| Competencias del título |
| Código | Competencias del 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 aprendizaje | |||
| Resultados de aprendizaje | Competencias del título | ||
| Conocer los tipos de elementos que intervienen en la configuración de un sistema de visión artificial. | BM5 BM9 BM16 |
CM5 |
|
| Conocer y entender los parámetros principales que afectan al proceso de adquisición de imágenes (tiempo de exposición, apertura, sensibilidad, óptica, etc.). | BM5 BM9 BM16 |
CM5 |
|
| Conocer los conceptos principales relacionados con la representación digital de imágenes y su almacenamiento físico. | BM5 BM9 BM16 |
CM5 |
|
| Adquirir una visión global del proceso de diseño de sistemas para aplicaciones de visión artificial en función del tipo de problema (técnicas de iluminación, óptica, selección de cámaras y posición del objeto a inspeccionar). | BM2 BM5 BM9 BM14 BM16 |
CM3 CM5 |
|
| Adquirir los conocimientos básicos sobre técnicas de procesado de imágenes digitales e iniciarse en su uso práctico. | AM1 AM4 AM5 |
BM5 BM9 BM14 BM16 |
CM3 CM5 |
| Contenidos |
| Tema | Subtema |
| Introducción a la visión artificial. | - Conceptos básicos. - Aplicaciones de visión artificial en la industria. - Adquisición y representación de imágenes. - Propiedades de las imágenes. |
| Componentes de un sistema de visión artificial para entornos industriales. | - Componentes de un sistema de visión artificial para entornos industriales. |
| Diseño de sistemas de visión artificial para tareas de inspección automatizada. | - Diseño de sistemas de visión artificial para tareas de inspección automatizada. |
| Introducción a las técnicas de análisis de imagen. | - Análisis de histograma. - Binarización. - Filtrado. |
| Planificación | ||||
| Metodologías / pruebas | Competéncias | Horas presenciales | Horas no presenciales / trabajo autónomo | Horas totales |
| Sesión magistral | A1 B5 B9 B14 B16 C5 | 7 | 7 | 14 |
| Prácticas de laboratorio | A1 A4 A5 B2 B5 B14 B16 C3 | 10 | 15 | 25 |
| Trabajos tutelados | B2 B5 B9 B14 B16 C5 C3 | 0 | 31 | 31 |
| Atención personalizada | 5 | 0 | 5 | |
| (*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos | ||||
| Metodologías |
| Metodologías | Descripción |
| Sesión magistral | Actividad presencial en el aula o a través de TICs para la explicación oral del temario teórico fomentando la discusión y la participación de los alumnos. |
| Prácticas de laboratorio | Actividad presencial en el aula o a través de TICs para la realización de prácticas en las que se aplicarán algunas de las técnicas y estrategias vistas en teoría. Los alumnos completarán las propuestas de trabajos planteadas por los profesores. Estas prácticas podrán estar relacionadas con la aplicación práctica de técnicas de procesamiento de imágenes, el análisis de la solución adecuada a un problema industrial resoluble con visión artificial, o la selección y configuración de elementos hardware-software para un sistema de visión concreto. En los casos en que se considere necesario se completará el trabajo de forma autónoma. |
| Trabajos tutelados | Trabajo/s de profundización práctica sobre algún tema de teoría propuesto por los profesores de la asignatura. Los alumnos realizarán un trabajo de estudio y diseño de algunos de los aspectos relevantes de una solución de visión artificial para algún caso realista planteado por los profesores. El trabajo será expuesto y discutido delante de los compañeros y entregado por escrito. El trabajo será realizado por los alumnos de forma autónoma y su avance será tutorizado por los profesores. |
| Atención personalizada |
|
|
| Evaluación | |||
| Metodologías | Competéncias | Descripción | Calificación |
| Trabajos tutelados | B2 B5 B9 B14 B16 C5 C3 | Se propondrá un trabajo tutelado que deberá ser desarrollado de forma autónoma por el alumno fuera de las clases y que tendrá que ser presentado y defendido. Es imprescindible obtener una calificación mínima de 3 puntos sobre 10 en esta metodología para superar la asignatura. | 50 |
| Prácticas de laboratorio | A1 A4 A5 B2 B5 B14 B16 C3 | Se propondrán uno o varios trabajos prácticos de aplicación de técnicas concretas de visión artificial a lo largo del curso que serán desarrollados por los alumnos y entregados para su evaluación. Es imprescindible obtener una calificación mínima de 3 sobre 10 en esta metodología para superar la asignatura. Se podrá valorar positivamente la asistencia y participación activa en las clases hasta un máximo de 1 punto sobre 10. |
50 |
| Observaciones evaluación | |||
|
- La evaluación de esta asignatura está basada en la superación de las dos metodologías principales: Trabajos Tutelados y Prácticas de Laboratorio. La nota mínima para superar la asignatura será de un 5 sobre 10, sumando la nota de ambas metodologías (siempre y cuando se supere la nota mínima exigida en cada metodología). - En el caso de que el alumno no supere la asignatura en la convocatoria ordinaria, deberá repetir en la convocatoria extraordinaria aquellas actividades que no fueron superadas con las modificaciones que se indiquen. - Los alumnos con matrícula a tiempo parcial podrán acumular el porcentaje de la nota correspondiente a la asistencia a clase en las otras actividades. Esta condición deberá notificarse a los profesores de la materia. - Es requisito para superar la materia entregar, exponer/defender los trabajos y prácticas en la fecha que se indique. |
|||
| Fuentes de información |
| 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 |
|
|
|
| Complementária |
Marvin, R., Ng'ang'a, M., & Omondi, A. (2018). Python Fundamentals. Packt Publishing |
|
Libros accesibles de forma libre a través del proyecto CVONLINE (http://homepages.inf.ed.ac.uk/rbf/CVonline/SUPPORT/overview.htm). Los libros están disponibles en la siguiente página:
Documentación de la librería Scikit-Image Documentación de la librería OpenCV Versión borrador online gratuita del libro "Computer Vision: Algorithms and Applications": Versión borrador online gratuita del libro "Conceptos y métodos en visión por Computador": |
| Recomendaciones | |
| Asignaturas que se recomienda haber cursado previamente |
| Asignaturas que se recomienda cursar simultáneamente |
| Asignaturas que continúan el temario |
| Otros comentarios | |
|
La entrega de trabajos documentales que se realicen en esta materia:
|