《深度学习》教学大纲课程名称：深度学习课程类别（必修/选修）：选修课程英文名称：DeepLearning其中实验/实践学时：8总学时/周学时/学分：32/2/2先修课程：大数据基础、制造系统中的信息集成技术后续课程支撑：实习就业授课地点：实验楼503授课时间：1-16周周三7-8节授课对象：2022智能制造1、2班开课学院：粤台产业科技学院任课教师姓名/职称：陈冠玮/讲师答疑时间、地点与方式：1.分配习邀演练，采用集中讲解方式课程考核方式：开卷（）闭卷（）课程论文（）其它（V）使用教材：工业机器人技术基础及其应用1.教学参考资料：（深度学习与图像处理（PaddlePaddle版）》清华大学出版社钱彬朱会杰晋军伟编誉：ISBN：97873026737742.线上：1.https:/codec.wang/docs/opencv/start/image-thresholding2.https://www.deepsick.com/课程简介：本课程以图像处理技术作为切入点，围绕近些年流行的深度学习算法进行讲解，研究方向包括图像处理、基于视觉小车控制、PaddlePaddle深度学习等，重点剖析了各个图像处理领城常见的算法原理，并在此基础上结合新题实用的项目案例穿所学，让学生在掌握算法原理基础上能够达到产业界要求的深度学习实战能力。课程教学目标及对毕业要求指标点的支撑：1
1 《深度学习》教学大纲 课程名称：深度学习 课程类别（必修/选修）：选修 课程英文名称：Deep Learning 总学时/周学时/学分：32/2/2 其中实验/实践学时：8 先修课程：大数据基础、制造系统中的信息集成技术 后续课程支撑：实习就业 授课时间：1-16 周周三 7-8 节 授课地点：实验楼 503 授课对象：2022 智能制造 1、2 班 开课学院：粤台产业科技学院 任课教师姓名/职称：陈冠玮 / 讲师 答疑时间、地点与方式：1.分配习题演练，采用集中讲解方式 课程考核方式：开卷（）闭卷（）课程论文（）其它（✔） 使用教材：工业机器人技术基础及其应用 1. 教学参考资料：《深度学习与图像处理(PaddlePaddle 版)》 清华大学出版社钱彬 朱会杰 晋军伟编着；ISBN：9787302673774 2. 线上： 1. https://codec.wang/docs/opencv/start/image-thresholding 2. https://www.deepsick.com/ 课程简介： 本课程以图像处理技术作为切入点，围绕近些年流行的深度学习算法进行讲解，研究方向包括图像处理、基于视觉小车控制、PaddlePaddle 深度 学习等，重点剖析了各个图像处理领域常见的算法原理，并在此基础上结合新颖实用的项目案例贯穿所学，让学生在掌握算法原理基础上能够达到产业 界要求的深度学习实战能力。 课程教学目标及对毕业要求指标点的支撑：
课程教学目标支撑毕业要求指标点毕业要求毕业要求1-工程知识：能够运用数学、基础科学和目标1：培养智能制造专业知识与技能的工程技术人才，运用机器指标点1.2掌握智能制造工程领域的专智能制造工程专业相关知识，对智能制造工程问题具有解决能力。学习结合深度学习认知厘清工程向题并提出解决方案。业基础理论和技术知识。指标点2.2能熟练掌握利用现代文献检毕业要求2-问题分析：能够应用数学、自然科学和索工具调研、分析和解决电气工程领域工程科学的基本原理，对于智能制造工程复杂问题复杂问题的能力。进行识别与表达，并通过文献研究分析，以获得有效结论。目标2：毕业要求4-研究：能够熟悉智能制造工程的机械加理解神经网络的数学模型求解，掌握理想大教据分析辨识指标点4.1能够基于科学原理并采用科工、机械设计、单片机编程、PLC控制、工业机器的特点和数学模型的构建，学会将建立的模型应用于分析学方法对智能制造工程领域复杂工程人集成、工业物联网运维等基本科学研究方法，具工程问题、解决工程问题问题进行实验设计、分析，并解释数据。有科学研究精神，为智能制造工程复杂问题提出有指标点7.2能站在环境保护和可持续效研究手段并将问题有效解决。发展的角度思考专业工程实践的可持毕业要求7环境与可持续发展：能够评估智能制造续性，评价智能制造产品周期中可能对工程复杂问题解决的工程手段所造成环境冲击，及人类和环境造成的损害和隐患。对可持续发展的影响。指标点10.1能就专业问题，以口头、毕业要求10-沟通：通过有效沟通管道，能够对智文稿、图表等方式表达自己的观点。能制造工程复杂问题提出具体思路与观点，使得问指标点11.2能在多学科环境下（包括题得到同事或外界人士关心，为解决问题创造良好模拟环境）：在设计开发解决方案的过的沟通环境，加速解决问题时程。程中，运用工程管理和经济决策方法。毕业要求11-项目管理：学会智能制造工程项目管理方法与技巧，能够合理分配资源做好项目管理2
