Visión por Computador y Sistemas Inteligentes

Objetivos

La visión por computador (o visión artificial) revolucionará la automatización industrial en las fábricas inteligentes y la conducción autónoma. Entre los sensores más importantes y potentes, tanto en entornos de fábricas automatizadas como en vehículos autónomos, se encuentran los sistemas de visión con cámaras. El objetivo de esta asignatura es proporcionar una introducción a la visión por computador y los sistemas inteligentes y su papel en el estado de las técnicas de última generación en el sector de la automoción. Esta asignatura debe proporcionar a los estudiantes:

• Comprensión general de los métodos de visión por computador de última generación implicados en entornos de fabricación automatizados y en sistemas de conducción autónoma.
• Capacidad para implementar soluciones sencillas de visión por computador en un entorno de laboratorio.
• Capacidad para desarrollar un proyecto de curso de forma autónoma.

Resultados de aprendizaje

• Sabe aplicar los principios de la visión por computador y las técnicas de tratamiento de imágenes digitales.

Competencias

Específicas

• Comprender los fundamentos de la teoría matemática para resolver los problemas matemáticos que puedan plantearse en la ingeniería y aplicar los conocimientos sobre: álgebra lineal, geometría, geometría diferencial, cálculo diferencial e integral, ecuaciones diferenciales ordinarias y en derivadas parciales, métodos numéricos, algorítmica numérica, estadística y optimización. 
• Comprender los principios básicos sobre el uso y la programación de ordenadores, sistemas operativos, bases de datos, programas informáticos con aplicación en la ingeniería, informática industrial y redes de comunicaciones, y aplicarlos a la ingeniería en general y en el diseño de sistemas de conectividad en el sector de la automoción.
• Trabajar en un entorno multilingüe y multidisciplinario y presentar exposiciones orales y redactar informes en inglés en el ámbito de la ingeniería, en general, y en el sector de la automoción, en particular.

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.

Contenidos

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

Evaluación

La evaluación de la asignatura sigue una metodología de evaluación continua mediante la presentación de un trabajo práctico y de un proyecto de curso. Al final del semestre se realiza un examen para comprobar que cada estudiante ha alcanzado individualmente los principales objetivos de la asignatura. Durante las últimas semanas, los estudiantes trabajan en un proyecto de asignatura en grupos pequeños (de 4 o 5 personas) que tiene un alcance más ambicioso que la tarea práctica (que se realiza en grupos de 2 personas), ya que aborda un auténtico reto. Para desarrollar este proyecto, los estudiantes 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 = 0,3 · T + 0,4 · PF + 0,3 · E (*)

• T: Tarea (evaluación individual + evaluación colectiva) (no recuperable)
• PF: Proyecto final (evaluación individual + evaluación colectiva) (no recuperable)
• E: Examen (evaluación individual) (recuperable)

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 se realizan sesiones específicas en las que los estudiantes 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 tiene por objeto 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 ese 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
• Davies, E. R. (2012). Computer and machine vision: theory, algorithms, practicalities. Recuperado de https://ucercatot.uvic-ucc.cat/permalink/34CSUC_UVIC/1nl2ep/alma991001156506306718
• 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.