智能制造是我国制造业实现创新驱动、转型升级的核心技术突破路径,也是推动产业迈向中高端、加快建设制造强国的主攻方向。面对新一轮科技革命和产业变革,高等教育承担着为推进中国式现代化培养栋梁之材的关键使命,亟须培养一大批既掌握先进制造技术又具备跨界融合能力,能够引领智能制造系统设计、研发与应用的创新型、复合型人才。这不仅是高等教育回应时代发展需求的必然选择,更是推动国家竞争力提升的重大历史责任与面临的现实挑战,亟须教育体系在理念、模式与资源配置上进行深刻变革与创新[1-2]。
机器视觉是人工智能领域重要的前沿分支之一,通过模拟人类的视觉功能,利用图像采集装置把被检测对象转换成图像信号,利用计算机对图像进行校正、处理、特征提取、识别和理解,将图像信号转变成数字信号,进而根据识别结果控制现场设备动作[3-4]。它能够自动提取形状、颜色、纹理等信息,在智能制造工程中广泛应用于产品质量检测、自动化装配、物料分拣等场景[5-6]。工程实践教学是构建高质量人才培养体系的核心环节,不仅是培育学生科学精神、实践能力与创新意识的关键手段,更是造就拔尖创新人才的根本路径。本文针对智能制造工程实践教学的实际需求,将机器视觉技术应用于智能制造产线立体仓库出入库工作台,并与制造执行系统(MES)集成,开发了一套基于机器视觉的原材料入库解决方案。该方案不仅能有效提高生产效率,更能从源头上防止带有错误信息的托盘进入生产系统,保障产线生产流程正常进行;同时创设了基于机器视觉的真实工业应用场景,让学生通过实践了解如何利用先进技术提升生产效率,培养学生创新思维和解决复杂工程问题的能力。
1 智能制造产线实践平台
2 智能制造产线中的原材料入库
3 机器视觉系统在原材料入库中的应用
4 基于机器视觉的原材料入库分析及应用实践
5 机器视觉技术在实践教学中的应用实效
6 结语
本文将机器视觉技术这一重要的人工智能分支应用于智能制造产线实践平台,改变以往只能依赖操作人员目视对托盘方向及原材料孔位进行校验的操作方式,具备自动识别托盘信息的能力。通过机器视觉系统与MES的数据集成,将识别信息自动填入入库单,有效提高了智能制造系统的生产效率,并从源头上防止错误信息进入产线,保障产品生产流程正常进行。同时,还原机器视觉技术在工业领域应用的典型场景,通过智能制造产线实践加深学生对机器视觉技术在工业领域应用的了解,提高其解决复杂工程问题的能力,为培养适应未来人工智能时代的智能制造复合型人才奠定基础。
参考文献
[1] 周济.智能制造—“中国制造2025”的主攻方向[J].中国机械工程,2015,26(17):2273-2284.
[2] 王书亭,李昕,张芬,等.面向大工程观培养的智能制造实践教学体系构建[J].机械工程学报,2022,58(18):319-332.
[3] 何颖,林智慧.基于深度学习的机器视觉技术在船舶目标检测领域中的应用[J].船舶工程,2025,47(4):194.
[4] 张秋,李超,石勇,等.机器视觉测量技术在边坡自动化监测中的精度分析[J].测绘通报,2025(S1):60-63.
[5] 李元元,王书亭.智能制造工程实践训练[M].北京:高等教育出版社,2024.
[6] 张学宏,张文聪,唐冬冬.机器视觉技术及应用[M].北京:机械工业出版社,2021.
[7] 蒋正炎,许妍妩,莫剑中.工业机器人视觉技术及行业应用[M].北京:高等教育出版社,2018.
[8] 工控帮教研组.机器视觉原理与案例详解[M].北京:电子工业出版社,2020.
[9] 吴志超.工程训练.实践篇[M].武汉:华中科技大学出版社,2023.
[10] 马特•米勒.人工智能如何影响教学[M].侯雯洁,译.北京:中国青年出版社,2023.
林晗 易奇昌 李萍萍 王琳 施松新 华中科技大学 |