2 课程教学目标 支撑毕业要求指标点 毕业要求 目标 1： 培养智能制造专业知识与技能的工程技术人才，运用机器 学习结合深度学习认知厘清工程问题并提出解决方案。 指标点 1.2 掌握智能制造工程领域的专 业基础理论和技术知识。 指标点 2.2 能熟练掌握利用现代文献检 索工具调研、分析和解决电气工程领域 复杂问题的能力。 毕业要求 1-工程知识：能够运用数学、基础科学和 智能制造工程专业相关知识，对智能制造工程问题 具有解决能力。 毕业要求 2-问题分析：能够应用数学、自然科学和 工程科学的基本原理，对于智能制造工程复杂问题 进行识别与表达，并通过文献研究分析，以获得有 效结论。 目标 2： 理解神经网络的数学模型求解，掌握理想大数据分析辨识 的特点和数学模型的构建，学会将建立的模型应用于分析 工程问题、解决工程问题 指标点 4.1 能够基于科学原理并采用科 学方法对智能制造工程领域复杂工程 问题进行实验设计、分析，并解释数据。 指标点 7.2 能站在环境保护和可持续 发展的角度思考专业工程实践的可持 续性，评价智能制造产品周期中可能对 人类和环境造成的损害和隐患。 指标点 10.1 能就专业问题，以口头、 文稿、图表等方式表达自己的观点。 指标点 11.2 能在多学科环境下（包括 模拟环境），在设计开发解决方案的过 程中，运用工程管理和经济决策方法。 毕业要求 4-研究：能够熟悉智能制造工程的机械加 工、机械设计、单片机编程、PLC 控制、工业机器 人集成、工业物联网运维等基本科学研究方法，具 有科学研究精神，为智能制造工程复杂问题提出有 效研究手段并将问题有效解决。 毕业要求 7-环境与可持续发展：能够评估智能制造 工程复杂问题解决的工程手段所造成环境冲击，及 对可持续发展的影响。 毕业要求 10-沟通：通过有效沟通管道，能够对智 能制造工程复杂问题提出具体思路与观点，使得问 题得到同事或外界人士关心，为解决问题创造良好 的沟通环境，加速解决问题时程。 毕业要求 11-项目管理：学会智能制造工程项目管 理方法与技巧，能够合理分配资源做好项目管理
。目标3：指标点5.2能针对具体的对象开发或毕业要求5-使用现代工具：能够针对智能制造工程培养深度学习结合智能制造开发人才及结合智能制造领选用满足特定需求的现代工具，模拟和复杂问题，合理选用适当的技术、资源、现代工具，域整合能力，运动当代工具开发更贴近显示的仿真环境。预测专业问题，并能分析其局限性。进行预测与模拟并做可行性分析。通过国际化视野指标点6.2能分析和评价智能制造工和跨文化交流合作的能力，发插更多有效解决问题程专业实践对社会、健康、安全、法律、的现代工具。文化的影响，以及这些制约因素对项目毕业要求6-工程与社会：能够衡量智能制造工程复实施的影响，并理解应承担的责任。杂问题解决的工程手段所造成社会影响与结果。3
3 。 目标 3： 培养深度学习结合智能制造开发人才及结合智能制造领 域整合能力，运动当代工具开发更贴近显示的仿真环境。 指标点 5.2 能针对具体的对象开发或 选用满足特定需求的现代工具，模拟和 预测专业问题，并能分析其局限性。 指标点 6.2 能分析和评价智能制造工 程专业实践对社会、健康、安全、法律、 文化的影响，以及这些制约因素对项目 实施的影响，并理解应承担的责任。 毕业要求 5-使用现代工具：能够针对智能制造工程 复杂问题，合理选用适当的技术、资源、现代工具， 进行预测与模拟并做可行性分析。通过国际化视野 和跨文化交流合作的能力，发掘更多有效解决问题 的现代工具。 毕业要求 6-工程与社会：能够衡量智能制造工程复 杂问题解决的工程手段所造成社会影响与结果
