Todos os aspectos relacionados con “dispensa académica”, “dedicación ao estudo”, “permanencia” e “fraude académica” rexeranse de acordo coa normativa académica vixente da UDC.

- 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.

Resultados de aprendizaxe	Competencias / Resultados do título
Capacidade para uso e desenvolvemento de código e librarías que permitan captar o contorno e realizar visión por computador ou realidade aumentada e actuar sobre el en sistemas robóticos e/ou industriais.	AI13
Deseñar sistemas para aplicacións de visión artificial en función do tipo de problema (técnicas de iluminación, óptica, selección de cámaras e posición do obxecto que se vai inspeccionar).	AI56
Identificar os tipos de elementos que interveñen na configuración dun sistema de visión artificial e os parámetros que afectan o proceso de adquisición de imaxes.	AI72
Aplicar as principais técnicas de procesamento de imaxes dixitais e iniciarse no seu uso práctico.	AI90

Temas	Subtemas
Introdución aos sistemas de visión artificial: sensores, iluminación, parámetros de adquisición, formatos de imaxe e almacenamento.	- Conceptos básicos. - Aplicacións de visión artificial na industria. - Adquisición e representación de imaxes. - Propiedades básicas das imaxes. - Iluminación da escena.
Problemas comúns en industria e exemplos de configuracións de sistemas aplicables.	- Casos de uso comúns en industria. - Hardware para captura de escenas 1D, 2D e 3D. - Deseño de sistemas de visión artificial para tarefas de inspección automatizada.
Procesamento de imaxes: transformacións xeométricas, mellora da imaxe, suavizado, realzado, operacións morfolóxicas etc.	- Introdución as técnicas software de análise de imaxe. - Análise de histograma. - Filtrado de imaxes.

Metodoloxías / probas	Competencias / Resultados	Horas lectivas (presenciais e virtuais)	Horas traballo autónomo	Horas totais
Sesión maxistral	A56 A72	11	11	22
Prácticas de laboratorio	A13 A90	10	15	25
Traballos tutelados	A56 A72	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	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.

Metodoloxías	Competencias / Resultados	Descrición	Cualificación
Traballos tutelados	A56 A72	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	A13 A90	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
Todos os aspectos relacionados con “dispensa académica”, “dedicación ao estudo”, “permanencia” e “fraude académica” rexeranse de acordo coa normativa académica vixente da UDC. - 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.

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 https://scikit-image.org/ Documentación da librería  OpenCV https://docs.opencv.org/master/ Versión borrador  online gratuíta do libro "Computer  Vision:  Algorithms  and  Applications":  https://szeliski.org/Book/ Versión borrador  online gratuita do libro "Conceptos y métodos en visión por  Computador": https://www.ceautomatica.es/blog/2020/06/19/libro-conceptos-y-metodos-en-vision-por-computador/