工程教育認證背景下基于項目驅動的課程教學實踐

摘 要：隨著工程教育認證在全球范圍內的廣泛推行，培養具備綜合能力和實踐創新能力的工程技術人才成為高等教育的重要目標。本文針對傳統“數字圖像處理”教學側重理論講解和數學推導，教學內容只涉及經典算法而沒有和最新研究成果相結合，局限于單個算法的仿真實現而忽略了工程實際中的綜合運用等問題，探索了一種基于項目驅動的教學模式。本文以谷物顆粒統計項目為例，教學過程分為項目選題、項目調研、教學內容與項目結合、項目實現、項目評估與反饋5個階段。實踐教學表明，該教學模式不僅較好克服了傳統教學方式的弊端，而且讓學生加深了對圖像處理技術的理解，還提升了綜合素質和創新能力。

關鍵詞：數字圖像處理；項目驅動；工程教育認證；實踐教學；谷物顆粒統計

中圖分類號：G434" 文獻標識碼：A

工程教育認證是國際上衡量高等工程教育質量的重要標準，其核心是培養學生的實際應用能力、團隊合作精神以及創新思維，重視學習成果的導向并持續改進。該認證強調學生應具備“解決復雜工程問題”的能力，并注重課程教學中的實踐環節和學生的自主學習能力。圖像處理學科是一門隨著計算技術的飛速發展而開拓出的前沿學科，是一個應用面極為廣泛的多學科交叉滲透的領域。隨著現代信息技術特別是人工智能的快速發展，數字圖像處理技術在各個領域得到了非常廣泛的應用，如醫學圖像處理、無人駕駛、遙感監測、太空探索等。工程教育認證的理念要求高校培養學生具備解決復雜工程問題的能力，這對“數字圖像處理”課程的教學提出了更高的要求。

“數字圖像處理”作為電子信息類的一門重要專業課程，具有豐富的工程應用背景，包含許多解決復雜工程問題必不可少的關鍵技術。然而，該課程的傳統課堂教學多以教師講授為主，學生被動接受知識，缺乏實際應用的機會。這種教學模式難以有效培養學生的創新能力和實踐能力，無法適應工程應用人才的培養要求。因此，如何在教學中引入項目實踐環節，讓學生通過實際項目掌握數字圖像處理的核心知識和技能，成為亟待解決的問題。

本文以“數字圖像處理”課程為例，結合該課程本科精品教材和“課程思政”教學示范課程的建設、本科生和研究生的教學經驗，介紹了基于項目驅動的教學模式實踐探索，也可為其他工程類課程的教學改革提供參考。

1 “數字圖像處理”課程現狀與問題

“數字圖像處理”課程具有較強的理論性和技術性，涉及復雜的數學運算和算法實現，學生的學習效果一直不太理想，主要問題有：（1）傳統的教學模式側重于理論講解和數學推導，學生難以將理論知識與實際應用相結合。（2）學生在學習過程中容易對抽象的數學概念感到困惑，難以保持長時間的學習興趣。（3）教學內容沒有和最新研究成果相結合，不利于開拓學生的創新思維。（4）學生動手實踐往往局限于單個算法的仿真實現，對多個算法的綜合應用能力不足。

因此，針對該課程的教學改革勢在必行。國內各個高校的教師們也對該課程的教學改革做了諸多探索。例如，三峽大學計算機與信息學院以工程教育專業認證的成果導向教育（OBE）理念，探索了一種新的基于CDIO的項目教學方法［1］。中央民族大學基于新工科教育理念，將項目驅動式教學融入課程的教學當中［2］。北京化工大學提出面向實踐案例庫建設的研究性課程改革探索［3］。蘭州工業學院依托“互聯網+”教學新生態環境，進行了線上線下混合式教學模式探索［4］。還有一些學校將人工智能［5］、深度學習［6］等最新的技術引入教學當中。綜合以上教學研究成果可知，在課程教學中引入項目開發訓練，可以有效提升學生的工程應用實踐能力。但要保證該教學模式的成功，還需要在教學實踐過程中不斷調整和持續改進。