理论教学进程表支撑教学模式周次教学主题授课教师学时数教学内容（重点、难点、课程思政融入点）教学方法课程作业安排线下/混合式目标重点：·模拟图像·数学图像查阅图像处理应用，目标图像处理的基本陈冠玮·应用方向线下教学2课堂讲授增加学生理解及应1概念课程思政融入点：用层面介绍图像处理基本知识，培养实事求是的科学态度和职业道德。重点：。图像处理特征检测与描述.图像处理基本操目标检测与识别.针对图像处理方法目标作（安装视觉套视频处理线下教学陈冠玮2课堂讲授.2三进行处理件、图像读取、·机器学习保存和可视化）课程思政融入点：介绍图像处理工具并安装，培养实事求是的科学态度和职业道德。4
4 理论教学进程表 周次 教学主题 授课教师 学时数 教学内容（重点、难点、课程思政融入点） 教学模式 线下/混合式 教学方法 作业安排 支撑 课程 目标 1 图像处理的基本 概念 陈冠玮 2 重点： • 模拟图像 • 数学图像 • 应用方向 课程思政融入点： 介绍图像处理基本知识，培养实事求是的 科学态度和职业道德。 线下教学 课堂讲授 查阅图像处理应用， 增加学生理解及应 用层面 目 标 一 2 图像处理基本操 作(安装视觉套 件、图像读取、 保存和可视化) 陈冠玮 2 重点： • 图像处理 • 特征检测与描述 • 目标检测与识别 • 视频处理 • 机器学习 课程思政融入点： 介绍图像处理工具并安装，培养实事求是 的科学态度和职业道德。 线下教学 课堂讲授 针对图像处理方法 进行处理 目 标 三
重点：·直接操作像素值·图像亮度调整·彩色图与灰度图互转·二值化图像处理基本操目标难点：作（像素操作、图针对像素、图像进行陈冠玮2线下教学课堂讲授3三。运用各种图像处理功能需结合图像知裁剪、翻转旋转像转换、图像裁识，并运用实际案例整合融会贯通，培养剪、翻转与旋转）设计开发能力。课程思政融入点：介绍图像处理功能，培养实事求是的科学态度和职业道德。重点：·卷积运算·图像锐化·边缘检测·均值模糊图像卷积和滤波难点：目标针对图像做锐化、边陈冠玮线下教学2课堂讲授4（线性滤波与卷。使学生了解数学模型在图像处理中的二缘检测功能积）应用及技术含量，了解功能原理。课程思政融入点：了解坊间图像功能建立的核心知识点，掌握核心技术应用至国内制造业，培养实事求是的科学态度和职业道德。5
5 3 图像处理基本操 作(像素操作、图 像转换、图像裁 剪、翻转与旋转) 陈冠玮 2 重点： • 直接操作像素值 • 图像亮度调整 • 彩色图与灰度图互转 • 二值化 难点： • 运用各种图像处理功能需结合图像知 识，并运用实际案例整合融会贯通，培养 设计开发能力。 课程思政融入点： 介绍图像处理功能，培养实事求是的科学 态度和职业道德。 线下教学 课堂讲授 针对像素、图像进行 裁剪、翻转旋转 目 标 三 4 图像卷积和滤波 （线性滤波与卷 积） 陈冠玮 2 重点： • 卷积运算 • 图像锐化 • 边缘检测 • 均值模糊 难点： • 使学生了解数学模型在图像处理中的 应用及技术含量，了解功能原理。 课程思政融入点： 了解坊间图像功能建立的核心知识点，掌 握核心技术应用至国内制造业，培养实事 求是的科学态度和职业道德。 线下教学 课堂讲授 针对图像做锐化、边 缘检测功能 目 标 二
重点：·高斯模糊难点：目标图像卷积和滤波线下教学陈冠玮·数学模型建立及验证2课堂讲授5验证卷积计算二（常见卷积核）课程思政融入点数学模型应用与于图像处理，培养实事求是的科学态度和职业道德。重点：·人工智能·机器学习。深度学习深度学习概述难点：目标（人工智能、机·了解不同之处线下教学课堂讲授陈冠玮2个别应用分析探讨6=器学习和深度学·个别应用探讨及分析习)课程思政融入点：介绍人工智能、机器学习、深度学习所扮演的角色，培养实事求是的科学态度和职业道德。重点：深度学习概述·发展历程针对不同深度学习目标·国内外深度学习框架（深度学习起源陈冠玮线下教学2课堂讲授框架分析应用场景7二难点：和发展、深度学及优劣势PyTorch、Tensorflow、PaddlePaddle习框架）课程思政融入点：6
