188bet亚洲体育滚球:回归初“芯”-《机器视觉系统应用》赛项对接课程思政 引领“岗

发布时间:2022-09-09 01:31:08 来源:188bet亚洲体育滚球 作者:188金宝搏下载官网

产品系列:CN工业連接器

产品型号:

产品品牌:

  4月24日,2021年安徽省职业院校技能大赛(高职组)“机器视觉系统应用”赛项在芜湖职业技术学院拉开帷幕,来自省内众多高职院校的参赛队伍参与本次角逐。

  赛项旨在提升技能大赛与产业发展相同步的水平,进一步强化技能大赛连接、传递产业需求和院校教学的桥梁功能,满足装备制造、电子信息行业对机器视觉应用型人才的快速增长需求,促进社会对机器视觉系统应用相关职业岗位的了解,通过赛项引领教学实践、促进产教融合。

  竞赛采用团体赛制,每个参赛队伍由3名参赛选手组成。赛题以机器视觉从基础到应用的相关技术为核心内容,基于产业中真实场景业务需求,重点考查参赛选手机器视觉系统应用项目的技术能力,参赛选手需掌握在人工智能开发环境以及主流的深度学习框架、工具下,对机器视觉系统应用项目进行任务需求分析、任务编程实现、任务结果测试等。项目任务涉及到人工智能技术应用、机器学习、深度学习、定位引导、识别、检测、测量、工业控制等多个机器视觉系统应用典型应用领域。

  全国人工智能职教集团机器视觉专委会主任、本次大赛仲裁长、广东科学技术职业学院人工智能学院院长曾文权教授谈到机器视觉已经无处不在,从传统的视频监控到工厂的智能制造,从刷脸支付到无人驾驶等各类应用场景都离不开机器视觉的应用,今天比赛过程节奏紧凑、秩序井然、服务周到、亮点纷呈。赛项围绕以适应装备制造业、电子信息产业需求为导向,以“引领教学、丰富教学内容、展示教学成果”为宗旨,考察参赛选手在机器视觉系统相关技术技能方面的综合能力,展示参赛选手文明生产意识和团队合作精神。

  据了解,此次赛项有两个创新,一是深化产教融合,为产业发展赋能,二是将“课程思政”体现在竞赛全过程,增强适应性,服务高质量发展。“‘新工科’要立足新经济之‘新’,加快新兴领域工程科技人才培养,更新改造传统工科专业,培养创新人才。本次大赛与第四批1+X“机器视觉”证书制度融合发展设计整体逻辑架构,贯彻“赛证融通、书证融通、教赛融通、产学融通”的理念,通过职教届和行业企业界专家共同设计和参与比赛,引领高职“1+X”教学改革,实现理念创新,真正做到落地实施”。本次赛项的专家组组长北京联合大学机器人学院综合研发创新中心盛鸿宇主任表示:职业教育增强适应性,服务高质量发展,因此一线教育工作者在教学过程尤其是实践教学中进行多样化探索,通过多种方式实现教学目标,让学生都爱听爱学、听懂学会,动手实践并产生兴趣。

  芜湖职业技术学院党委委员、副校长孙晓雷教授说“六学”引领高校承担着立德树人的根本任务,立德树人离不开高素质专业技术技能人才的培养,离不开创新驱动。通过此次大赛把新兴科技研发应用融入到教学实践活动中,把学生学习动力激发和综合素养提升融入到专业人才培养过程中。

  据了解,本次比赛内容以机器视觉的系统应用为核心,要求设计一个手机芯片装配系统,装配6种手机芯片,分别为:电子罗盘、光敏感应、GPS定位、WIFI、重力传感器、防伪模块。系统运行过程中,芯片通过分度盘将芯片旋转到上料工位,上料工位视觉系统对芯片进行检测和定位,并引导机器人吸取目标芯片,机器人根据安装位置对芯片进行角度旋转并安装到目标位置。越疆科技有限公司杨俊总经理表示:机器视觉系统自带千余种图像处理算子,算法性能优秀,具备强大的视觉分析工具库,可快速构建机器视觉应用系统,可实际用于3C、食品、医药、化工、半导体、机械、汽车,等制造业真实行业应用场景,在国民经济和社会生产生活中正发挥越来越重要的作用。竞赛与展示相结合,体现拼博与友谊,实现比赛形式创新,培养机器视觉系统应用的高素质技术技能人才。

  据悉,此次省赛由安徽省教育厅主办,芜湖职业技术学院承办。北京联合大学机器人学院综合研发创新中心与越疆科技有限公司联合支持。

  沪、苏、浙、皖4个消防救援总队及多方力量720名官兵、163辆车、140艘艇、6架直升机为积极应对长三角的台风、暴雨、洪涝以及损害防汛设施等突发事件,提高长三角区域应对洪涝灾害事故救援和处置能力,进行了为期三天的长三角跨区域水域应急救援实战拉动演练。

  今年是第30个全国税收宣传月,嘉定区税务局税宣团队——我“嘉”税宣工作室,特别制作了献礼片《入海》,寓意在阵阵海浪声中,每一位税宣人都是一朵朵浪花,将税收事业汇入改革浪潮。

  “西餐厅里的悦读食光”活动已在杭州必胜客悦读食光主题餐厅开展,通过亲子共读以及读后绘画交流的活动形式,让大人和小孩一起了解茶的由来,在培养读书习惯的同时也增进了亲子关系的交流,切实推动市民读书氛围。


上一篇:闪光雨线专用划线机募投项目可行性研究报告
下一篇:机器视觉发展至今如何再一次进行突破