Identifying Data

2023/24

Subject (*)

Machine Vision II

Code

770538019

Study programme

Máster Universitario en Informática Industrial e Robótica

Descriptors

Cycle

Period

Year

Type

Credits

Official Master's Degree

2nd four-month period

First

Optional

Language

Spanish

Galician

Teaching method

Face-to-face

Prerequisites

Department

Ciencias da Computación e Tecnoloxías da Información

Coordinador

Mallo Casdelo, Alma María

E-mail

alma.mallo@udc.es

Lecturers

Guerreiro Santalla, Sara

Mallo Casdelo, Alma María

E-mail

sara.guerreiro@udc.es

alma.mallo@udc.es

Web

http://campusvirtual.udc.gal

General description

O principal obxectivo desta materia é que o alumno coñeza técnicas de visión artificial utilizadas para a automatización de procesos industriais, como, por exemplo, a inspección e control de calidade en liña de produtos. Entre estas técnicas inclúense métodos de procesamento de imaxes que permitan a segmentación e clasificación de obxectos ou ferramentas de análises baseadas en visión 3D.

Study programme competencies

Code	Study programme competences
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.
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
C4	CT04 - Desarrollar el pensamiento crítico
C5	CT05 - Adquirir la capacidad para elaborar un trabajo multidisciplinar

Learning aims

Learning outcomes	Study programme competences
Coñecer técnicas para extraer información a partir de imaxes dixitais, segmentarlas e extraer as súas características.	AC1 AC4 AC5	BC5 BC14 BC16	CC5
Adquirir coñecementos de técnicas para a interpretación de obxectos presentes en imaxes dixitais.	AC1 AC4 AC5	BC5 BC14 BC16	CC5
Coñecer conceptos e técnicas básicas relacionadas co seguimento de obxectos en movemento.	AC1 AC4 AC5	BC5 BC14 BC16	CC5
Coñecer exemplos prácticos de métodos que combinan descriptores de características da imaxe e clasificadores.	AC1 AC4 AC5	BC5 BC14 BC16	CC5
Familiarizarse cos tipos de técnicas e ferramentas que poden aplicarse na resolución problemas característicos de visión artificial na industria.		BC2 BC5 BC14 BC16	CC3 CC4 CC5

Contents

Topic	Sub-topic
Técnicas e métodos prácticos para a segmentación de imaxes.	- Operacións morfolóxicas. - Técnicas orientadas a rexións e contornos. - Técnicas de clustering. - Técnicas baseadas en Deep Learning.
Técnicas e métodos prácticos para a detección de obxectos.	- Descriptores de características. - Rexistro de imaxes. - Recoñecemento de obxectos. - Cámaras intelixentes.
Conceptos e técnicas básicas de seguimento de obxectos.	Conceptos e técnicas básicas de seguimento de obxectos.

Planning

Methodologies / tests	Competencies	Ordinary class hours	Student’s personal work hours	Total hours
Guest lecture / keynote speech	A1 B5 B14 B16 C4 C5	11	11	22
Laboratory practice	A1 A4 A5 B2 B5 B14 B16 C3	10	18	28
Supervised projects	B2 B5 B14 B16 C3 C4 C5	0	20	20

Personalized attention		5	0	5

(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies

Methodologies	Description
Guest lecture / keynote speech	Actividade presencial na aula ou a través de TICs para a explicación oral do temario teórico fomentando a discusión e a participación dos alumnos.
Laboratory practice	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.
Supervised projects	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.

Personalized attention

Methodologies

Supervised projects

Laboratory practice

Description

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.

Assessment

Methodologies	Competencies	Description	Qualification
Supervised projects	B2 B5 B14 B16 C3 C4 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.	40
Laboratory practice	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.	60

Assessment comments
Aspectos xerais: A avaliación desta materia está baseada na superación das dúas metodoloxías principais: Traballos Tutelados e Prácticas a través de TIC. 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). É requisito para superar a materia entregar, expoñer/defender os traballos e prácticas nas datas que se indiquen. No caso de plaxio en prácticas ou traballos docentes entregados, se terá en conta o artigo 11, apartado 4 b), do Regulamento disciplinar do estudantado da UDC: b) Cualificación de suspenso na convocatoria en que se cometa a falta e respecto da materia en que se cometese: o/a estudante será cualificado con “suspenso” (nota numérica 0) na convocatoria correspondente do curso académico, tanto se a comisión da falta se produce na primeira oportunidade como na segunda. Para isto, procederase a modificar a súa cualificación na acta de primeira oportunidade, se fose necesario. Segunda oportunidade: No caso de que o alumno non supere a materia na primeira oportunidade, deberá repetir na segunda oportunidade aquelas actividades que non foron superadas coas modificacións que se indiquen. Aplícanse os mesmos criterios de avaliación que na primeira oportunidade. Convocatoria adiantada (decembro): Aplican as mesmas metodoloxías. O alumno deberá poñerse en contacto cos profesores a principios do primeiro cuadrimestre (setembro) para que se lle comuniquen os traballos a entregar e dispoña de tempo suficiente para a súa realización e revisión. Matrícula a tempo parcial: Elimínase a obrigatoriedade de asistir ás actividades nas que se poida esixir presencialidad, salvo na exposición de traballos. Poderase acumular a porcentaxe da nota correspondente á asistencia a clase nas outras actividades, seguindo as indicacións dos profesores. Esta opción deberá notificarse aos profesores da materia.

Sources of information

Basic	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

Complementary	Marvin, R., Ng'ang'a, M., & Omondi, A. (2018). Python Fundamentals. Packt Publishing
	Libros accesibles de forma libre a través do proxecto CVONLINE (http://homepages.inf.ed.ac.uk/rbf/cvonline/support/overview.htm). Os libros están dispoñibles na seguinte páxina:  Richard  Szeliski, "Computer  Vision:  Algorithms  and  Applications" - http://szeliski.org/book/ Dana  Ballard  and Chris  Brown, "Computer  Vision" - http://homepages.inf.ed.ac.uk/rbf/books/bandb/bandb.htm Documentación da librería  Scikit- Image https://scikit-image.org/ Documentación da librería  OpenCV https://docs.opencv.org/master/ Versión borrador  online gratuíta do libro "Computer  Vision:  Algorithms  and  Applications":  http://szeliski.org/book/ Versión borrador  online gratuíta do libro "Conceptos y métodos en visión por  Computador": https://intranet.ceautomatica.es/sites/default/files/upload/8/files/ConceptosyMetodosenVxC.pdf

Recommendations

Subjects that it is recommended to have taken before

Machine Vision I/770538018

Introduction to Python for Engineers/770538011

Subjects that are recommended to be taken simultaneously

Subjects that continue the syllabus

Other comments

A entrega dos traballos documentais que se realicen nesta materia:

Solicitarase en formato virtual e/ou soporte informático.
Realizarase a través do Campus Virtual, en formato dixital sen necesidade de imprimilos
De se realizar en papel:

Non se empregarán plásticos.
Realizaranse impresións a dobre cara. 
Empregarase papel reciclado.
Evitarase a impresión de borradores.

Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria deberase incorporar a perspectiva de xénero nesta materia (usarase linguaxe non sexista, utilizarase bibliografía de autores/as de ambos sexos, propiciarase a intervención en clase de alumnos e alumnas...).

Traballarase para identificar e modificar prexuízos e actitudes sexistas e influirase na contorna para modificalos e fomentar valores de respecto e igualdade.

Deberanse detectar situacións de discriminación por razón de xénero e proporanse accións e medidas para corrixilas.

(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.