Sistemas Baseados em Visão

Código:

EEC0100

Sigla:

SBVI

Áreas Científicas
Classificação	Área Científica
OFICIAL	Automação, Controlo e Sistemas de Produção Indust.
OFICIAL	Ciências Fundamentais e da Eletrotecnia

Ocorrência: 2017/2018 - 1S

Ativa?	Sim
Página Web:	http://www.fe.up.pt/si/conteudos_adm.conteudos_list?pct_pag_id=1639&pct_parametros=p_ano_lectivo=2009/2010-y-p_cad_codigo=EEC0100-y-p_periodo=1S
Unidade Responsável:	Departamento de Engenharia Eletrotécnica e de Computadores
Curso/CE Responsável:	Mestrado Integrado em Engenharia Electrotécnica e de Computadores

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MIEEC	71	Plano de estudos oficial	4	-	6	56	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

Os principais objectivos a atingir na disciplina são a aquisição de conhecimentos relativos a sistemas de visão automática, quer em termos dos modelos que constituem cada um dos componentes da sua estrutura modular, quer em termos das tecnologias usadas na sua implementação.

Resultados de aprendizagem e competências

1. Aquisição de conhecimento em sistemas automáticos de visão por computador (competências CDIO 1.3, 1.4, 2.1, 2.3).
2. Demonstração de conhecimentos no projeto, e implementação de sistema automáticos de visão (competências CDIO 4.2, 4.3, 4.4, 4.5).
3. Desenvolvimento de competências na organização e desenvolvimento de trabalho autónomo e na pesquisa de bibliografia especializada (competências CDIO Syllabus 2.4, 2.5, 3.3).
4. Demonstração de competências em trabalho de grupo (competências CDIO 2.5, 3.1).
5. Desenvolvimento e demonstração de competências para a comunicação oral e escrita (competências CDIO 3.2)

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

Conhecimentos de Processamento de Sinal e do software MatLab.

Programa

1. Introdução. Estrutura de um sistema de visão automática.
2. Aquisição e formação de imagem digital.
3. Pré-processamento. Operadores de imagem e sua aplicação em realce de imagem.
4. Morfologia matemática.
5. Segmentação de imagem.
6. Análise de imagem.
7. Reconhecimento e classificação de imagem.

Bibliografia Obrigatória

Gonzalez, Rafael C; Digital image processing. ISBN: 0-20-118075-8
Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins; Digital image processing using Matlab. ISBN: 0-13-008519-7

Bibliografia Complementar

Steger C., Ulrich M. Wiedemann C; Machine Vision Algorithms and Applications, Wiley, 2008. ISBN: 978-3-527-40734-7
Milan Sonka, Vaclav Hlavac, Roger Boyle; Image processing, analysis and machine vision. ISBN: 978-0-495-24428-7
E. R. Davies; Machine Vision: Theory, Algorithms, Practabilities, Morgam Kaufmann, 205. ISBN: 0-12-206093-8

Métodos de ensino e atividades de aprendizagem

Aulas teóricas:
Aulas de exposição das matérias, incluindo demonstrações práticas e análise de casos.

Aulas teórico-práticas:
Resolução de problemas, experimentação e ensaio em Matlab (toolbox de Image Processing), desenvolvimento de soluções em Matlab.

Trabalho prático fora das aulas:
Realização de um trabalho autónomo, com carácter de projecto, por grupos de 3/4 estudantes, sobre tema sugerido pelos docentes. Elaboração de um relatório escrito. Apresentação oral pública dos trabalhos realizados.

Software

MatLab - The Mathworks

Palavras Chave

Ciências Tecnológicas > Engenharia > Engenharia electrotécnica

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	70,00
Trabalho prático ou de projeto	30,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Elaboração de projeto	40,00
Estudo autónomo	66,00
Frequência das aulas	56,00
Total:	162,00

Obtenção de frequência

As componentes da avaliação são:
- trabalho de grupo (3/4 estudantes) e respectivo relatório escrito (TP);
- apresentação oral do trabalho prático (AP)
- exame final (EF)

A obtenção de frequência pressupõe a conclusão com sucesso do trabalho de grupo, incluindo a elaboração do relatório e apresentação oral, para além das condições legais vigentes.
A nota de frequência é obtida mediante a classificação, pela docente, dos trabalhos de grupo, considerando os aspectos de execução, resultado atingido, divisão de tarefas no grupo, qualidade do relatório escrito e da apresentação pública.
Os estudantes que não tenham obtido nota de frequência não podem realizar qualquer exame no ano letivo corrente. Os estudantes que já obtiveram nota de frequência em anos letivos anteriores devem contactar a responsável pela UC para poderem realizar o exame.

A componente TP permite avaliar as competências CDIO 1.3, 1.4, 2.1, 2.3, 2.4, 2.5, 3.1, 3.3, 4.2, 4.3, 4.4, 4.5.
A componente AP permite avaliar as competências CDIO 3.1, 3.3, 4.2, 4.3, 4.4, 4.5.
A componente EF permite avaliar as competências CDIO 1.3, 1.4, 2.1, 2.3, 4.2, 4.3, 4.4, 4.5.

Fórmula de cálculo da classificação final

A classificação final é o resultado da soma da nota de avaliação distribuída (AD) e da nota do exame final (NE). Esta ponderação é utilizada em todas as épocas de avaliação, incluindo recurso e melhoria.

Nota final=0,3*AD + 0,7*NE

 

Provas e trabalhos especiais

Trabalho prático de grupo, já referido nos pontos anteriores.

Trabalho de estágio/projeto

O tema do trabalho de grupo (projeto) será definido até ao final do mês de Outubro.
O relatório do trabalho e o código desenvolvido devem ser enviados aos docentes até ao dia 8 de Dezembro.
A apresentação do trabalho será realizada nos períodos das aulas T e TP da semana de 11 a 14 de Dezembro, com calendário a definir. Os slides da apresentação devem ser entregues aos docentes até ao final do dia 11 de Dezembro.

Avaliação especial (TE, DA, ...)

O único caso especial considerado é o dos alunos trabalhadores-estudantes. Estes alunos deverão habilitar-se ao exame final por meio da realização de um trabalho prático cuja natureza e alcance é semelhante ao dos trabalhos realizados pelos alunos ordinários, salvo no que respeita à sua extensão que será ajustada atendendo a que o trabalho é individual.

Melhoria de classificação

A classificação distribuída (nota de avaliação distribuída) não é passível de melhoria.
A classificação do exame pode ser melhorada nas condições gerais regulamentadas.