Datos Identificativos 2020/21
Asignatura (*) Visión Artificial II Código 770538019
Titulación
Máster Universitario en Informática Industrial e Robótica
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
 Primeiro Optativa 3
Idioma
Castelán
Galego
Modalidade docente Híbrida
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Paz López, Alejandro
 Correo electrónico
alejandro.paz.lopez@udc.es
Profesorado
Mallo Casdelo, Alma María
Paz López, Alejandro
 Correo electrónico
alma.mallo@udc.es
alejandro.paz.lopez@udc.es
Web http://moodle.udc.es
Descrición xeral 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.


Plan de continxencia 1. Modificacións nos contidos
Non se realizan cambios.

2. Metodoloxías
*Metodoloxías docentes que se manteñen
- Sesión maxistral. As clases de teoría realizaranse a través de Teams e con vídeos gravados.
- Prácticas de laboratorio. As prácticas con computador dispoñerán de asistencia a través de Teams por parte dos profesores.
- Traballos tutelados. A tutela realizarase a través de Teams.

*Metodoloxías docentes que se modifican

3. Mecanismos de atención personalizada ao alumnado

– Correo electrónico: Diariamente. De uso para facer consultas, solicitar encontros virtuais para resolver dúbidas e facer o seguimento dos traballos tutelados.
– Moodle: Diariamente. Segundo a necesidade do alumnado.
– Teams: 1 sesión semanal en gran grupo para o avance nos contidos teóricos e para o seguimento na realización das prácticas con computador na franxa horaria que ten asignada a materia. Sesións semanais individuais ou en grupos pequenos (ate 6 persoas), para o seguimento e apoio na realización dos traballos tutelados.

4. Modificacións na avaliación

Prácticas de laboratorio (50%):
- 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.
- Poderá valorarse ata 1 punto sobre 10 a participación nas actividades de clase. A valoración realizarase respecto a as sesións de clase presencial e tamén en base á participación a través de Teams nas sesións de clase online.

Traballos tutelados (50%):
- Propoñerase un traballo tutelado que deberá ser desenvolto de forma autónoma polo alumno fose do tempo de clases.
- Terá que ser presentado e defendido a través de Teams.
- É imprescindible obter unha cualificación mínima de 3 puntos sobre 10 nesta metodoloxía para superar a materia.

Observacións de 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.

5. Modificacións da bibliografía ou webgrafía

Non se realizan cambios. Disponse dos materiais de traballo necesarios de forma dixitalizada a través de Moodle e Teams.

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.
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

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Coñecer técnicas para extraer información a partir de imaxes dixitais, segmentarlas e extraer as súas características. AM1
AM4
AM5
 BM5
BM14
BM16
 CM5
Adquirir coñecementos de técnicas para a interpretación de obxectos presentes en imaxes dixitais. AM1
AM4
AM5
 BM5
BM14
BM16
 CM5
Coñecer conceptos e técnicas básicas relacionadas co seguimento de obxectos en movemento. AM1
AM4
AM5
 BM5
BM14
BM16
 CM5
Coñecer exemplos prácticos de métodos que combinan descriptores de características da imaxe e clasificadores. AM1
AM4
AM5
 BM5
BM14
BM16
 CM5
Familiarizarse cos tipos de técnicas e ferramentas que poden aplicarse na resolución problemas característicos de visión artificial na industria. BM2
BM5
BM14
BM16
 CM3
CM4
CM5

Contidos
Temas Subtemas
Extracción de información das imaxes.
 - Filtrado previo.
- Segmentación.
- Extracción de características.
Descrición, identificación e clasificación en base a características
 - Descrición, identificación e clasificación en base a características
Ferramentas e tecnoloxías de inspección 3D.
 - Ferramentas e tecnoloxías de inspección 3D.
Outras técnicas e ferramentas.
 - Cámaras intelixentes.
- Deep learning.
- Imaxe multiespectral e hiperespectral.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A1 B5 B14 B16 C4 C5 7 7 14
Prácticas de laboratorio A1 A4 A5 B2 B5 B14 B16 C3 10 20 30
Traballos tutelados B2 B5 B14 B16 C3 C4 C5 0 26 26
 
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
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 Descrición Cualificación
Traballos tutelados B2 B5 B14 B16 C3 C4 C5 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.
40
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. 		60
 
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:
  1. Solicitarase en formato virtual e/ou soporte informático.
  2. Realizarase a través de Moodle, en formato dixital sen necesidade de imprimilos.
  3. De realizarse en papel:
    • Non se utilizarán plásticos.
    • Realizaranse impresións a dobre cara.
    • Utilizarase papel reciclado.
    • Evitarase a impresión de borradores.


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías