（1）专业与年级要求    

本课程开设专业为自动化专业本科四年级学生。

（2）基本知识和能力要求  

为了提高自动化类学生的综合实践能力和创新设计能力进行实木板材的缺陷识别与优选排样虚拟仿真实验。通过该项综合实验，使学生能够综合运用所有知识，在教师的指导下，完成缺陷识别与优选排样主要环节参数设计，获得较好的木材出材率，进而实现板材拼接最大桌面。学生应具备以下能力和要求：    掌握自动化等方面的基础理论和基本知识，掌握自动化加工工程相关的规定和标准等相关知识。完成《人工智能》、《数字图像处理》、《最优控制》等基础课与专业基础课的学习，且对实木板材的缺陷识别与优选排样的环节和设备类型有基本的了解。应具备一定程度的自主创新设计和独立解决问题的能力。对实木板材的缺陷识别与优选排样有综合认知和一定的工程设计能力。

团队开展教学研究、学术研究、获得教学奖励情况

1、教学研究

1）2020年主持省重点教材项目《机器人技术基础》

2）2019年主持省部级教学项目“面向智能制造的农林院校工程类专业课程体系重构” 

3）2016年主持江苏省教育厅第三届精品课题“工科大学生实践创新的评价标准与评价体系研究”

 4）2014-2016年主持江苏省教育厅研究生教育教学改革研究与实践课题“机械领域研究生的分类培养模式改革实践与研究”

 5）作为主要参与人成功申报国家级现代林业装备及其自动化虚拟仿真实验教学中心与江苏省机械工程虚拟仿真实验教学共享平台

2、学术研究

1）2019-2022 主持江苏省重点研发计划项目“基于深度学习的实木板材智能加工系统集成关键技术研发与应用”

 2）2016-2019主持江苏省国际科技合作项目“全自动智能梳齿指接生产线的合作研发”

 3）2014-2018 主持国家林业局948项目“实木板材激光轮廓和色泽集成扫描技术的引进” 

4）2013-2016主持江苏省产学研联合创新资金-前瞻性联合研究项目“木材品质智能识别技术及产业化” 

3、获得教学奖励

1）2018国家高等教育教学成果奖二等奖“以国际专业认证为引领，多元协同培养林业工程类创新人才的研究与实践”

 2）2019 第十六届“挑战杯”全国竞赛江苏省选拨赛决赛特等奖

3）2017江苏省教学成果奖省级一等奖“多元协同、分层递进、 强化实践”的林业装备高端人才一体化培养体系的构建与实施

4）2018江苏省研究生教育改革成果二等奖“学科引领、多元协同、校企深度融合”林业院校机械类研究生培养模式的实践”

（1）   培养满足中国制造高质量发展的新工科人才，响应“绿水青山就是金山银山”的理念

 南京林业大学为国家“双一流”学科建设高校，机械电子工程学院是“林业工程”国家一流学科的重要支撑，拥有“控制科学与工程”一级学科，自动化专业以“人工智能与大数据、智能控制、农林装备与信息化”为特色，以“多元协同、校企融合、特色发展、国际视野”为理念，培养具有良好的工程职业道德，掌握扎实的自然科学基础知识及自动化专业基础理论、专业技能以及工程创新意识，践行社会主义核心价值观，能够积极服务国家与社会；能够解决自动化领域的复杂工程问题的技术和管理人才。实验将原先被废弃的板材短料切除缺陷后接长排样再利用，变废为宝，最大限度地利用木材，提高了木材资源的利用率，贯彻了减少木材消耗就是植树造林的思想。

（2）《自动化综合课程设计》是自动化专业实践的重要创新课程

本实验课程为自动化专业的必修核心课程“自动化综合课程设计”而开发的，《自动化综合课程设计》是一门涉及《数字图像处理》、《人工智能》和《最优控制》等多门课程理论知识和实践技能的综合性课程设计。为了帮助学生牢固掌握基本理论原理并应用这些理论知识解决实际生产问题，达到具有解决复杂工程问题能力的毕业要求，并持续改进实践教学效果，开设《自动化综合课程设计》课程，共计16学时，其中“实木板材的缺陷识别与优选排样虚拟仿真实验”占2学时。

（3）   虚拟仿真实验的必要性 

本课程为适应实木板材智能制造业高质量发展的需求，以培养具有解决复杂工程问题能力和创新思维能力的高层次人才为目标，坚持“学生为中心、产出导向、持续改进”的原则，以实木板材的缺陷识别与优选排样为切入点，以解决现实实验教学中的难点：

