有待強化對相關原理知識的介紹。盡管深度網(wǎng)絡已經應用于目標檢測與跟蹤、圖像去噪和復原、圖像分割等多類圖像處理任務，傳統(tǒng)的圖像增強和分割方法仍發(fā)揮著重要作用，特別是在對圖像中的對象進行定量分析和測量時，往往需要對這些傳統(tǒng)方法進行適當組合與應用。而諸如k近鄰分類器、決策樹等傳統(tǒng)的模式識別方法，同樣可以在當前的實際工程問題中找到應用場景，因此仍然需要保留這部分講授內容，但可根據(jù)實際授課進度調整其詳略程度。

（三）課程的實踐教學內容

“數(shù)字圖像處理”課程的實踐性強，通過在實際圖像上應用各種算法并觀察其效果，能極大地加深學生對這些算法的原理和步驟的理解。而且，本課程的主要目的是讓學生能夠通過所學方法解決具有一定復雜程度的實際問題。因此，課程應安排足夠的實踐內容達到這一目的。

課程的實踐內容主要包括兩類：一是單個處理算法的驗證型實驗，這些算法在支持數(shù)字圖像處理的編程軟件中往往有現(xiàn)成的實現(xiàn)，學生可在隨堂練習中以極少量代碼完成相應的圖像處理操作，并觀察處理結果；二是綜合性圖像處理課題，因其具有工程應用背景，涵蓋多個圖像處理任務，需要學生綜合應用課程中不同階段所學的算法，并適當組合或修改才能完成。這類任務適合以課程設計或課程大作業(yè)的形式來完成。由于所費時間較多，需要認真設計，以便通過少數(shù)精練的任務即可達成能力培養(yǎng)的目的。在此主要介紹后一類實踐內容的設計。

綜合考慮學時和工作量，課程中設計了四個綜合性的課題，既可按不同步驟分散到整個授課期間逐步完成，也可在課程接近尾聲時作為課程綜合設計或練習，考查學生的能力達成情況。四個課題具體如下。

1.電力設備紅外熱成像圖像的處理。主要鞏固圖像去噪和增強，以及圖像分割方法的理解和應用。電力設備異常發(fā)熱往往是設備存在故障或故障隱患的重要表現(xiàn)。電力設備的紅外熱像圖提供了一種有效的電力設備故障無損檢測途徑。但現(xiàn)有的紅外熱成像往往存在高噪聲和低對比度的缺點，因此無論是對人工觀察還是對電力設備故障自動檢測來說，電力設備紅外圖像的去噪與增強都具有重要意義。

本課題提供了實地采集的電力設備紅外圖像集，由學生對圖像進行觀察，選擇所學的圖像去噪和增強方法，并評估處理效果。之后再利用不同的圖像分割方法進行分割，并評估分割效果。此外，還可要求學生進行圖像增強和分割相關文獻的拓展查閱，自行編程實現(xiàn)文獻算法后，在圖像集上應用并觀察效果。

2.圖紙中電氣符號的自動識別。主要鞏固學生對圖像分割、特征提取和對象識別以及基于深度網(wǎng)絡的目標檢測方法的理解和應用。電網(wǎng)工程圖紙的矢量化識別，對電網(wǎng)領域基礎圖紙的數(shù)字化具有重要意義。有多種圖紙矢量化識別的途徑，較常用的方法是先對圖紙進行閾值分割，然后通過模板匹配進行識別，或者利用霍夫變換方法檢測直線段、圓等簡單的基本幾何元素，再通過其組合來確定電氣符號，或者直接構建深度網(wǎng)絡識別圖紙中的電氣符號。在不同的學習階段，可要求學生用不同方法識別圖紙中的電氣符號并對比性能，還可讓學生自行構建電網(wǎng)工程圖紙的圖像集并進行拓展研究。

3.模擬儀表的自動讀數(shù)。主要鞏固學生對圖像分割、特征提取和對象識別、幾何變換方法的理解與應用。在電廠、變電站等電力生產和輸送場所，仍然存在大量指針式模擬儀表。采集儀表圖像并利用圖像處理方法完成自動讀數(shù)，可有效實現(xiàn)相關場所的智能化改造，且對生產業(yè)務的干擾較小。模擬儀表自動讀數(shù)的步驟大致為：用圖像分割和基于區(qū)域特征的對象識別初步定位表盤，再用數(shù)學形態(tài)學、霍夫變換等方法精確定位表盤，表盤區(qū)域經幾何變換校正為圓形等標準形狀，最后通過指針、刻度和文字的識別完成自動讀數(shù)。本課題可根據(jù)每個步驟涉及的圖像處理任務，分割之后安排在不同學習階段完成，并最終組合成為一個完整的處理程序。也可讓學生針對某個步驟或整個處理過程，提出和實現(xiàn)自己的改進思路，應用并觀察效果，分析不同方法的優(yōu)缺點和適用場合。

4.輸電塔傾斜狀況檢測。主要鞏固學生對深度網(wǎng)絡目標檢測、圖像分割、霍夫變換等方法的理解和應用。輸電桿塔傾斜的早期發(fā)現(xiàn)，對預防輸配電線路故障、保障輸配電正常運行具有重要作用。本課題通過深度網(wǎng)絡，識別地面車輛采集的輸電線路圖像中的輸電塔，用圖像分割和霍夫變換確定輸電塔的主要框架結構，并通過對稱軸檢測確定輸電塔的傾斜狀況。本課題更適合作為具有一定綜合性的課題，在課程結束后由學生一次性完成。對稱軸檢測需要學生通過拓展文獻閱讀自學完成，并需要自行編程實現(xiàn)相關算法。

