| Competencias do título |
| Código | Competencias 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 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 | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Sesión maxistral | A1 B5 B9 B14 B16 C5 | 7 | 7 | 14 |
| Prácticas de laboratorio | A1 A4 A5 B2 B5 B14 B16 C3 | 10 | 15 | 25 |
| Traballos tutelados | B2 B5 B9 B14 B16 C5 C3 | 0 | 31 | 31 |
| 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 proposto polos profesores da materia. Os alumnos realizarán un traballo de estudo e deseño dalgúns dos aspectos relevantes dunha solución de visión artificial para algún caso realista exposto polos profesores. O traballo será exposto e discutido diante dos compañeiros e entregado por escrito. O traballo será realizado polos alumnos de forma autónoma e o seu avance será tutorizado polos profesores. |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Traballos tutelados | B2 B5 B9 B14 B16 C5 C3 | Propoñerase un traballo tutelado que deberá ser desenvolto de forma autónoma polo alumno fóra das clases e que terá que ser presentado e defendido. É imprescindible obter unha cualificación mínima de 3 puntos sobre 10 nesta metodoloxía para superar a materia. |
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 3 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. |
|||
| 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 |
|
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:
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 |
| Materias que continúan o temario |
| Observacións | |
|
A entrega de traballos documentais que se realicen nesta materia:
|