        ①高危险性：粉尘多、噪声大、锯切防护要求高，实验危险性大；

        ②大型综合实验：生产设备体积大，实验场地受限，实验复杂；

        ③不可逆性：设计参数耦合度高、实验难度大，易导致出现木材误切的不可逆操作。 

本实验项目瞄准培养学生解决复杂工程问题的能力，实验设计兼具深度与广度，充分利用最新的虚拟仿真技术的高仿真特性、交互特性，从对工业机器人、电机、加工设备、实木板材缺陷等基础认知到图像预处理、神经网络和遗传算法优选的高阶仿真，各实验环境的设计与实施都侧重于培养学生的自主探究、学习能力，使其熟悉工业现场环境，提高对板材缺陷识别与优选排样的设计能力、创新开发能力及独立解决问题能力。

坚持“学生为中心、产出导向、持续改进”的原则，通过实验测试等手段提取实物系统参数建立其仿真模型，结合自动化专业理论知识对实验系统进行更为深入的实验研究。实验通过层层递进的4个实验环节，将知识学习与能力培养深入融合，引导学生通过探究式学习将理论知识向教学实践逐步转化，促进理论研究与实践研究的相互融合。利用实验各个环节和步骤的结果，将形成性评价和终结性评价结果有效结合，全面评价学生能力的达成情况，并根据评价结果进一步调整实验项目的教学，进一步促进学生能力达成。

本虚拟仿真实验课程以林业为特色，以学生为中心，通过综合《人工智能》、《最优控制》、《数字图像处理》这些自动化的理论课教学，建立从基础知识与储备，核心知识学习与实验验证，到知识开拓与创新实践逐层递进式的实验教学模式。针对我国木材匮乏的现状，紧跟当今最新技术，将木材加工与人工智能技术深度融合，通过去除木材缺陷、短材接长，提高木材资源的利用率，使学生综合运用自然科学基础知识、自动化专业知识与实践技能解决复杂工程问题，培养学生节约木材、绿色发展的理念，具备终身学习能力和创新意识，将来有能力服务木材加工产业，为企业的智能化转型升级做出贡献。同时还可为木材行业技术人员提升工程经验与系统性理论知识学习提供交互验证平台，推动工程技术人员的创新性研究。本虚拟仿真实验课程包括实验认知、实木板材缺陷定位、实木板材缺陷分类、优选排样四个主要环节，针对每个实验环节教学目标如下：

1、实验认知

通过实物模型、缺陷图片等，让学生了解数字图像处理、神经网络、遗传算法的基本原理、设计方法、判别准则，配合课堂教学，让学生获得实木板材缺陷识别与优选排样的相关工程知识积累。

2、实木板材缺陷定位

(1)了解数字图像采集与图像预处理的常用方法，掌握图像预处理的相关方法和流程，通过研究斜率和截距参数的影响规律，找出提高图像对比度的解决方案，提高其分析实际工程问题的能力。

(2)了解图像分割、形态学处理的原理和方法及特点，掌握图像值分割中阈值设置规律、形态学的腐蚀与膨胀处理技术，以去除外界干扰，对缺陷进行准确定位，进一步提高学生面对实际工程难题，综合应用图像预处理知识解决实木板材缺陷图像定位的问题。

3、实木板材缺陷分类

(1)了解传统的人工神经网络的原理与特点，掌握设计网络结构的方法，通过特征选择、网络结构训练与参数优化设计的基础算法，探究人工智能技术解决实木板材缺陷图像定位的问题。

(2)了解卷积神经网络的原理与特点，掌握设计网络结构的方法，通过特征选择、网络结构训练与参数优化设计的提升算法，应用最新深度学习探究提高实木板材缺陷图像分类准确率的解决方案。

(3)对比两种神经网络，提升学生分析复杂工程问题的能力。

4、优选排样

(1)了解优选排样原则和遗传算法原理，分析生产加工需求，设计遗传算法参数，提高学生分析工程问题能力。通过完成任务和解决问题使得学生更主动地激活原有知识和经验，激发求知欲望，提升独立思考能力和探索的学习能力，培养勇于创新的精神。

(2) 了解遗传算法的设计流程，利用控制变量法，探索遗传算法参数与出材率之间的关系，设计优化参数，提高木材使用率，提高学生综合运用所学专业知识进行综合设计的能力。

    课程制定了详尽的考核要求和扣分标准，按照百分制打分，教师通过实验软件能够在教学全场景（理论+仿真+实验）中考查学生操作的全过程，每一环节都有明确的得分标准，并可查看设计流程、各操作步骤的成绩和实验报告。