Universidad de Jaén

Introducción a la inspección automática: aplicaciones industriales que hacen uso de la visión por computador

Componentes de un sistema de visión por computador: dispositivos de adquisición, ópticas y sistemas de iluminación.

Preprocesamiento de la imagen.

Detección de bordes.

Segmentación de la imagen.

Extracción de características.

Reconocimiento de objetos.

Visión multiespectral.

PARTE 1. INTRODUCCIÓN.

CAPÍTULO 1. Introducción a la visión por computador

•  Definición y conceptos fundamentales. Introducción a la visión por computador.
•  Campos de aplicación.
•  Elementos de un sistema de visión por computador.

PARTE 2. ETAPAS DE UN PROCESO DE VISIÓN POR COMPUTADOR.

CAPÍTULO 2. Adquisición de imágenes.

•  Sensores visuales.
•   Ópticas.
•  Sistemas de iluminación.

CAPÍTULO 3. Preprocesamiento de la imagen.

•  Manipulación del contraste.
•  Eliminación del ruido.
•  Realce de la imagen.

CAPÍTULO 4. Detección de bordes.

•  Introducción.
•  Operadores basados en el Gradiente.
•  Operadores basados en la Laplaciana.
•  Operador de Canny.

CAPÍTULO 5. Segmentación de la imagen.

•  Introducción.
•  Técnicas basadas en la frontera.
•  Segmentación mediante umbralización.
•  Segmentación basada en regiones.

CAPÍTULO 6. Extracción de características.

•  Introducción.
•  Descriptores de frontera.
•  Descriptores de similitud.
•  Descriptores de región.

CAPÍTULO 7. Reconocimiento de objetos.

•  Conceptos básicos y metodologías.
•  Funciones de decisión.
•  Clasificadores paramétricos.
•  Clasificadores no paramétricos entrenables.

PARTE 3. APLICACIONES DE VISIÓN POR COMPUTADOR.

CAPÍTULO 8. Visión multiespectral.

• Introducción.
• Base tecnológica.
• Aplicaciones.

• Práctica 0. Introducción a Matlab (toolboxes visión).
• Práctica 1. Introducción a las interfaces de usuario.
• Práctica 2. Reducción de ruido en la imagen.
• Práctica 3. Detección de bordes en una imagen.
• Práctica 4. Segmentación de la imagen.
• Práctica 5. Extracción de características.
• Práctica 6. Clasificadores.
• Práctica 7. Reconocimiento de formas. 
• Práctica 8. Visión multiespectral.

CLASES EXPOSITIVAS

En las clases expositivas se desarrollarán los apartados del temario oficial de la asignatura, a través del empleo de pizarra y/o medios audiovisuales.

Como soporte del desarrollo de las clases y del trabajo autónomo, el alumnado dispondrá, en el sitio online de la asignatura, de apuntes desarrollados y transparencias resumen, que permitirán complementar la docencia en el aula.

La consolidación del aprendizaje se canalizará a través de resolución de casos prácticos industriales basados en sensores de visión que se presentarán en las últimas sesiones de las clases expositivas.

(Actividades: A1; Metodologías: M1, M2, M3, M4)

CLASES EN PEQUEÑO GRUPO

Las prácticas serán en los laboratorios del área de ingeniería de sistemas y automática. Los niveles de dificultad de las mismas y la autonomía del alumnado en su realización se incrementará conforme avance el curso. Las primeras prácticas son muy guiadas, ya que abordan algoritmos clásicos de procesado de imagen. La práctica de reconocimiento de formas, aunque es la más autónoma, siempre cuenta con el soporte de los docentes de la asignatura para su realización.

Para el desarrollo adecuado de las prácticas, el alumnado dispondrá en Docencia Virtual, y con suficiente antelación, de los guiones de cada sesión de laboratorio. Estos guiones son autocontenidos, y poseen dos partes: una introducción teórica completa que permitirá entender la base de la sesión, sin necesidad de haber estudiado en clase el concepto teórico; y por otro lado, una descripción del algoritmo a programar. Por todo ello, se recomienda leer con detenimiento el guión antes de asistir a la sesión de prácticas. 

  (Actividades: A2R; Metodologías: M10R, M11R, M12R, M6R, M8R, M9R)

TUTORÍAS COLECTIVAS

De forma complementaria, se podrán planificar tutorías colectivas o seminarios para afianzar y ampliar conceptos de Visión por Computador; aclarando dudas y actuando como soporte en la realización de trabajos, casos o ejercicios por parte del alumnado. Asimismo, esta actividad puede sustituirse por foros.

(Actividades: A3R; Metodologías: M17R)

Para aprobar la asignatura hay que:

1. Realizar   todas   las prácticas.  
2. Conceptos teóricos de la materia. Aprobar la  exposición de un caso práctico de programación y un examen teórico de la materia. 
3. Aprobar la    realización de un trabajo, caso o ejercicio práctico  .

La exposición del caso práctico de programación y examen teórico evalúa las   competencias:  CB3R, CB5R, CEX7, CEX8

Las prácticas y el trabajo, caso o ejercicio práctico evalúa las   competencias: CB2R, CB4R,CT1, CT4, CT6 

La evaluación positiva del alumno implicará que ha alcanzado los   resultados de aprendizaje: Resultado 34, Resultado 35, Resultado 36, Resultado 37, Resultado 38, Resultado 39.

