Para cursar esta asignatura con el mayor aprovechamiento, se recomienda que el alumno haya adquirido los conocimientos que se derivan de la obtención de las competencias relacionadas con la resolución de problemas matemáticos que puedan plantearse en la ingeniería, el uso y programación de los ordenadores, sistemas operativos, bases de datos y programas informáticos con aplicación en ingeniería, así como los fundamentos y aplicaciones de la electrónica digital y microprocesadores.
El objetivo de esta asignatura es familiarizar al alumno con el análisis de imágenes a través de computadores, mediante el uso de aplicaciones específicas. Tradicionalmente, estos sistemas de percepción han estado implantados en el ámbito industrial principalmente con el objetivo de: a) incrementar la interactuación entre las máquinas y el entorno que las rodea; b) conseguir un control de calidad total de los productos fabricados.
Por otro lado, la aparición de nuevos algoritmos y cámaras ha propiciado que el ámbito de aplicación de la visión artificial se haya incrementado notablemente. Algunos ejemplos de estas nuevas aplicaciones podrían ser: el empleo de cámaras termográficas para tareas de inspección y mantenimiento, el reconocimiento automático para aplicaciones a seguridad o conducción autónoma o incluso aplicaciones 3D mediante visión estéreo.
Esta asignatura facilitará la aplicación de las habilidades de un Graduado en Ingeniería Electrónica Industrial y Automática en el mundo laboral o de investigación y, a la postre, ayudarán al ingeniero a enfrentarse a los problemas que le surgirán a lo largo del ejercicio de la profesión.
Competencias propias de la asignatura | |
---|---|
Código | Descripción |
CB01 | Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio |
CB02 | Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio |
CB03 | 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 |
CB04 | Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado |
CB05 | Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía |
CEO33 | Conocimientos de visión por computador. |
CG01 | Capacidad para la redacción, firma y desarrollo de proyectos en el ámbito de la Ingeniería Industrial que tengan por objeto, de acuerdo con los conocimientos adquiridos según lo establecido en la Orden CIN/351/2009, la construcción, reforma, reparación, conservación, demolición, fabricación, instalación, montaje o explotación de: estructuras, equipos mecánicos, instalaciones energéticas, instalaciones eléctricas y electrónicas, instalaciones y plantas industriales y procesos de fabricación y automatización. |
CG03 | Conocimiento en materias básicas y tecnológicas, que capacite para el aprendizaje de nuevos métodos y teorías, y dote de versatilidad para adaptarse a nuevas situaciones. |
CT02 | Conocer y aplicar las Tecnologías de la Información y la Comunicación. |
CT03 | Utilizar una correcta comunicación oral y escrita. |
Resultados de aprendizaje propios de la asignatura | |
---|---|
Descripción | |
Conocimiento de técnicas y procedimientos para el tratamiento de imágenes, lo que le permitirá extraer la máxima información a éstas, ya sean características del entorno o de objetos concretos. Capacidad de utilizar un sistema de visión para un fin específico, como el reconocimiento de objetos u otras aplicaciones con fines industriales, como conteo de piezas, morfología, color... | |
Conocimientos necesarios de un sistema de visión por computador, desde los componentes hardware que lo componen hasta el contenido de las imágenes y su formación digital. | |
Resultados adicionales | |
No se han establecido. |
Actividad formativa | Metodología | Competencias relacionadas (para títulos anteriores a RD 822/2021) | ECTS | Horas | Ev | Ob | Descripción | |
Resolución de problemas o casos [PRESENCIAL] | Resolución de ejercicios y problemas | CEO33 CG01 CG03 CT02 CT03 | 0.6 | 15 | N | N | De forma programada, el profesor propondrá a los alumnos la resolución de casos prácticos relacionados con los temas indicados en el apartado 6 de esta guía. | |