2 基于項目驅動的教學模式設計

2.1 教學目標

基于項目驅動的教學模式設計旨在通過實際項目讓學生掌握數字圖像處理的基本原理與應用技能，并提高其獨立分析和解決電子信息領域內的復雜圖像工程問題的能力，以及鍛煉學生的團隊協作能力，為今后協同化研制、開發復雜數字圖像處理系統打下堅實基礎。具體目標包括：理解并掌握圖像處理的基本算法與技術，如圖像增強、復原、濾波、分割等［7］。通過項目實踐，培養學生在數字圖像處理領域的實際操作能力，提高學生的文獻調研能力、自主學習能力、團隊合作能力及創新思維。

2.2 項目設計與實施

基于項目驅動的教學模式，要求在課程中設計多個有針對性的項目，涵蓋不同的圖像處理技術與應用場景，以下是項目設計的幾個步驟。

（1）項目選題。項目選題應結合實際應用場景，如人臉識別、車牌識別、醫學圖像增強、工業缺陷檢測等，確保學生能夠通過項目看到技術的實際應用。每個項目對應多個核心知識點，學生需通過獨立探索、團隊協作完成。本文以《基于數字圖像處理的谷物顆粒統計系統設計與實現》為例進行說明，如圖1所示為兩幅谷物圖像，圖像分辨率為2048×3800，每幅圖像下方均有刻度標尺，要求設計圖像處理算法實現谷物的顆粒數量和重量的統計。

（a）黃豆圖像""""" （b）麥粒圖像

圖1 谷物圖像示例

（2）項目調研。本項目的核心是如何將谷物準確地分割出來，教材里介紹的圖像分割方法主要包括基于閾值的分割方法、基于區域的分割方法、基于邊緣的分割方法，以及基于特定理論的分割方法等［7］。學生可以通過文獻調研，查閱一些最新的彩色圖像分割方法，如Kmeans聚類分割方法［8］。項目實施中將學生分成若干小組，每組2～3人，按照項目要求進行分工合作。小組成員通過文獻調研，討論確定項目的實施方案，并分配任務，鍛煉團隊協作能力。

（3）教學內容與項目結合。在項目實施前，教師需將課程的理論知識與實際項目有機結合。例如，本項目涉及圖像預處理、圖像分割、形態學處理等課程內容。下面以圖像分割為例進行介紹。

圖像分割：圖像分割是將圖像分成若干個特定的、具有獨特性質的區域，并提出感興趣區域或目標的技術和過程。它是后續圖像分析、檢測、識別的關鍵步驟。本文以經典的大津法（Otsu）和Kmeans聚類分割方法［8］為例，對高斯平滑濾波后的圖像進行分割，運行結果如圖2所示。從圖中可以看出，Kmeans聚類由于利用了圖像顏色信息，從而得到了更加準確的分割結果。

（a）Otsu法分割黃豆圖像" """（b）Kmeans聚類分割"" 黃豆圖像

（c）Otsu法分割麥粒圖像""" （d）Kmeans聚類分割"" 麥粒圖像

圖2 圖像分割結果

（4）項目實現。項目實現是整個項目驅動教學方式的關鍵環節，也是培養學生工程實踐能力的重要一環。本項目最終要實現谷物顆粒數量和重量的統計，通常需要得到每個谷物的準確分割結果，然而圖像中大部分谷物顆粒均連接在一起，很難準確將其分割出來。但是可以通過其他方法來實現，如通過找到單個可分離的顆粒區域，然后計算分割圖像中總的像素面積除以單個顆粒面積，就可以得到大致的顆粒數量。至于重量估計，黃豆可以按球體估算，麥粒可以按橢球體估算，寬和高可視作近似相等。將上述所有算法編程實現，并將其嵌入MATLAB GUI平臺，完成系統界面控件和菜單的功能實現，調試成功后的一個簡易運行界面如圖3所示，界面中還展示了不完善（破損）顆粒的數量。

圖3 谷物顆粒統計系統界面

（5）項目評估與反饋。項目完成后，教師應對學生的項目成果進行評估，并給予詳細地反饋。評估指標可包括技術實現的正確性、代碼質量、項目報告的撰寫、團隊合作、項目答辯等。本文統計了2024年秋學期44組學生的項目運行結果，黃豆數量的結果為平均25粒，而麥粒圖像中由于麥粒顆粒較小，且顆粒間基本相連，因而學生的結果準確性較差；顆粒重量估計則誤差較大，估計相對準確的項目組很少，且部分項目的估計結果和實際偏差很大。這需要在后續的教學中加強對重量估計方面的指導和練習。