6 5 图像卷积和滤波 （常见卷积核） 陈冠玮 2 重点： • 高斯模糊 难点： • 数学模型建立及验证 课程思政融入点： 数学模型应用与于图像处理，培养实事求 是的科学态度和职业道德。 线下教学 课堂讲授 验证卷积计算 目 标 二 6 深度学习概述 （人工智能、机 器学习和深度学 习） 陈冠玮 2 重点： • 人工智能 • 机器学习 • 深度学习 难点： • 了解不同之处 • 个别应用探讨及分析 课程思政融入点： 介绍人工智能、机器学习、深度学习所扮 演的角色，培养实事求是的科学态度和职 业道德。 线下教学 课堂讲授 个别应用分析探讨 目 标 二 7 深度学习概述 （深度学习起源 和发展、深度学 习框架） 陈冠玮 2 重点： • 发展历程 • 国内外深度学习框架 难点： • PyTorch、Tensorflow、PaddlePaddle 课程思政融入点： 线下教学 课堂讲授 针对不同深度学习 框架分析应用场景 及优劣势 目 标 二
介绍国内外深度学习框架，增高工程知识视野，培养实事求是的科学态度和职业道德。目标期中总结复习与2陈冠玮10期中总结复习与考查线下教学笔试测验笔试理论测验-考查重点：·Tensor概念PaddlePaddle基·Ones、rand、加减乘除及梯度求解目标针对ones、rand、加础-Tensor表示、陈冠玮课程思政融入点：2线下教学课堂讲授13二计算、自动求梯减乘除实际操作介绍PaddlePaddle深度学习框架，以百度度框架进行操作，培养实事求是的科学态度和职业道德。重点：·可视化分析。线性投资预测·导数法梯度下降法·PaddlePaddle实目标针对投资预测进行难点：陈冠玮2线下教学课堂讲授14现机器学习：线二线性回归分析·线性回归概念建立性回归预测可视化工具课程思政融入点介绍线性回归模型及可视化工具，增高工程应用能力。7
7 介绍国内外深度学习框架，增高工程知识 视野，培养实事求是的科学态度和职业道 德。 10 期中总结复习与 考查 陈冠玮 2 期中总结复习与考查 线下教学 笔试测验 笔试理论测验 目 标 一 13 PaddlePaddle 基 础-Tensor 表示、 计算、自动求梯 度 陈冠玮 2 重点： • Tensor 概念 • Ones、rand、加减乘除及梯度求解 课程思政融入点： 介绍 PaddlePaddle 深度学习框架，以百度 框架进行操作，培养实事求是的科学态度 和职业道德。 线下教学 课堂讲授 针对 ones、rand、加 减乘除实际操作 目 标 二 14 PaddlePaddle 实 现机器学习：线 性回归预测 陈冠玮 2 重点： • 可视化分析 • 线性投资预测 • 导数法 • 梯度下降法 难点： • 线性回归概念建立 • 可视化工具 课程思政融入点： 介绍线性回归模型及可视化工具，增高工 程应用能力。 线下教学 课堂讲授 针对投资预测进行 线性回归分析 目 标 二
重点：·卷积神经网络介绍·PaddlePaddle二维卷积层函数理解各层运作原理目标难点：并融会贯通2陈冠玮15卷积神经网络线下教学课堂讲授·激活函数层、池化层、线性变换层-PaddlePaddle二维卷课程思政融入点：积层函数了解卷积神经网络架构增高工程知识，培养实事求是的科学态度和职业道德。重点：·算法原理。数据采集、数据获取难点：针对小车移动参数目标陈冠玮·归一化2卷积神经网络线下教学课堂讲授进行数据采集及获161课程思政融入点：取通过实际代码记录数值，以实操验证理论的方式培养实事求是的科学态度和职业道德。合计24 8
8 15 卷积神经网络 陈冠玮 2 重点： • 卷积神经网络介绍 • PaddlePaddle 二维卷积层函数 难点： • 激活函数层、池化层、线性变换层 课程思政融入点： 了解卷积神经网络架构增高工程知识，培 养实事求是的科学态度和职业道德。 线下教学 课堂讲授 理解各层运作原理 并 融 会 贯 通 PaddlePaddle 二维卷 积层函数 目 标 一 16 卷积神经网络 陈冠玮 2 重点： • 算法原理 • 数据采集、数据获取 难点： • 归一化 课程思政融入点： 通过实际代码记录数值，以实操验证理论 的方式培养实事求是的科学态度和职业道 德。 线下教学 课堂讲授 针对小车移动参数 进行数据采集及获 取 目 标 一 合计 24
