Visión Artificial

Objetivos de desarrollo sostenible (ODS)

• 9. Industria, innovación e infraestructura

Objetivos

La visión por computador (o visión artificial) revolucionará la automatización industrial y la robótica, así como la informática multimedia. Entre los sensores más importantes y potentes, tanto en entornos de fábricas automatizadas como en aplicaciones de robótica no industrial, se encuentran los sistemas de visión con cámaras. Esto también es así para instalaciones interactivas y otras aplicaciones multimedia. El objetivo de esta asignatura es realizar una introducción a la visión por computador (o visión artificial) y ofrecer una formación sólida en técnicas de procesamiento de imágenes con especial énfasis en aplicaciones de interés en los campos de la mecatrónica y del ingeniería multimedia. Debe proporcionar a los estudiantes:

• Conocimiento de las principales técnicas y herramientas para desarrollar o montar sistemas de visión artificial.
• Capacidad de evaluar aplicaciones en el dominio de la visión artificial y del procesamiento de imágenes.
• Capacidad para implementar soluciones sencillas de visión por ordenador en un entorno de laboratorio.
• Capacidad para desarrollar un proyecto de curso de forma autónoma.

Resultados de aprendizaje

• Analiza, diseña y resuelve programas basados en eventos en entornos gráficos con o sin control. (96)
• Conoce los principios y técnicas de reconocimiento y tratamiento de imágenes y los utiliza en aplicaciones industriales. (98)
• Analiza críticamente los resultados obtenidos. (94)
• Resuelve problemas y situaciones propias de la actividad profesional con actitudes emprendedoras e innovadoras. (99)

Competencias

Generales

• Tener disposición para superar las adversidades acaecidas en la actividad profesional y aprender de los errores para integrar conocimiento y mejorar la propia formación.

Específicas

• Utilizar herramientas de modelado de sistemas dinámicos y técnicas de simulación. Comprender y aplicar las propiedades de sensores, actuadores y acondicionadores de señal, con el propósito de aplicar la programación de autómatas programables, de control numérico y de robots para desarrollar sistemas robóticos complejos que mejoren el proceso y el producto final.

Básicas

• Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.

Transversales

• Proyectar los valores del emprendimiento y de la innovación en el ejercicio de la trayectoria personal académica y profesional a través del contacto con diferentes realidades de la practica y con motivación hacia el desarrollo profesional.

Contenidos

1. El sistema visual humano y los sistemas de visión por ordenador
2. Fundamentos de la imagen digital
   1. Representación de la imagen
   2. Procesamiento de imágenes en color
3. Mejora de la imagen
   1. Métodos de dominio espacial
   2. Métodos de dominio frecuencial
4. Comprensión de la imagen
   1. Extracción de características
   2. Reconocimiento de patrones
   3. Introducción al aprendizaje profundo

Evaluación

La evaluación de la asignatura sigue una metodología de evaluación continua mediante la presentación de dos trabajos prácticos y de un proyecto de curso. Al final del semestre se realiza una prueba de validación para comprobar que cada estudiante ha alcanzado individualmente los objetivos principales de la asignatura. Durante las últimas cuatro semanas, los estudiantes trabajan un proyecto de asignatura que tiene un alcance más ambicioso que las tareas prácticas, ya que aborda un auténtico reto. Para desarrollar este proyecto, los alumnos deben estudiar y profundizar algunos conceptos de forma autónoma. Los miembros del equipo deben exponer e informar regularmente sobre el estado del proyecto. Al final del curso, los equipos deben defender públicamente su proyecto y entregar un informe final.

Nota final = 0,2·A1 + 0,25·A2 + 0,35·PF + 0,2·TV (*)

• A1: Actividad 1 (incluye la autoevaluación y la evaluación entre compañeros)
• A2: Actividad 2 (incluye la autoevaluación y la evaluación entre compañeros)
• PF: Proyecto final (evaluación individual y colectiva)
• TV: Test de validación

(*) Para aprobar la asignatura es necesaria una puntuación mínima de 4 en el test de validación.

Los estudiantes que no superen la asignatura pueden presentarse en un examen final (E). La nota final de la asignatura se calcula de la siguiente forma:

Nota final = 0,3·C + 0,3·P + 0,4·E (**)

con

C = 0,4·A1 + 0,6·A2

(**) Para poder presentarse al examen final (E), los estudiantes deben haber entregado todos los trabajos de la asignatura durante el curso.

Metodología

Esta asignatura combina clases magistrales y la metodología de aprendizaje basada en proyectos (ABP). El profesor expone los conceptos clave de cada tema durante las clases magistrales, que los estudiantes deben consolidar tanto individualmente como de forma cooperativa. Estas clases incluyen ejercicios prácticos. También hay sesiones específicas en las que los alumnos trabajan actividades prácticas. Los trabajos se entregan posteriormente, como parte de un marco de evaluación continua. Al final del curso se define y ejecuta un proyecto grupal. El proyecto pretende desarrollar habilidades técnicas e interpersonales, así como la responsabilidad individual, al tiempo que ofrece un contexto altamente motivador que permite abordar los intereses específicos en el campo. Durante las clases, el entorno de trabajo es Matlab®.

Bibliografía

Básica

• Davies, E. R. (2005). Machine vision theory, algorithms, practicalities. Recuperado de https://www-sciencedirect-com.biblioremot.uvic.cat/book/9780122060939/machine-vision
• Gonzalez, R.C., and Woods, R.E. (2006). Digital Image Processing (3 ed.). Prentice Hall.

Complementaria

El profesorado facilita las referencias de la bibliografía complementaria y de lectura obligatoria en el transcurso de la asignatura a través del Campus Virtual.