學生需要提交源代碼，以及項目報告，項目報告需包括文獻調研分析、項目方案設計、項目實現步驟、項目運行結果及分析等。在項目答辯階段，各個小組需要認真準備答辯PPT，簡明扼要地呈現項目報告上的重要內容，并回答教師和同學提出的相關問題，最后教師對項目的優缺點進行總結評價，為學生進一步完善優化項目提供方向。項目答辯可以有效鍛煉學生的口頭表達能力、歸納總結能力、邏輯分析能力，尤其是面對不確定問題時的應對能力。在總結環節還可引入思政元素，鼓勵學生進行創新性思維解決復雜工程實際問題。

3 存在的問題與改進措施

盡管項目驅動的教學模式取得了良好的教學效果，但在實際實施過程中也存在一些問題。（1）項目難度分級不明確。部分學生反映項目難度較大，在項目過程中容易產生挫敗感。建議根據學生的學習能力設計不同難度的項目。（2）時間管理問題。部分學生難以在規定時間內完成項目任務，教師應在項目開始時給予學生明確的時間計劃，并在項目進行中提供適時的指導和幫助。（3）考核標準的公平性。在團隊合作項目中，個別學生可能貢獻較少，造成考核不公平。建議在團隊考核的基礎上，加入個人考核機制。（4）項目報告排版不規范。部分學生對報告格式排版不夠重視，對部分排版技巧也沒有完全掌握，導致最終提交的項目報告存在格式不規范、排版不美觀等問題。

結語

本文在工程教育認證背景下探索了基于項目驅動的教學模式，以“數字圖像處理”課程進行了教學研究實踐。該模式在實際教學過程中取得了較好的成效，有助于學生深入理解理論知識，以及提升學生的文獻檢索能力、算法編程能力、口頭表達能力、團隊協作能力等，全面提高學生的綜合素質和工程實踐能力。該教學模式符合工程教育認證的核心理念，能夠有效培養學生的綜合素質與創新能力。未來的教學實踐中，應繼續優化項目設計，針對不同層次的學生制定適合的項目課題，確保教學質量的持續提升。

參考文獻：

［1］崔文超，鄒俊杰，汪方毅，等.OBE理念下項目驅動的數字圖像處理教學研究［J］.圖學學報，2020，41（06）：10311038.

［2］宋偉，謝欣怡，楊青，等.新工科背景下基于項目驅動的數字圖像處理教學方法探析［J］.計算機教育，2021（02）：6974.

［3］尹嬙，胡偉，李瑞瑞，等.以實踐案例為引導的數字圖像處理研究性教學課程改革［J］.高教學刊，2023，9（36）：3336.

［4］吳紅娟.基于項目驅動的混合式教學研究與探索：以數字圖像處理課程為例［J］.創新創業理論研究與實踐，2024，7（04）：9295.

［5］王成優，周曉，張亮，等.人工智能背景下數字圖像處理教學改革［J］.高教學刊，2023，9（08）：69+15.

［6］陳舒涵，胡學龍，姚志均，等.深度學習在“數字圖像處理”課程教學中的應用探討［J］.工業和信息化教育，2019（02）：8488+94.

［7］胡學龍.數字圖像處理［M］.4版.北京：電子工業出版社，2020.

［8］ARTHUR D，VASSILVITSKII S.KMeans++：The Advantages of Careful Seeding［C］.In Proceedings of the Eighteenth Annual ACMSIAM Symposium on Discrete Algorithms，102735.SODA ’07.USA：Society for Industrial and Applied Mathematics，2007.

基金項目：國家自然科學基金項目“高分辨率隱蔽目標檢測方法研究”（項目編號：62471430）；揚州大學精品本科教材建設工程項目：數字圖像處理（第5版）（揚大教務〔2023〕45號）；揚州大學“課程思政”教學示范課程建設項目：數字圖像處理（揚大教務〔2022〕5號）

作者簡介：陳舒涵（1987— ），男，漢族，浙江東陽人，博士研究生，副教授，研究方向：數字圖像處理；胡學龍（1960— ），男，漢族，江蘇泰州人，碩士研究生，教授，研究方向：數字圖像處理。