En cumplimiento del artículo 13 del Reglamento de Régimen Académico y de Evaluación del Alumnado de la Universidad de Jaén, cualquier estudiante que justificadamente (según los supuestos contenidos en el citado artículo) no pueda participar en las actividades regladas o complementarias de carácter presencial propuestas en la asignatura, tendrá la opción de demostrar que cuenta con los conocimientos necesarios para obtener la máxima calificación. A este fin, se utilizará un procedimiento de evaluación de prueba única tanto en la convocatoria ordinaria como extraordinaria.

1. Visión Por Computador. Autor: González Jiménez, Javier.. Editorial: Paraninfo.



2. Visión Por Computador: Imágenes Digitales Y Aplicaciones . Autor: Pajares Martinsanz, Gonzalo. Editorial: RA-MA.



3. Digital Image Processing Using Matlab. Autor: González, Rafael C.. Editorial: Pearson Prentice Hall.



4. Handbook Of Machine And Computer Vision: The Guide For Developers And Users . Editorial: Wiley.



5. Image Processing Masterclass With Python : 50 + Solutions And Techniques Solving Complex Digital Image Processing Challenges Using Numpy, Scipy, Pytorch And Keras. Autor: Dey, Sandipan.



6. Modern Computer Vision With Pytorch : A Practical Roadmap From Deep Learning Fundamentals To Advanced Applications And Generative Ai.. Autor: Ayyadevara, V. Kishore.. Editorial: Packt Publishing, Limited.

Responsable del tratamiento: Universidad de Jaén, Paraje Las Lagunillas, s/n; Tel.953 212121; www.ujaen.es

Delegado de Protección de Datos (DPO): TELEFÓNICA, S.A.U. ; Email: dpo@ujaen.es

Finalidad del tratamiento: Gestionar la adecuada grabación de las sesiones docentes con el objetivo de hacer posible la enseñanza en un escenario de docencia multimodal y/o no presencial.

Plazo de conservación: Las imágenes serán conservadas durante los plazos legalmente previstos en la normativa vigente.

Legitimación: Los datos son tratados en base al cumplimiento de obligaciones legales (Ley Orgánica 6/2001, de 21 de diciembre, de Universidades) y el consentimiento otorgado mediante la marcación de la casilla habilitada a tal efecto.

Destinatarios de los datos (cesiones o transferencias): Toda aquella persona que vaya a acceder a las diferentes modalidades de enseñanza.

Derechos: Ud. podrá ejercitar los derechos de Acceso, Rectificación, Cancelación, Portabilidad, Limitación del tratamiento, Supresión o, en su caso, Oposición. Para ejercitar los derechos deberá presentar un escrito en la dirección arriba señalada dirigido al Servicio de Información, Registro y Administración Electrónica de la Universidad de Jaén, o bien, mediante correo electrónico a la dirección de correo electrónico. Deberá especificar cuál de estos derechos solicita sea satisfecho y, a su vez, deberá acompañarse de la fotocopia del DNI o documento identificativo equivalente. En caso de que actuara mediante representante, legal o voluntario, deberá aportar también documento que acredite la representación y documento identificativo del mismo. Asimismo, en caso de considerar vulnerado su derecho a la protección de datos personales, podrá interponer una reclamación ante el Consejo de Transparencia y Protección de Datos de Andalucía www.ctpdandalucia.es

Responsable del tratamiento: Universidad de Jaén, Campus Las Lagunillas, s/n, 23071 Jaén

Delegado de Protección de Datos:dpo@ujaen.es

Finalidad: Conforme a la Ley de Universidades y demás legislación estatal y autonómica vigente, realizar los exámenes correspondientes a las asignaturas en las que el alumno o alumna se encuentre matriculado. Con el fin de evitar fraudes en la realización del mismo, el examen se realizará en la modalidad de video llamada, pudiendo el personal de la Universidad de Jaén contrastar la imagen de la persona que está realizando la prueba de evaluación con los archivos fotográficos del alumno en el momento de la matrícula. Igualmente, con la finalidad de dotar a la prueba de evaluación de contenido probatorio de cara a revisiones o impugnaciones de la misma, de acuerdo con la normativa vigente, la prueba de evaluación será grabada.

Legitimación: cumplimiento de obligaciones legales (Ley de Universidades) y demás normativa estatal y autonómica vigente.

Destinatarios: prestadores de servicios titulares de las plataformas en las que se realicen las pruebas con los que la Universidad de Jaén tiene suscritos los correspondientes contratos de acceso a datos.

Plazos de conservación: los establecidos en la normativa aplicable. En el supuesto en concreto de las grabaciones de los exámenes, mientras no estén cerradas las actas definitivas y la prueba de evaluación pueda ser revisada o impugnada.

Derechos: puede ejercitar sus derechos de acceso, rectificación, cancelación, oposición, supresión, limitación y portabilidad remitiendo un escrito a la dirección postal o electrónica indicada anteriormente. En el supuesto que considere que sus derechos han sido vulnerados, puede presentar una reclamación ante el Consejo de Transparencia y Protección de Datos de Andalucía www.ctpdandalucia.es