Enseñanza presencial (Teoría) [PRESENCIAL] | Método expositivo/Lección magistral | CB02 CB03 CB04 CEO33 CT03 | 1 | 25 | N | N | Exposición del contenido teórico con ejemplos | |
Prueba final [PRESENCIAL] | Pruebas de evaluación | CEO33 CG01 CG03 CT02 CT03 | 0.2 | 5 | S | S | Incluirá cuestiones teórico-prácticas y/o resolución de problemas relacionados con los contenidos de la asignatura. Será necesaria una calificación igual o superior a 4 puntos sobre 10 para superar la asignatura. | |
Autoaprendizaje [AUTÓNOMA] | Resolución de ejercicios y problemas | CEO33 CG01 CG03 CT02 CT03 | 2.4 | 60 | N | N | Trabajo autónomo para estudiar y completar los casos prácticos planteados en el laboratorio. | |
Estudio o preparación de pruebas [AUTÓNOMA] | Trabajo autónomo | CB01 CB02 CB03 CB04 CB05 CEO33 CT02 CT03 | 1.2 | 30 | N | N | Preparación de prueba de evaluación final. | |
Prácticas en aulas de ordenadores [PRESENCIAL] | Prácticas | CEO33 CT02 CT03 | 0.6 | 15 | S | S | Prácticas de ordenador para resolver problemas prácticos de visión artificial | |
Total: | 6 | 150 | ||||||
Créditos totales de trabajo presencial: 2.4 | Horas totales de trabajo presencial: 60 | |||||||
Créditos totales de trabajo autónomo: 3.6 | Horas totales de trabajo autónomo: 90 |
Ev: Actividad formativa evaluable Ob: Actividad formativa de superación obligatoria (Será imprescindible su superación tanto en evaluación continua como no continua)
Sistema de evaluación | Evaluacion continua | Evaluación no continua * | Descripción |
Realización de prácticas en laboratorio | 70.00% | 70.00% | De forma programada, el profesor propondrá a los alumnos la resolución de casos prácticos relacionados con los temas indicados en el apartado 6 de esta guía. Se calificarán con cero los ejercicios en los que se detecte plagio. |
Prueba final | 30.00% | 30.00% | Incluirá cuestiones teórico-prácticas y/o resolución de problemas relacionados con los contenidos de la asignatura. Será necesaria una calificación igual o superior a 4 puntos sobre 10 para superar la asignatura. |
Total: | 100.00% | 100.00% |
No asignables a temas | |
---|---|
Horas | Suma horas |
Resolución de problemas o casos [PRESENCIAL][Resolución de ejercicios y problemas] | 15 |
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 25 |
Prueba final [PRESENCIAL][Pruebas de evaluación] | 5 |
Autoaprendizaje [AUTÓNOMA][Resolución de ejercicios y problemas] | 60 |
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 30 |
Prácticas en aulas de ordenadores [PRESENCIAL][Prácticas] | 15 |
Actividad global | |
---|---|
Actividades formativas | Suma horas |
Autor/es | Título | Libro/Revista | Población | Editorial | ISBN | Año | Descripción | Enlace Web | Catálogo biblioteca |
---|---|---|---|---|---|---|---|---|---|
David A. Forsyth and Jean Ponce | Computer Vision: A Modern Approach, second edition | Pearson | 978-0-13-608592-8 | 2012 | https://www.pearson.com/us/higher-education/program/Forsyth-Computer-Vision-A-Modern-Approach-2nd-Edition/PGM111082.html | ||||
E.R. Davies | Computer Vision: Principles, Algorithms, Applications, Learning | Academic Press | 9780128092842 | 2017 | https://www.elsevier.com/books/computer-vision/davies/978-0-12-809284-2 | ||||
MathWorks | Computer Vision Toolbox Documentation | https://es.mathworks.com/help/vision/ | |||||||
MathWorks | Computer Vision Toolbox User's Guide | 2020 | |||||||
Richard Szeliski | Computer Vision: Algorithms and Applications, 2nd ed. | Springer | 2021 | https://szeliski.org/Book/ | |||||
Simon J.D. Prince | Computer Vision. Models, Learning and Inference | Cambridge University Press | 9781107011793 | 2012 | https://www.cambridge.org/es/academic/subjects/computer-science/computer-graphics-image-processing-and-robotics/computer-vision-models-learning-and-inference?format=HB&isbn=9781107011793 |