王 叶

(上海大学理学院 物理系，上海 200444)

随着“互联网+教育”的发展，近年来的新冠疫情又将网络教学置于非常重要的地位，要求我们改革和创新远程教学理念和模式.就远程实验教学而言，核心课题是如何在网上讲授实验和开展实验项目.本文以迈克耳孙干涉仪及相关实验为例研究一种融合机器视觉的远程教学技术，将本地实验系统联网,并与远端移动平台和客户端相连，建立基于网络和跨平台的在线教学环境，研究相应的远程实验教学模式、内容和方法，开发远程实验系统.

1 融合机器视觉的远程教学

1.1 教学模式

现代远程或网络教学是运用现代信息技术将教学内容和过程传递给远方的学习者.目前，远程教学的主要方式是基于各种网络教学平台的在线资源推送和直播[1,2].关于大学物理远程实验教学，很多学校给出的具体教学形式为“MOOC看实验+仿真模拟实验+居家实验”的“套餐式”形式[3].如果采用整合技术及教学法知识理论(TPACK)来构筑这种大学物理远程实验教学,并将人工智能技术融入其中(AI-TPACK)[4,5]，即将人工智能技术与信息技术进一步整合(AI-TK)，开展将专业学科内容与人工智能和信息技术进行整合(AI-TCK)，以及将人工智能技术与远程教学法进行整合(AI-TPK)，则现阶段研究的融合机器视觉的远程实验教学具有如下知识表征：1) 机器视觉技术与网络技术的结合；2) 机器视觉的专业知识以及应用；3) 机器视觉技术与学科教学法的融合；4) 将机器视觉技术用于学科远程自主学习时的方法和技术.

本文以“迈克耳孙干涉实验”为例，构建以“迈克耳孙干涉仪”为学科内容，结合机器视觉和信息技术的教学法(AI-PCK)，即在远程教学时的直播过程中，在对实验系统和实验过程进行讲解的基础上，直播交由机器视觉系统控制，进行“机器直播”，运用机器视觉网络扩展技术，系统自动进行远程信息发布和实时传送干涉条纹图像；定量实验时，由远端平台和客户端用户控制本地迈克耳孙干涉仪进行自动化测量；跨越实验室空间和网络空间，教学内容可进一步引入到探究式学习环境[6]，此系统和方法具有现实需求和远景意义.

1.2 教学目标

人工智能的一大技术方向为构建类似人类感知和学习的人体行动与工作模式，机器视觉即以视觉感知机器代替人眼，研究发现其在AI-TK或AI-TCK整合中作用明显.融合机器视觉的实验系统在AI-TPK方面具有嵌入式(软硬件)和网络技术相整合的能力，因此可以设计一些具有个性化学习的信息推送和远程控制功能.就远程迈克耳孙干涉实验而言，其教学目标为：1) 迈克尔孙干涉仪原理和功能的讲解(直播或软件仿真)；2) 融合机器视觉及网络技术的实时干涉条纹图像的获取、处理和远程传送——“机器直播”；3) 实验仪器的远程控制和自动化测量——“机器人”远程实验；4) 相关数据、技术资料的推送和网上研讨.

1.3 实验系统和网络

融合机器视觉的远程(网络)迈克耳孙干涉实验系统架构如图1所示，本地实验室由一台传统的激光迈克耳孙干涉仪和一套“网络机器视觉系统+控制系统”构成.机器视觉系统采用开源的OpenMV，其二次开发类似于“Arduino”，通过配置WiFi模块实现联网，称为网络机器视觉系统，具有将图像和数据上传至网络的能力，同时，联网的控制系统从远端平台和客户端获得控制命令和咨询等信息，与OpenMV网络机器视觉系统进行通信，联合完成对干涉仪测量过程的控制，组成一个远程(网络)实验系统(平台).其中实际使用的机器视觉系统硬件为OpenMV4(STM32H7)，主频达480 MHz，板载的光学传感器(CMOS Camera VGA)型号是OV7725，最高帧速为60 fps.

图1 远程(网络)实验系统

网络设计上，校园网(内网)是作为各级网关管理的局域网存在的，要和internet等广域网(外网或公网)进行连接需要设置和开放远程(网络)实验系统的IP地址及端口.

