Competencias do título |
Código
|
Competencias / Resultados do título
|
A1 |
CE01 - Capacidad para aplicar técnicas de análisis de datos y técnicas inteligentes en robótica y/o informática industrial |
A4 |
CE04 - Capacidad para uso y desarrollo de código y librerías que permitan captar el entorno y actuar sobre él en sistemas robóticos y/o industriales |
A5 |
CE05 - Capacidad para uso y desarrollo de código y librerías que permitan realizar visión por computador o realidad aumentada sobre sistemas robóticos y/o industriales |
B2 |
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio |
B5 |
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. |
B9 |
CG4 - Extraer, interpretar y procesar información, procedente de diferentes fuentes, para su empleo en el estudio y análisis |
B14 |
CG9 - Aplicar conocimientos de ciencias y tecnologías avanzadas a la práctica profesional o investigadora |
B16 |
CG11 - Valorar la aplicación de tecnologías emergentes en el ámbito de la industria y la robótica |
C3 |
CT03 - Aplicar una metodología que fomente el aprendizaje y el trabajo autónomo |
C5 |
CT05 - Adquirir la capacidad para elaborar un trabajo multidisciplinar |
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
Coñecer os tipos de elementos que interveñen na configuración dun sistema de visión artificial. |
|
BM5 BM9 BM16
|
CM5
|
Coñecer e entender os parámetros principais que afectan o proceso de adquisición de imaxes (tempo de exposición, apertura, sensibilidade, óptica, etc.). |
|
BM5 BM9 BM16
|
CM5
|
Coñecer os conceptos principais relacionados coa representación dixital de imaxes e o seu almacenamento físico. |
|
BM5 BM9 BM16
|
CM5
|
Adquirir unha visión global do proceso de deseño de sistemas para aplicacións de visión artificial en función do tipo de problema (técnicas de iluminación, óptica, selección de cámaras e posición do obxecto para inspeccionar). |
|
BM2 BM5 BM9 BM14 BM16
|
CM3 CM5
|
Adquirir os coñecementos básicos sobre técnicas de procesado de imaxes dixitais e iniciarse no seu uso práctico. |
AM1 AM4 AM5
|
BM5 BM9 BM14 BM16
|
CM3 CM5
|
Contidos |
Temas |
Subtemas |
Introdución á visión artificial. |
- Conceptos básicos.
- Aplicacións de visión artificial na industria.
- Adquisición e representación de imaxes.
- Propiedades das imaxes. |
Compoñentes dun sistema de visión artificial para contornas industriais.
|
-Compoñentes dun sistema de visión artificial para contornas industriais. |
Deseño de sistemas de visión artificial para tarefas de inspección automatizada. |
- Deseño de sistemas de visión artificial para tarefas de inspección automatizada. |
Introdución ás técnicas de análises de imaxe
|
- Análise de histograma.
- Binarización.
- Filtrado. |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Sesión maxistral |
A1 B5 B9 B14 B16 C5 |
11 |
11 |
22 |
Prácticas de laboratorio |
A1 A4 A5 B2 B5 B14 B16 C3 |
10 |
15 |
25 |
Traballos tutelados |
B2 B5 B9 B14 B16 C3 C5 |
0 |
23 |
23 |
|
Atención personalizada |
|
5 |
0 |
5 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Sesión maxistral |
Actividade presencial na aula ou a través de TICs para a explicación oral do temario teórico fomentando a discusión e a participación dos alumnos.
|
Prácticas de laboratorio |
Actividade presencial na aula ou a través de TICs para a realización de prácticas nas que se aplicarán algunhas das técnicas e estratexias vistas en teoría. Os alumnos completarán as propostas de traballos expostas polos profesores. Estas prácticas poderán estar relacionadas coa aplicación práctica de técnicas de procesamento de imaxes, a análise da solución adecuada a un problema industrial resoluble con visión artificial, ou a selección e configuración de elementos hardware-software para un sistema de visión concreto. Nos casos en que se considere necesario completarase o traballo de forma autónoma.
|
Traballos tutelados |
Traballo/s de profundización práctica sobre algún tema de teoría propostos polos profesores da asignatura. Os alumnos realizarán un ou varios traballos de estudo ou deseño dos aspectos relevantes dunha técnica ou solución de visión artificial no contexto proposto polos profesores. Os traballos serán expostos e discutidos diante dos compañeiros e entregados por escrito. Os traballos serán realizados polos alumnos de forma autónoma e o seu avance será tutorizado polos profesores. |
Atención personalizada |
Metodoloxías
|
Traballos tutelados |
Prácticas de laboratorio |
|
Descrición |
Prácticas de laboratorio: Para a realización das prácticas, o alumno poderá consultar co profesor todas as dúbidas que lle xurdan sobre a realización dos traballos.
