Guia docente | ||||||||||||||||||||||
DATOS IDENTIFICATIVOS | 2011_12 | |||||||||||||||||||||
Asignatura | VISIÓN COMPUTACIONAL | Código | 00703039 | |||||||||||||||||||
Enseñanza |
|
|||||||||||||||||||||
Descriptores | Cr.totales | Tipo | Curso | Semestre | ||||||||||||||||||
6 | Optativa | Segundo | Segundo |
|||||||||||||||||||
Idioma | ||||||||||||||||||||||
Prerrequisitos | ||||||||||||||||||||||
Departamento | ING.ELECTR.DE SIST. Y AUTOMATI |
|||||||||||||||||||||
Responsable |
|
Correo-e | lfblaq@unileon.es ealeg@unileon.es |
|||||||||||||||||||
Profesores/as |
|
|||||||||||||||||||||
Web | http:// | |||||||||||||||||||||
Descripción general |
Se pretende que al finalizar el curso el alumno: - Conozca y comprenda los conceptos básicos relacionados con los sistemas de visión por computador: sus partes y el papel de cada parte en dicho sistema. - Sea consciente de la importancia de los sistemas de iluminación para el correcto diseño de un sistema de visión, pudiendo proponer el más adecuado para las distintas situaciones de inspección que aparecen en la industria. - Pueda diseñar un sistema de visión básico que permita realizar tareas de reconocimiento y clasificación. - Sea capaz de aplicar transformaciones y realizar operaciones con las imágenes digitales adquiridas. - Sea capaz de explicar y aplicar algoritmos básicos de cada técnica de procesamiento automático de imágenes. - Sea capaz de utilizar Matlab y la Image Processing Toolbox para realizar tratamientos sobre imágenes siendo además capaz de realizar sus propias funciones en este entorno. |
|||||||||||||||||||||
Tribunales de Revisión |
|
|||||||||||||||||||||
Objetivos |
Se pretende que al finalizar el curso el alumno: - Conozca y comprenda los conceptos básicos relacionados con los sistemas de visión por computador: sus partes y el papel de cada parte en dicho sistema. - Sea consciente de la importancia de los sistemas de iluminación para el correcto diseño de un sistema de visión, pudiendo proponer el más adecuado para las distintas situaciones de inspección que aparecen en la industria. - Pueda diseñar un sistema de visión básico que permita realizar tareas de reconocimiento y clasificación. - Sea capaz de aplicar transformaciones y realizar operaciones con las imágenes digitales adquiridas. - Sea capaz de explicar y aplicar algoritmos básicos de cada técnica de procesamiento automático de imágenes. - Sea capaz de utilizar Matlab y la Image Processing Toolbox para realizar tratamientos sobre imágenes siendo además capaz de realizar sus propias funciones en este entorno. |
Metodologías |
Explicaciones teóricas en clase, utilizando principalmente diapositivas. El alumno dispone de un libro de la asignatura que recoge parte del material que se imparte (ver bibliografía). Se realizan ejercicios en la pizarra para cada tema, resueltos y explicados por el profesor y posteriormente se dejan las soluciones en la web del curso.
Prácticas en el laboratorio, sobre el ordenador. Se realiza la práctica siguiendo el guión que se proporciona en el que se indican los objetivos y resultados a alcanzar y se guía en su realización. Las prácticas se presentan con su solución. El profesor asesora durante la realización de la práctica estando en el laboratorio a disposición del alumno.