2 实验

2.1 本地实验室

本地实验室是一个综合性概念，涉及技术和管理两方面.对于图1所示实验系统，要求实验室及其网络满足：保证干涉仪的正常运行，实验系统具有保护和应急处理能力；保证数据的安全性，数据跨平台传输的可靠性和实时处理、传送能力.实验系统具有两种运行模式，联网前的运行为本地模式，联网后的运行则为远程模式.文献[7]给出了基于机器视觉的干涉条纹检测的算法和定量测量过程，在自动化的基础上，系统无论处于何种模式，控制系统界面(LCD触屏)如图2所示，可以控制干涉仪小鼓轮转动和显示各种数据.

图2 控制系统界面

干涉仪小鼓轮每转一圈对应位移为10 μm，定义控制系统单圈运行时间为T1(图2中显示为45 s)，当1.8o步进电机的细分数为16时，每圈具有3 200个脉冲，位移精度约为0.004 μm.设激光波长λ=0.632 8 μm，则干涉条纹移动速率为

(1)

理论计数规则(0.5个条纹)要求图像帧速vf和条纹移动速率vfr大约满足

(2)

得到不同单圈运行时间时的最小图像帧速值,vfm由表1给出.

表1 最小图像帧速vfm(单位为：帧/s)

最小图像帧速vfm的意义在于：当进行网络直播或远程实验时，网络机器视觉系统保持实时性的必要条件为

vf>vfm

(3)

2.2 机器直播

本文以基于“局域网+内网穿透”方式设计、开发一种网络直播及远程实验，内网穿透技术是将内网主机(联网的机器视觉系统)的IP地址和端口进行映射，转换为一个外网IP地址和绑定的端口，系统就此获得如基于http(超文本传输协议，或https)的外部网络连接应用服务，实际上是打通一条由外部注册的网络数据通道，客户端或网络用户可以通过普通浏览器观看直播，本文将此项应用称为“机器直播(machine broadcast)”，即将实时干涉条纹、处理数据等信息于采集的图像画面上进行描述和显示，并以图像流的形式向外网进行发送和直播.融合机器视觉的“机器直播”具有如下特点和作用：1) 是一种直播(live video broadcast)形式，具有一般网络直播的作用；2) 数据处理能力和实时性高度依赖于机器视觉系统和传输网络的软、硬件性能，如与程序算法、网速等密切相关，决定了实验过程“运行+直播”的可行性和体验感──具有全景视场与浸润式效果.干涉条纹的“机器直播”页面如图3所示.

直播中 直播中发送“指令”

此处直播中发送的“指令”即要求用户发送远程控制信息(命令或参数)，用户据此切换到远程控制实验阶段.

2.3 远程实验

远程实验或实验的远程探究在技术上首先应是实验仪器的远程可控性，本文设计的远程控制模式如图4所示.

图4 远程控制模式

当系统运行于远程模式时，网络用户通过移动平台的浏览器打开网页，观看实时干涉条纹图像，如需进行远程实验，则由网络用户端的应用软件向实验室站点发送控制参数(干涉条纹移动方向和总环数)，图5(a)和图5(b)是以TCP/IP网络调试工具为例的远端应用软件界面，分别为发送测量参数界面和测量结束后传回数据界面，图5(c)是测量结束后的“机器直播”页面，显示总环数为10，光程差为6.38 μm.

发送测量参数界面

远程实验过程为：实验室站点接收到网络用户的控制参数后启动实验系统进行干涉条纹测量，将测量过程中采集、处理后的每帧图像生成网页而发布于网络，网络用户将即时看到处于测量中的干涉条纹图像和测量中的环数变化，测量完成后实验室站点将反馈发回光程差数据,供用户进行计算.

图6为总环数为50的远程实验中的网络用户看到的浏览器页面(页面截屏上显示了部分外网域名并将此域名区域放大显示)，图7为实验结束时的浏览器页面，光程差数据31.918显示于页面上.

测量中网络用户的浏览器页面(截屏)

图7 远程实验结束时的图像页面(截图)

下面分析远程实验过程、测量数据及其误差.本文实验过程的核心问题是运用机器视觉实现干涉条纹的远程自动测量.和以往实验室中的手动及观察测量存在方法差异，如表2所示.

