PROGRAMA DE ASIGNATURA

PROGRAMA DE ASIGNATURA
Titulación
9751
Curso académico
MASTER UNIVERSITARIO EN AUTOMÁTICA,
ELECTRÓNICA Y CONTROL INDUSTRIAL
Código y titulo de la asignatura
51836
Tipo
OBLIGATORIA
2015/16
Temporalidad
Semestre 1
VISIÓN ARTIFICIAL
Grupo/Idioma
Idioma
Créditos ECTS
SPA
5
01/Castellano
Profesor
Tellaeche Iglesias, Alberto
JUSTIFICACIÓN
La visión artificial en la industria tiene una importante presencia en los sistemas productivos industriales más
avanzados, principalmente en las tareas de medida, control de calidad, o reconocimiento.
La visión artificial es un campo interdisciplinar en el que se aúnan diferentes campos, tales como la óptica, las
comunicaciones industriales, los sistemas embebidos o el software avanzado para el procesamiento de
imágenes.
En los últimos tiempos, el equipamiento necesario para el uso de la visión artificial en la industria ha avanzado
acorde a los tiempos, disponiendo actualmente de cámaras e iluminaciones que aprovechan los últimos avances
en la tecnología del silicio y los buses de comunicaciones para la obtención de imágenes de alta calidad y
resolución con tasas de velocidad muy alta. Igualmente, los avances en el sofware utilizado para el
procesamiento de imágenes posibilita el desarrollo de aplicaciones avanzadas de control de calidad y medición
industrial.
PRERREQUISITOS
Los propios de las condiciones de acceso.
RESULTADO DE APRENDIZAJE EN TÉRMINOS DE COMPETENCIA GENÉRICAS Y ESPECÍFICAS
COMPETENCIAS GENÉRICAS
CG5: Identificar, analizar y definir los elementos que constituyen un problema para resolverlo con criterio y de
forma efectiva, proponiendo soluciones que puedan ser contrastadas en equipo y aplicadas en el ámbito de la
automatización, electrónica y control industrial a partir de los datos obtenidos.
COMPETENCIAS ESPECÍFICAS
CE5: Desarrollar aplicaciones de visión artificial para la mejora y control de procesos industriales.
CE6: Integrar sistemas de visión artificial en aplicaciones robotizadas en plantas de fabricación avanzada.
CONTENIDOS
Tema 1. Introducción a la visión artificial y al tratamiento e imágenes.




Aplicaciones
Descripción de los elementos que componen un sistema de visión artificial.
Tipos de iluminación y superficies. Aplicaciones de los diferentes tipos.
Cámaras y ópticas. Selección de cámara y ópticas.
Tema 2. Conceptos básicos de representación de imágenes


Pixel, resolución de imagen.
Imagen en niveles de gris, imagen binaria, imagen en color.

Histograma de una imagen.
Tema 3.Operaciones sobre imágenes para extracción de información.