|
Contenidos |
Bloque | Tema |
TEORÍA Unidad Temática I: Conceptos. | 0.- Organización del curso e introducción. 1.- Partes de un sistema de Visión. 2.- Sistemas de inspección en la industria utilizando visión. 3. Elementos de un sistema de visión, adquisición y digitalización. 4. Conceptos de imágen digital. |
Unidad Temática II: Procesamiento automático de imágenes. | 5.- Operaciones de preprocesamiento. 6.- Segmentación. 7.- Representación y Descripción. 8.- Reconocimiento de patrones. |
Unidad Temática III: Adquisición de imágenes y Aplicaciones en la industria. | 9.- Inspección visual 10. Fuentes de luz e iluminación 11. Cámaras para la adquisición de imágenes 12. Opticas 13. Tarjetas digitalizadoras 14.- Aplicaciones en la industria de la visión por computador |
PRÁCTICAS | 1. Introducción a la programación con Matlab (I) 2. Introducción a la programación con Matlab (II) 3. Obtención del histograma de una imagen 4. Creación de interfaces gráficas de usuario (GUI) con Matlab 5. Segmentación y descripción 6. Descripción mediante firma de un contorno 7. Reconocimiento de objetos |
Otras actividades |
Realización de un trabajo teórico, uno práctico y un MiniProyecto (explicados en el apartado de evaluación) |
Evaluación |
descripción | calificación | ||
Otros comentarios y segunda convocatoria | |||
El alumno puede optar a una evaluación mediante la entrega de trabajos (A) o bien a presentarse a un examen final (B). (A) Cuando el alumno opta a la evaluación mediante trabajos, la nota final se obtiene mediante la suma de la nota de un trabajo teórico (20%), de un trabajo práctico (15%) y de un MiniProyecto práctico (65%). a) Trabajo Teórico: El alumno estudiará un método, algoritmo o sistema relacionado con la visión artificial y lo expondrá en clase. El profesor propondrá diversos métodos y facilitará la información básica necesaria para realizar el trabajo. b) Trabajo Práctico: El alumno evaluará dos descriptores utilizando un conjunto de imágenes facilitado por el profesor. De los dos descriptores, el profesor facilitará el código de uno de ellos y el otro lo elegirá el alumno a partir de diversas fuentes presentadas por el profesor. El alumno entregará los vectores de características obtenidos con ambos descriptores y un pequeño documento conteniendo sus comentarios y conclusiones. c) El MiniProyecto consiste en realizar un pequeño sistema de visión, con la ayuda del profesor, en la que se utilicen los conceptos vistos en las clases teóricas y en las prácticas. Se realizará utilizando Matlab. Algunos ejemplos son: sistema de visión para clasificar tuercas, tornillos y arandelas, o sistema de visión para clasificar botones, llaves, vasos, posavasos, platos, cubiertos, coches de juguete, zapatos, herramientas, etc.
Algunos ejemplos realizados en años anteriores son: sistemas de visión para clasificar tuercas y tornillos, para clasificar botellas de Agua, Trina y Cocacola, para clasificar botones, sistema de visión para clasificar corchos de vino y de champán, sistema de visión para clasificar letras y sistema de visión para clasificar tazas en función de su textura. El alumno presentará en clase los resultados de su trabajo en el que indicará qué imágenes ha elegido, cómo las ha adquirido, el preprocesamiento y segmentación realizado, qué descriptores ha utilizado y los resultados y conclusiones de su trabajo. (B) Examen final. Aquellos alumnos que no les sea posible entregar los trabajos podrán superar la asignatura presentándose a un examen final. El examen final constará de una pregunta de teoría compuesta por cinco cuestiones cortas, tres problemas y una pregunta en la que se evaluará los conocimientos adquiridos con Matlab. Si se produce algún cambio en el método de evaluación, se explicará en la clase de presentación del curso. |
Fuentes de información |
Acceso a la Lista de lecturas de la asignatura |
Básica | |
Alegre, E., Sánchez, L., Fernández, R.A. y Mostaza, J.C. (2003). Procesamiento Digital de Imagen: Fundamentos y Prácticas con Matlab. Secretariado de Publicaciones y Medios Audiovisuales de la Universidad de León. Pajares, G y de la Cruz, J.M. (2001). Visión por Computador. Ra-ma. González, J. (2000). Visión por Computador. Paraninfo. González, R. C. y Woods, R. E. (1996). Tratamiento digital de imágenes. Addison-Wesley /Diaz de Santos. González, R. C. y Woods, R. E. (2002). Digital Image Processing (Second Edition). Prentice Hall. |
|
Complementaria | |
Shapiro, L. & Stockman G. (2001). Computer Vision. Prentice-Hall. Parker, J.R. (1997). Algorithms for image processing and computer vision. John Wiley & Sons, Inc. Trucco, E. & Verri, A. (1998). Introductory Techniques for 3-D Computer Vision. Prentice-Hall. Maravall, D. (1993). Reconocimiento de formas y visión artificial. Ra-ma Davies, E.R. (1996). Machine Vision: Theory, Alforithms, Practicalities. Academic Press. |