实践教学进程表教学支撑课项目类型（验证/综合周次授课教师学时实验项目名称教学内容（重点、难点、课程思政融入点）/设计）方法程目标重点：·安装仿真平台运用理论学·Python控制模拟器系到的·Python代码实现小车的控制OpenCV知难点：基于OoenCV的自动驾综合陈冠玮识建立控制目标一28·仿真平台建立及兼容测试驶小车（仿真平台建立）架构，以最基。小车控制及图像顿数测试础操作入门课程思政融入点：建立成就感了解基于OpenCV的小车控制应用，培养实事求是的科学态度和职业道德。重点：·感知和动作规划基本思路搭载仿真环·基于HSV空间的特定颜色区域提取境并引入小基于OoenCV的自动驾·基于高斯模糊的噪声滤除车控制案例，陈冠玮综合目标三29驶小车（检测车道功能、·基于Canny算子的边缘轮廓提取搭建最真实动作控制）课程思政融入点：的测试环境介绍车线道检测的各种算法，结合现今最盛行的自动驾驶技术，培养创新性思维。重点：以小车模拟PaddlePaddle深度学习陈冠玮综合2目标三·特定颜色区域检测11实际开车场自动驾驶小车（数据采直线检测.o
9 实践教学进程表 周次 实验项目名称 授课教师 学时 教学内容（重点、难点、课程思政融入点） 项目类型（验证/综合 /设计） 教学 方法 支撑课 程目标 8 基于 OoenCV 的自动驾 驶小车（仿真平台建立） 陈冠玮 2 重点： • 安装仿真平台 • Python 控制模拟器 • Python 代码实现小车的控制 难点： • 仿真平台建立及兼容测试 • 小车控制及图像帧数测试 课程思政融入点： 了解基于 OpenCV 的小车控制应用，培养实事 求是的科学态度和职业道德。 综合 运用理论学 系到的 OpenCV 知 识建立控制 架构，以最基 础操作入门 建立成就感 目标一 9 基于 OoenCV 的自动驾 驶小车（检测车道功能、 动作控制） 陈冠玮 2 重点： • 感知和动作规划基本思路 • 基于 HSV 空间的特定颜色区域提取 • 基于高斯模糊的噪声滤除 • 基于 Canny 算子的边缘轮廓提取 课程思政融入点： 介绍车线道检测的各种算法，结合现今最盛行 的自动驾驶技术，培养创新性思维。 综合 搭载仿真环 境并引入小 车控制案例， 搭建最真实 的测试环境 目标三 11 PaddlePaddle 深度学习 自动驾驶小车（数据采 陈冠玮 2 重点： • 特定颜色区域检测 • 直线检测 综合 以小车模拟 实际开车场 目标三
.计算转向角景，开发具备集、模型训练）·训练模型车道维持的难点：功能，并运用·获取小车各参数及信息仿真平台显运用获取信息写入判断式示结果，逐步驱动小车自主判断及修正.构建专案课程思政融入点：实际小车模拟实际开车场景，运用所学知识完成深度学习的车道维持系统，培养实事求是的科学态度和职业道德。重点：·特定颜色区域检测·直线检测以小车模拟·计算转向角实际开车场·训练模型景，开发具备PaddlePaddle深度学习难点：车道维持的·获取小车各参数及信息自动驾驶小车（模型集陈冠玮2综合目标三12功能，并运用运用获取信息写入判断式.成及验证）仿真平台显·驱动小车自主判断及修正示结果，逐步课程思政融入点：构建专案实际小车模拟实际开车场景，运用所学知识完成深度学习的车道维持系统，培养实事求是的科学态度和职业道德合计10
10 集、模型训练） • 计算转向角 • 训练模型 难点： • 获取小车各参数及信息 • 运用获取信息写入判断式 • 驱动小车自主判断及修正 课程思政融入点： 实际小车模拟实际开车场景，运用所学知识完 成深度学习的车道维持系统，培养实事求是的 科学态度和职业道德。 景，开发具备 车道维持的 功能，并运用 仿真平台显 示结果，逐步 构建专案 1 2 PaddlePaddle 深度学习 自动驾驶小车（模型集 成及验证） 陈冠玮 2 重点： • 特定颜色区域检测 • 直线检测 • 计算转向角 • 训练模型 难点： • 获取小车各参数及信息 • 运用获取信息写入判断式 • 驱动小车自主判断及修正 课程思政融入点： 实际小车模拟实际开车场景，运用所学知识完 成深度学习的车道维持系统，培养实事求是的 科学态度和职业道德。 综合 以小车模拟 实际开车场 景，开发具备 车道维持的 功能，并运用 仿真平台显 示结果，逐步 构建专案 目标三 合计 8