Procesamiento básico. Operadores y vecindad.
Suavizado y realzado de imágenes. Filtrado.
Extracción de bordes, esquinas y puntos de interés.
Extracción y descripción de regiones.
Descripción de líneas y contornos.
Operaciones morfológicas.
Escenas en movimiento
Tema 4. Fundamentos del color
Tema 5. Visión tridimensional
 Triangulación.
 Estéreo visión.
 Otras técnicas
Tema 6. Resolución de casos prácticos.
ESTRATEGIA DE ENSEÑANZA – APRENDIZAJE
La primera parte del curso tendrá una componente teórica importante en la que el profesor expondrá los
conceptos teóricos presentes en cada uno de los diferentes temas que componen la asignatura.
Durante este periodo primer periodo, se realizarán clases prácticas dirigidas por el profesor sobre sistemas de
procesamiento de imagen reales, para que el alumno asimile la relación entre los conceptos teóricos y su
aplicación los sistemas de visión artificial reales.
Cuando en las clases de prácticas se hayan explicado los diferentes sistemas disponibles, se propondrá el
proyecto final de la asignatura.
El estudiante contará con realimentación y evaluación formativa continua mediante actividades en el laboratorio y
en casa. Su evaluación no quedará restringida a exámenes y pruebas de evaluación.
El estudiante contará para su proceso de enseñanza-aprendizaje con material impreso (libros, apuntes y hojas
técnicas), sistemas de programación artificial (Sherlock, OpenCV, etc), cámaras, iluminación, etc.
Existirá así mismo una plataforma de aprendizaje colaborativo. En esta plataforma el estudiante dispondrá de
actividades, material complementario, tablón de notas, calendario de actividades y foro de discusión y
colaboración.
El proyecto, seguirá a estrategia de “Aprendizaje orientado a proyectos” (PBL) y será necesario aplicar los
conocimientos teóricos aprendidos en el aula y los teóricos aprendidos en las prácticas dirigidas.
La dedicación requerida es de 125 horas, que se distribuyen mediante el siguiente esquema:
- Exposición del profesor: 20 horas
- Prácticas de laboratorio (en horario de clase y fuera de él): 65 horas
- Realización de proyectos grupales y/o individuales: 30 horas
- Tutorías presenciales y online: 10 horas
Las horas dedicadas a exposición presentarán la asignatura y los conceptos básicos teóricos.
Las prácticas de laboratorio se estructurarán mediante una exposición teórica de los diferentes algoritmos básicos
de procesamiento de imagen y su posterior implementación.
En estas prácticas se presentará el proyecto que se deberá de entregar como el prototipo de proyecto PBL.
El proyecto final se llevará a cabo en las horas reservadas para proyectos grupales e individuales.
SISTEMA DE EVALUACIÓN
El sistema de evaluación será una combinación de las calificaciones obtenidas en un examen teórico, en las
prácticas dirigidas, y en el proyecto final.
Las competencias genéricas y específicas se evaluarán siguiendo el sistema PBL de la siguiente forma:
1.
2.
3.
Competencia genérica: 10%, 1 punto.
Prueba objetivas de teoría: 20%, 2 puntos.
Evaluación por proyecto bajo PBL:
◦
Prototipo o pre-proyecto PBL: 20%, 2 puntos
◦
Proyecto final: 30%, 3 puntos
◦
Pruebas de resolución de ejercicios prácticos con aplicación de teoría: 20%, 2 puntos
Las siguientes aclaraciones son necesarias para el proceso de evaluación:
1. Es necesaria la obtención mínima del 50% de los puntos tanto en la prueba objetiva de teoría como en
las pruebas de resolución de ejercicios prácticos.
2. La asistencia a las prácticas dirigidas es obligatoria. Cualquier ausencia deberá justificarse.
3. El proyecto deberá defenderse por grupos. El profesor podrá preguntar individualmente a los miembros
del grupo cuestiones relativas a su desarrollo.
Si la prueba objetiva de teoría o la resolución de ejercicios no se hubieran superado durante el curso, entonces el
alumno tendrá oportunidad de recuperar su valor durante las convocatorias ordinaria y extraordinaria.
Las notas del proyecto no son recuperables. La defensa del proyecto tiene lugar durante el periodo de exámenes.
DOCUMENTACIÓN
Los materiales básicos para el adecuado seguimiento de la asignatura estarán disponibles en la plataforma online
de aprendizaje (apuntes, ejercicios, etc).
Bibliografía complementaria:






Visión por Computador: Imágenes digitales y aplicaciones. Gonzalo Pajares Martinsanz. RA-MA.
Ejercicios Resueltos de Visión por computador. Gonzalo Pajares Martinsanz. RA-MA
Digital Image Processing (3rd Edi). Gonzalez & Woods
Learning OpenCV: Computer Vision in C++ with the OpenCV Library (2nd Edi). Adrian Kaehler , Gary
Bradski. O'Reilly.
OpenCV Essentials. de Oscar Deniz Suarez, Jesus Salido Tercero, M. Del Milagro FernandezCarrobles. Packt Publishing.
Mastering Opencv with Practical Computer Vision Projects. Shervin Emami, Khvedchenia Ievgen,
Naureen Mahmood.Packt Publishing.