《自动检测技术与人工智能》是一门综合型专业基础课程，包含的内容涉及“传感器与检测技术”、“虚拟仪器技术”、“智能机器人”等。该课程是集电子、光学、精密机械、计算机技术、信息技术及人工智能等多学科互相渗透而形成的一门高新技术密集型专业基础课程，旨在培养宽口径、复合型，具有较强实践技能的工科人才。
该课程注重学科交叉与知识融贯，注重知识、能力、素质协调发展，学习、实践、创新相互促进。将原先独立、分割的《传感器与检测技术》、《虚拟仪器技术》和《智能机器人》相关课程融合贯通，形成“信息获取—信息处理—智能感知”的有机知识链，有利于翻转课堂、项目式教学等手段的开展。
平时成绩占50%，期末考试成绩占50%。按百分制计分，
60分至84分获得合格证书，85分至100分获得优秀证书。
高等数学
大学物理
模拟电子技术
数字电子技术
第一章 绪论 4学时
教学内容：1、讲述本课程性质、目的、任务、教学目标、主要内容、教学方法以及考核方式；
2、传感与检测技术的基本概念、传感器的基本组成及分类、测量系统的基本结构、传感与检测技术的应用及其发展趋势。
重点：测量系统的基本结构，传感与检测技术的应用；
难点：传感与检测技术在自动化领域的作用和地位如何体现？其发展与那些学科的知识交叉融合？
第二章 基础知识 3学时
教学内容：1、传感器与检测系统的各种特性性能指标；
2、误差的表示方法、分类、计算、误差传递、误差处理；
3、检测方法和检测结构——补偿结构和差分结构。
重点：性能指标、误差的计算和处理方法；
难点：误差的计算和处理方法，差分结构的特性和应用。
第三章 热电式传感器 7学时
教学内容：1、热电偶的工作原理，应用定则，冷端补偿电路，应用等；
2、热电阻的工作原理，特性，补偿电路，应用；
3、热敏电阻的工作原理，特性，应用；
4、热释电传感器的的工作原理，特性，应用；
重点：热电效应、热电偶冷端补偿、分度表使用、热电阻补偿电路特点；
难点：热电偶冷端补偿、分度表使用。
第四章 电阻式传感器 5学时
教学内容：1、电阻应变式传感器的工作原理、输入输出关系推导；
2、电阻应变式传感器测量电路，电桥电路；
3、电阻应变式传感器的应用实例；
4、电阻应变片在使用过程中应注意的事项
重点：弹性元件的工作原理以及输入输出关系，单臂电桥、差动电桥以及全桥电路的推导、特点分析。
难点：弹性元件的工作原理以及输入输出关系，电阻应变片的使用。
第五章 电感式传感器 4学时
教学内容：1、自感式电感传感器的工作原理；
2、电涡流传感器的工作原理、特性、调幅电路、多方面应用实例；
3、互感式差动变压器的工作原理、特性、补偿电路、应用实例；
重点：差动变压器和电涡流传感器的工作原理，补偿电路及应用。
难点：差动变压器的补偿电路——相敏整流电路的特点、推导。
第六章 电容式传感器 4学时
教学内容：1、电容传感器的工作原理、输入输出关系推导、三种结构；
2、单电容传感器与差动电容传感器输入输出关系式推导，由此计算出灵敏度和非线性误差；
3、电容传感器测量电路——运算放大器电路、电桥电路等。
4、电容传感器的应用实例。
重点：差动变压器和电涡流传感器的工作原理，补偿电路及应用。
难点：差动变压器的补偿电路——相敏整流电路的特点、推导。
第七章 压电和磁电式传感器 4学时
教学内容：1、压电效应、压电材料，压电式传感器工作原理、特性、电路以及压电效应的多方面应用；
2、霍尔效应、霍尔材料、特性，霍尔传感器的工作原理，误差及其补偿方法，霍尔效应的多方面应用。
重点：压电和霍尔传感器的原理和特性，应用；
难点：传感器的应用场合，霍尔误差的补偿方法。
第八章 超声波传感器 2学时
教学内容：1、超声波传感器工作原理；
2、各种超声波传感器及特点；
3、超声波传感器的应用；
重点：超声波传感器的工作原理；
难点：超声波传感的特点和应用。
第九章 光电传感器 3学时
教学内容：1、光电传感器工作原理、光电效应；
2、各种光电传感器--光敏电阻、光电池、光电倍增管、光敏二极管和光敏三极管；
3、光电传感器应用；
4、图像传感器；