上述課題全面覆蓋了課程的各主要知識點。每個課題均涉及三個或更多不同類型的圖像處理與識別任務，需要學生在深入分析后選擇適當方法完成。課題的多數(shù)步驟可直接利用現(xiàn)有的函數(shù)或模塊完成，同時也安排了部分需要自行實現(xiàn)的步驟，以鍛煉和考查學生應用成熟的圖像處理算法以及理解和實現(xiàn)特定圖像處理算法的能力，且整體工作量適中。對深度網(wǎng)絡圖像處理，課程提供公用的服務器用于網(wǎng)絡的訓練。為了減少構建訓練樣本集的工作量，課程提供部分預先準備好的訓練樣本集，再由學生自行補充適當數(shù)量的樣本后進行訓練，幫助學生以較少的時間和工作量了解深度網(wǎng)絡的訓練和應用的完整流程。

（四）課程考核方式與命題設計

課程考核的主要目的是考查學生在課程目標所確定的相關能力培養(yǎng)上的達成情況。因此，在考核內容上基本上排除了單一記憶性的內容。最終的課程考核主要分為兩大部分：第一，以課程的綜合性實驗或課程設計形式完成前文所述的實踐課題，能夠綜合性地考查學生應用圖像處理方法解決具有實際意義的復雜工程問題的能力，以及編程實現(xiàn)圖像處理方法的能力。這部分考核內容的綜合性最強，對學生應用能力的考核程度也最高，但是信度方面的可控性較弱。第二，課程書面考試，通過可控的考試過程獲得高信度的成績。書面考試題型主要分為選擇題、判斷題和設計與評估題，其中選擇題和判斷題在具體的應用場景中讓學生判斷圖像處理算法的適用性與處理結果的正確性。例如，根據(jù)所描述的圖像濾波算法選擇正確的濾波結果圖像，或者判斷算法參數(shù)發(fā)生改變時對結果造成的影響等。設計與評估題則要求學生針對具體的應用問題，提出圖像處理解決方案，說明其可行性，對方案中關鍵參數(shù)的設置、適用的限制條件和可能存在的風險進行闡述；或者在題目中給出具體的應用問題和解決方案，讓學生同樣進行可行性分析等，并根據(jù)自己的判斷對方案進行調整。

二、課程改革成效

課程經過上述改革后，在實際教學中取得了較為明顯的效果。

（一）學生的參與度和積極性有了明顯提高

在改革之前，盡管也有相應的課堂實驗內容，但是由于與專業(yè)的契合度不高，綜合性也不強，因此，學生仍然以單一的聽講為主，參與度欠佳，積極性不高。在改革后，課上進行編程的比例和復雜度均有明顯提升，且計入總評成績，因此對學生形成了動手實踐的外在壓力。同時，由于實踐課題與部分學生的研究課題存在一定的相關性，調動了他們的參與積極性。

（二）學生對圖像處理方法水平有所提高

學生對圖像處理方法的整體了解和具體應用較改革前均有明顯提高。改革前，學生更偏向于了解和記憶一些原理性的內容，由于動手實踐不足，相當比例的學生只能夠模仿使用部分圖像處理算法，對于這些算法的適用條件和局限性缺乏深入理解，也難以通過所學算法的適當組合完成較為復雜的圖像處理任務。改革后，學生基本都能夠恰當?shù)剡x擇算法和參數(shù)，同時大部分學生能夠通過現(xiàn)成的圖像處理算法完成較為復雜的圖像處理任務，并能針對電氣工程背景的實際問題，提出基于圖像的可行的解決思路。

另外還有部分學生，他們承擔的科研課題涉及圖像處理，如光伏電池的缺陷檢測、風力發(fā)電機的工作狀態(tài)檢測和故障診斷、輸配電線路巡檢中的異常檢測等。通過課程學習和實踐，這部分學生迅速掌握了相關的圖像處理知識，不僅能夠更快地完成文獻調研與閱讀，而且在課程結束之前，就能夠設計和實現(xiàn)圖像處理算法，完成部分課題目標。這些學生在課程結束后的半年到一年內，均完成了課題相關的期刊或會議論文。這部分學生對于課程效果的反饋也最為正面。

結語

本文介紹了電氣工程專業(yè)研究生的“數(shù)字圖像處理”課程改革的內容和效果。在課程改革中，根據(jù)電氣工程專業(yè)研究生的培養(yǎng)目標，對“數(shù)字圖像處理”課程目標進行了重新制定，明確了能力培養(yǎng)目標；根據(jù)課程目標對課程內容的取舍和側重進行了調整；為落實課程的能力培養(yǎng)目標，對課程的實踐內容進行了重新設計，特別是根據(jù)電氣工程領域的實際工程問題，引入了具有足夠復雜度的綜合型實踐課題；改革了課程的考核方式與考核內容。課程結束后，學生均具備了合理選擇和應用圖像處理方法解決一個或多個具體的圖像處理任務的能力，并能針對電氣工程領域的實際工程問題，對基于圖像處理的方案進行評估。此外，還有部分學生能夠提出和實現(xiàn)一個完整的圖像處理方案，用以解決電氣工程領域的復雜檢測問題。