Menú local
Guía docente 2019-20 - 13113012 - Sistemas de percepción industrial
TITULACIÓN: | Grado en Ingeniería electrónica industrial |
CENTRO: | ESCUELA POLITÉCNICA SUPERIOR (JAÉN) |
CURSO: | 2019-20 |
ASIGNATURA: | Sistemas de percepción industrial |
NOMBRE: Sistemas de percepción industrial | |||||
CÓDIGO: 13113012 | CURSO ACADÉMICO: 2019-20 | ||||
TIPO: Optativa | |||||
Créditos ECTS: 6.0 | CURSO: 4 | CUATRIMESTRE: SC | |||
WEB: http://dv.ujaen.es/goto_docencia_crs_433408.html |
NOMBRE: SATORRES MARTÍNEZ, SILVIA MARÍA | ||
IMPARTE: Teoría - Prácticas [Profesor responsable] | ||
DEPARTAMENTO: U133 - ING. ELECTRÓNICA Y AUTOMATICA | ||
ÁREA: 520 - INGENIERÍA DE SISTEMAS Y AUTOMÁTICA | ||
N. DESPACHO: A3 - 426 | E-MAIL: satorres@ujaen.es | TLF: 953213381 |
TUTORÍAS: https://uvirtual.ujaen.es/pub/es/informacionacademica/tutorias/p/43191 | ||
URL WEB: No procede | ||
ORCID: https://orcid.org/0000-0003-0154-4125 |
Ninguno
La asignatura optativa Sistemas de Percepción Industrial está incluida en la materia de Automática Avanzada y se imparte durante el segundo semestre del cuarto curso del Grado en Ingeniería Electrónica Industrial.
Proporciona una visión global de la aplicabilidad de los sistemas de percepción en entornos industriales.
Es esencial para el seguimiento de la asignatura el trabajo autónomo del estudiante en el aprendizaje del material de estudio proporcionado y en la realización de las actividades y ejercicios propuestos. Además, la asistencia a clases teóricas y prácticas es muy importante para complementar el aprendizaje y aclarar los conceptos bajo la supervisión del equipo docente.
Al ser una asignatura en la que se manejan nuevos conceptos y requiere de conocimientos básicos de programación, es imprescindible aplicar, de forma continuada a lo largo de todo el curso, los conceptos teóricos estudiados en el desarrollo de ejemplos de programación prácticos.
El alumnado que presente necesidades específicas de apoyo educativo, lo ha de notificar personalmente al Servicio de Atención y Ayudas al Estudiante para proceder a realizar, en su caso, la adaptación curricular correspondiente.Código | Denominación de la competencia |
CB2R | 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 |
CB3R | 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. |
CB4R | Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado. |
CB5R | Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía. |
CEX7 | Conocimientos de principios y aplicaciones de los sistemas robotizados. Capacidad para diseñar sistemas de control y automatización industrial. |
CEX8 | Conocimiento aplicado a la informática industrial y comunicaciones. |
CT1 | Capacidad para trabajar, dirigir y gestionar conflictos en un grupo multidisciplinar y/o un entorno multilingüe. |
CT4 | Capacidad para aplicar nuevas tecnologías incluidas las tecnologías de la información y la comunicación. |
CT6 | Capacidad para la transmisión oral y escrita de información adaptada a la audiencia. |
Resultados de aprendizaje | |
Resultado 34 | Conocer las tecnologías utilizadas a nivel industrial para la realización de inspecciones sin contacto. |
Resultado 35 | Conocer los componentes integrantes en un sistema de inspección automática basado en Visión por Computador. |
Resultado 36 | Entender la estructura general de un sistema de Visión por Computador. |
Resultado 37 | Comprender los fenómenos involucrados en el proceso de captación de imágenes. |
Resultado 38 | Conocimiento de las técnicas algorítmicas utilizadas en cada una de las etapas de un sistema de este tipo. |
Resultado 39 | Conocimiento y manejo de software industrial de visión por computador. |
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.
Aplicaciones de Visión en automatización y robótica.
PARTE 1. INTRODUCCIÓN.
CAPÍTULO 1. Introducción a los sistemas de percepción industriales.
- 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. SISTEMAS INDUSTRIALES DE VISIÓN POR COMPUTADOR.
CAPÍTULO 8. Aplicaciones de Visión en
Automatización y Robótica.
- Sistemas de visión industriales.
- Inspección y control de calidad.
- Asistencia al agarre y manipulación de robots.
PRÁCTICAS
- 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 (I).
- Práctica 4. Detección de border en una imagen (II).
- Práctica 5. Segmentación de la imagen (I).
- Práctica 6. Segmentación de la imagen (II).
- Práctica 7. Segmentación de la imagen (III).
- Práctica 8. Extracción de características (I).
- Práctica 9. Extracción de características (II).
- Práctica 10. Reconocimiento de formas (I).
- Práctica 11. Reconocimiento de formas (II).
ACTIVIDADES | HORAS PRESENCIALES | HORAS TRABAJO AUTÓNOMO | TOTAL HORAS | CRÉDITOS ECTS | COMPETENCIAS (códigos) |
---|---|---|---|---|---|
A1 - Clases expositivas en gran grupo
|
30.0 | 45.0 | 75.0 | 3.0 |
|
A2R - Clases en pequeño grupo
|
25.0 | 37.5 | 62.5 | 2.5 |
|
A3 - Tutorías colectivas/individuales
|
5.0 | 7.5 | 12.5 | 0.5 |
|
TOTALES: | 60.0 | 90.0 | 150.0 | 6.0 |
A parte de las clases expositivas en gran grupo y de las prácticas de programación se resolverán casos prácticos industriales basados en sensores de visión. Además, se tutorizarán casos prácticos a través de los cuales los alumnos pondrán resolver casos reales utilizando software industrial de programación o realizando sus propios proyectos en código abierto (Aprendizaje basado en proyectos).