重点：光电效应，各种光电器件的原理和特性，光电传感器的应用；
难点：各种光电器件的原理和特性。
第十章 数字式传感器 6学时
教学内容：1、数字式传感器概述，应用举例；
2、编码器的工作原理，分类，各种编码器的工作特性，应用；
3、光栅传感器的工作原理，莫尔条纹的形成，特点，辨相和细分；
重点：数字式传感器的工作原理、特性；
难点：辨相和细分电路。
第十一章 检测系统综合设计 3学时
教学内容：1、带温度补偿的超声波测距系统设计；
2、数字式传感器的辨向和细分电路设计；
3、电机轴偏心和振动检测；
重点：各传感器的工作原理、特性；
难点：将所学知识综合运用，根据设计要求提出系统设计方案，并且进行硬件电路的设计，各种器件的选型，并在课程设计中动手制作、调试，实现功能。
第十二章 虚拟仪器绪论1学时
教学内容：1、讲述虚拟仪器课程的性质、目的、任务、教学目标、主要内容、教学方法以及考核方式；
2、虚拟仪器技术的基本概念、形成和发展、系统结构、软件系统、系统设计和系统集成、前沿工程应用和最新发展趋势。
重点：虚拟仪器的系统结构和设计应用；
难点：如何理解虚拟仪器技术顺应着检测技术的发展趋势？
第十三章 LabView基础程序设计 4学时
教学内容：1、LabVIEW基础、VI的创建、编辑调试；
2、程序结构、数组、簇和波形、波形显示、字符串和文件I/O、数据采集。
重点：掌握LabVIEW软件的基本操作方法。
难点：掌握虚拟仪器的数据类型结构及波形显示方式。
第十四章 LabView基础实例 2学时
教学内容：1、数据的图形显示；
2、数据记录与回放；
3、模拟温度数据采集与监控；
4、综合实验设计。
重点：熟悉各种控件，各种结构，各种图形显示控件的使用，进一步掌握LabView环境和编程思想。
难点：掌握虚拟仪器的数据采集、输出编程，虚拟仪器的数据传输和仪器控制编程。
第十五章 虚拟仪器的工程设计 2学时
教学内容：1、虚拟仪器检测系统实例：基于声卡的虚拟仪器设计；
2、基于虚拟仪器的信号分析与处理，包括时域分析、频域分析工程实例；
重点：综合运用虚拟仪器和LabVIEW的相关知识，完成较为复杂和完善的虚拟仪器的设计任务。
难点：根据工程实例，理解并掌握虚拟仪器系统的综合设计方法。
第十六章 基于虚拟仪器的图像处理技术 2学时
教学内容：1、图像处理概述、IMAQ Vision模块及图像处理基础操作；
2、基于LabView的图像匹配系统设计实现；
重点：理解图像处理技术的概念与内涵，掌握基于LabView的图像处理基础知识与编程。
难点：动手设计、调试并实现一个基于LabView的图像处理软件程序。
第十七章 人工智能基本理论 9学时
教学内容：1、人工智能的基本概念及在智能检测中的应用;
2、知识表示方法：一阶谓词逻辑法、产生式法；
3、归结演绎推理方法：谓词公式化为子句集方法、鲁滨逊归结原理；
4、基于概率理论的推理方法：主观贝叶斯方法、可信度方法；
5、模糊推理方法
重点：各种知识表示方法和推理方法；
难点：归结推理和模糊推理。
第十八章 人工神经网络及其在软测量中的应用 6学时
教学内容：1、人工神经元与神经网络：概念、神经元数学模型、神经网络结构；
2、BP神经网络：网络结构、学习算法和特点；
3、BP神经网络在软测量中的应用；
重点：神经元的数学模型、应用神经网络建立软测量模型；
难点：BP网络的学习算法。
第十九章 人工智能 7学时
教学内容：1.基于深度学习卷积神经网络的目标检测：选择性搜索，基于区域提名的方法，端到端的方法。
2.人工智能在模式识别中的应用：特征提取和分类器的设计。
3.基于人工智能的图像特征提取方法：SIFT、LBP和词袋模型。
4.基于人工智能的图像分类与识别：ALexnet、vgg和Resetnet。
5.基于人工智能的显著性目标检测：IT、RC和流行排序算法。
重点：目标检测算法，图像特征提取算法，典型深度卷积神经网络，典型显著性目标检测算法。
难点：Fast-RCNN和Yolo的结构与算法，中层语义特征的建立，深度卷积神经网络的结构和算法，典型显著性目标检测算法流程。