表2 测量方法比较

原则上，凡进行实际测量的参数，其误差都应当予以考虑，但一般不考虑环数的人眼观察测量的不确定度.当前在进行远程自动测量时，环数是一个用机器视觉算法直接和自动测量的参数，存在且应当考虑其测量误差.另一方面，位移也采用自动测量的方法，测得的步进累加值[如图5(b)中传回的数据]是细分后的控制脉冲数转换的步进移动所累积的距离，这个转换过程由控制及传动系统完成，累积的距离(即位移)是系统软硬件作用下的一种测量或“读取”，读取过程只不过由人换成了机器或系统.问题在于，这种机器“读取”的位移的准确性和可靠性如何？运用光栅尺直接测量步进位移系统单步位移的研究表明，随着步进细分数的增加，所测单步位移的最大误差率(单步位移与步进位移量的偏差的最大值/步进位移量)相应增加，即单步位移的误差变大，但是单步位移的均值是接近于步进位移量的，因此，实际位移可以用步进累加值估测，虽然这个步进累加值是一个“脉冲转换值”，转换成功或可以进行估测的条件就是所用步进系统是优良的(如不丢步，机械精度高和运行稳定等).

如何判断步进位移系统是否优良？在步进位移系统误差未知的情况下可用某个应用系统进行适当的验证和鉴别，如本文的干涉测量系统.当步进累加值的线性度及最后波长测量的准确性很高时，可将步进累加值作为对实际位移的估测，否则应对步进位移系统做单独测量和误差评价.比如当前10个条纹的步进累加值是6.38 μm，计算波长为0.638 μm，误差为0.9%，50个条纹对应的步进累加值是31.918 μm，计算波长为0.638 μm，误差亦为0.9%，等等.故可将本步进位移系统的步进累加值用来估测实际位移，并且暂不考虑位移的A类不确定度.在16细分下，0.003 125 μm是单步位移量，是步进累加值的最小距离单位，视为步进累加值的精度，即是实际位移的估测的精度，实际位移的B类不确定度也以此精度的误差限0.004 μm估算.由于步进累加值的线性度很好[如图5(b)所给数据]，在计算任何时候的位移时，只需根据环数差的标称值来计算对应的位移量，即将总位移量作线性等分处理.

综上所述，现假设位移如同人眼观察环数那样为一种确定值，而环数是另一个被测的物理量，并且是由机器视觉“看出”的，但是这个“看出”可能存在偏差，需要做误差评价，在此即用逐差法处理环数数据[7]，下面为总环数为50个条纹的远程实验的结果及其误差分析(图6和图7).

表3为远程实验测得的冒出50个条纹的数据，每隔5个条纹给出一次数据(从录制的视频回放确定环数差标称值)，从表3数据看出，条纹冒出过程中的环数检测非常准确，环数测量的A类不确定度为0.表4为环数的数据处理.

表3 干涉条纹环数的测量数据

表4 环数的数据处理

xi=Oi+5-Oi,i=1,…,5

(4)

环数的计算结果为

x=25.0±0.5(个)

(5)

(6)

由假设，位移Δd的A类不确定度为0，B类不确定度取其误差限0.004 μm，则波长的不确定度公式为

(7)

最后波长计算的结果为

λ=0.64±0.02 μm

(8)

表3同时给出了单帧图像时间，其中包括图像上载到网络的时间，其倒数就是图像帧速vf，测量过程中T1=80 s，则vf始终大于vfm=1.58帧/s，即满足实时性条件.测量结果显示，对于当前的干涉测量系统，环数的B类不确定度是测量误差的主要来源.

3 结束语

本文给出的融合机器视觉的远程(网络)迈克耳孙干涉实验系统原理上,内嵌了全部实验过程要素和部分可操作功能，是一种综合多项技术的直播授课系统，原则上可以自行完成指定教学任务和过程，但本文未对“干涉仪的调整”这部分教学内容做网络用户的可操作实现，此部分内容的教学尚基于仿真和直播方式讲解.另外，针对研究型或个性化教学，比如设计某种使用迈克耳孙干涉仪测量透明介质折射率的实验，在在线交流和探究中由本地实验室搭建样品装置及光路，系统适时推送搭建过程视频和原理讲解等，继而完成一些远程控制操作和实验，上述过程具有在线“硬件+实验”定制和订阅的含义，或者某种OMO(Online Merge Offline)线上线下融合形式，值得进一步探索和研究.