ASPECTO | CRITERIOS | INSTRUMENTO | PESO |
---|---|---|---|
Asistencia y/o participación en actividades presenciales y/o virtuales | Participación activa en las prácticas de laboratorio | Puntuación otorgada por el profesor en el laboratorio | 20.0% |
Conceptos teóricos de la materia | Dominio de los conocimientos teóricos y operativos de la materia | Examen teórico. Exposición del caso práctico de programación | 60.0% |
Realización de trabajos, casos o ejercicios | Realización de trabajos, casos o ejercicios | Realización de trabajos, casos o ejercicios | 20.0% |
Para aprobar la asignatura hay que:
- Asistir a todas las prácticas (se podrá recuperar como máximo una práctica)
- Aprobar el examen de teoría . Implica obtener una puntuación mínima de 5 sobre una puntuación total de 10.
- Aprobar la exposición del caso práctico de programación. La defensa de este trabajo tendrá lugar antes del examen de teoría en horario de clase.
El examen teórico evalúa las competencias: CB3R, CB5R, CEX7, CEX8
El trabajo de programación 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.
- Visión por computador. Edición: -. Autor: González Jiménez, Javier. Editorial: Madrid: Paraninfo, cop. 2000 (C. Biblioteca)
- Visión por computador: fundamentos y métodos. Edición: -. Autor: Escalera Hueso, Arturo de la. Editorial: Madrid [etc.]: Prentice Hall, D. L. 2001 (C. Biblioteca)
- Digital Image processing using MATLAB. Edición: 2nd ed., 16th reprint. Autor: González, Rafael C.. Editorial: New Delhi : McGraw Hill Education, 2016 (C. Biblioteca)
- MATLAB: advanced GUI development. Edición: -. Autor: Smith, Scott T.. Editorial: Indianapolis : Dog Ear, 2006 (C. Biblioteca)
- Handbook of 3D machine vision [Recurso electrónico] : optical metrology and imaging. Edición: -. Autor: -. Editorial: Boca Raton, FL : CRC Press, 2013 (C. Biblioteca)
- Handbook of machine vision. Edición: -. Autor: -. Editorial: Weinheim : Wiley-VCH, 2011 (C. Biblioteca)
Semana | A1 - Clases expositivas en gran grupo | A2R - Clases en pequeño grupo | A3 - Tutorías colectivas/individuales | Trabajo autónomo | Observaciones | |
---|---|---|---|---|---|---|
Nº 1 27 ene. - 2 feb. 2020 |
2.0 | 0.0 | 1.0 | 4.0 | Clases expositivas Tema 1. Práctica 0. Introducción al entorno de programación (Matlab) | |
Nº 2 3 - 9 feb. 2020 |
2.0 | 0.0 | 2.0 | 4.0 | Tema 2. Práctica 0. Introducción al entorno de programación (toolboxes visión) | |
Nº 3 10 - 16 feb. 2020 |
2.0 | 1.0 | 0.0 | 6.0 | Tema 2. Práctica 1. Introducción a las interfaces de usuario | |
Nº 4 17 - 23 feb. 2020 |
2.0 | 2.0 | 0.0 | 6.0 | Tema 2. Práctica 1. Introducción a las interfaces de usuario | |
Nº 5 24 feb. - 1 mar. 2020 |
2.0 | 2.0 | 0.0 | 6.0 | Tema 3. Práctica 2. Reducción de ruido en la imagen. | |
Nº 6 2 - 8 mar. 2020 |
2.0 | 2.0 | 0.0 | 6.0 | Tema 4. Práctica 3. Detección de bordes en una imagen (I) | |
Nº 7 9 - 15 mar. 2020 |
2.0 | 2.0 | 0.0 | 6.0 | Tema 4. Práctica 4. Detección de bordes en una imagen (II) | |
Nº 8 16 - 22 mar. 2020 |
2.0 | 2.0 | 0.0 | 6.0 | Tema 5. Práctica 5. Segmentación de la imagen (I). | |
Nº 9 23 - 29 mar. 2020 |
2.0 | 2.0 | 0.0 | 6.0 | Tema 5. Práctica 6. Segmentación de la imagen(II). | |
Nº 10 30 mar. - 3 abr. 2020 |
2.0 | 2.0 | 0.0 | 6.0 | Tema 5. Práctica 7. Segmentación de la imagen (III). | |
Período no docente: 4 - 12 abr. 2020 | ||||||
Nº 11 13 - 19 abr. 2020 |
2.0 | 2.0 | 0.0 | 6.0 | Tema 6. Práctica 8. Extracción de características (I) | |
Nº 12 20 - 26 abr. 2020 |
2.0 | 2.0 | 0.0 | 6.0 | Tema 6. Práctica 9. Extracción de características (II) | |
Nº 13 27 abr. - 3 may. 2020 |
2.0 | 2.0 | 0.0 | 6.0 | Tema 7. Práctica 10. Reconocimiento de formas (I) | |
Nº 14 4 - 10 may. 2020 |
2.0 | 2.0 | 0.0 | 8.0 | Tema 7. Práctica 11. Reconocimiento de formas (II) | |
Nº 15 11 - 15 may. 2020 |
2.0 | 2.0 | 2.0 | 8.0 | Tema 8. Presentación trabajos de programación. | |
Total Horas | 30.0 | 25.0 | 5.0 | 90.0 |