Traballos tutelados: é recomendable o uso da atención personalizada nestas actividades para resolver dúbidas, para discutir e orientar o traballo co profesor, e para ter un seguimento do correcto avance do traballo.
|
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Traballos tutelados |
B2 B5 B9 B14 B16 C3 C5 |
Propoñerase un ou varios traballos tutelados que deberán ser desenvolvidos de forma autónoma polo alumno fóra das clases e que terán que ser presentados e defendidos. Disporase de atención personaliza por parte do profesor, que computa na avaliación. É imprescindible obter unha cualificación mínima de 4,5 puntos sobre 10 nesta metodoloxía para superar a asignatura.
|
50 |
Prácticas de laboratorio |
A1 A4 A5 B2 B5 B14 B16 C3 |
Propoñeranse un ou varios traballos prácticos de aplicación de técnicas concretas de visión artificial ao longo do curso que serán desenvolvidos polos alumnos e entregados para a súa avaliación. É imprescindible obter unha cualificación mínima de 4,5 sobre 10 nesta metodoloxía para superar a materia.
Poderase valorar positivamente a asistencia e participación activa nas clases ata un máximo de 1 punto sobre 10. |
50 |
|
Observacións avaliación |
- A avaliación desta materia está baseada na superación das dúas metodoloxías principais: Traballos Tutelados e Prácticas de Laboratorio. A nota mínima para superar a materia será dun 5 sobre 10, sumando a nota de ambas as metodoloxías (a condición de que se supere a nota mínima esixida en cada metodoloxía).
- No caso de que o alumno non supere a materia na convocatoria ordinaria, deberá repetir na convocatoria extraordinaria aquelas actividades que non foron superadas coas modificacións que se indiquen.
- Os alumnos con matrícula a tempo parcial poderán acumular a porcentaxe da nota correspondente á asistencia a clase nas outras actividades. Esta condición deberá notificarse aos profesores da materia.
- É requisito para superar a materia entregar, expoñer/defender os traballos e prácticas na data que se indique.
- CONVOCATORIA ADIANTADA (decembro). Aplican as mesmas metodoloxías. O alumno deberá porse en contacto cos profesores a comenzos do primero cuatrimestre (setembro) para que se lle comuniquen os traballos a entregar e dispoña de tempo para a súa realización e revisión.
|
Fontes de información |
Bibliografía básica
|
Richard Szeliski (2010). Computer Vision: Algorithms and Applications. Springer
Gonzalo Pajares, Arturo De La Escalera, Enrique Alegre (2016). Conceptos y métodos en visión por computador. Comité Español de Automática
Sandypan Dey (2018). Hands-On Image Processing with Python. Packt Publishing |
|
Bibliografía complementaria
|
Marvin, R., Ng'ang'a, M., & Omondi, A. (2018). Python Fundamentals. Packt Publishing |
Documentación da librería Scikit-Image Documentación da librería OpenCV Versión borrador online gratuíta do libro "Computer Vision: Algorithms and Applications": Versión borrador online gratuíta do libro "Conceptos y métodos en visión por Computador":
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
|
Materias que se recomenda cursar simultaneamente |
Python para Enxeñeiros Introdutorio/770538011 |
|
Materias que continúan o temario |
Visión Artificial II/770538019 |
|
Observacións |
A entrega de traballos documentais que se realicen nesta materia: - Solicitarase en formato virtual e/ou soporte informático.
- Realizarase a través del Campus Virtual, en formato dixital sen necesidade de imprimilos.
- De realizarse en papel:
- Non se utilizarán plásticos.
- Realizaranse impresións a dobre cara.
- Utilizarase papel reciclado.
- Evitarase a impresión de borradores.
|
|