Instrumentação e Processamento para Visão Artificial

Código:

MVCOMP05

Sigla:

IPVA

Áreas Científicas
Classificação	Área Científica
CNAEF	Engenharia e técnicas afins

Ocorrência: 2022/2023 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Informática
Curso/CE Responsável:	Mestrado em Visão por Computador

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MVCOMP	3	Plano de Estudos Oficial	1	-	6	42	162

Língua de trabalho

Inglês

Objetivos

Esta unidade curricular aborda os aspetos de aquisição e processamento de imagens. Do ponto de vista da aplicação industrial, também aborda tópicos como iluminação e calibração de câmaras. É dada atenção aos aspetos de hardware, desde lentes e câmaras até interfaces câmara-computador. Além da análise de hardware, o software necessário é discutido com igual profundidade. Isto inclui a ligação a noções básicas de imagem digital, bem como análise e processamento de imagem (discutido noutras unidades curriculares). Finalmente, são apresentados aspetos gerais de funcionamento das aplicações industriais da visão por computador, através de estudos de caso, e estratégias para a conceção de sistemas completos de visão. O estudante deverá adquirir as competências necessárias não só para compreender o funcionamento de sistemas atuais de visão por computador, mas também para avaliar e planear tais sistemas.

Resultados de aprendizagem e competências

Após a conclusão deste curso, os estudantes devem ser capazes de:

- identificar os principais componentes de hardware de um sistema de visão de máquina e compreender suas características;

- selecionar os componentes fundamentais de um sistema de visão de máquina, levando em consideração um conjunto de especificações;

- selecionar e aplicar algoritmos de visão computacional comuns, fornecidos por uma biblioteca como a OpenCV, para solucionar problemas de média complexidade, envolvendo a aquisição de imagens 2D ou 3D;

- analisar e compreender artigos científicos selecionados em processamento e análise de imagens e visão computacional.

Modo de trabalho

Presencial

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

Recomenda-se o conhecimento de uma linguagem de programação, de preferência Python ou C ++, e conceitos básicos de álgebra.

Programa

- Aquisição de imagens e vídeos: iluminação, lentes, sensores e interfaces.

- Sensores de imagem inteligentes.

- Algoritmos de visão por computador.

- Calibração geométrica de uma câmara.

- Aquisição de dados 3D.

- Sistemas e aplicações industriais de visão por computador.

Bibliografia Obrigatória

Alexander Hornberg; Handbook of Machine and Computer Vision: The Guide for Developers and Users
E. R. Davies; Machine Vision, Theory, Algorithms, Practicalities
Adrian Kaehler; Learning OpenCV 3. ISBN: 978-1-491-93799-0
Laurent Berger; Traitement d'images et de vidéos avec OpenCV 4 en Python (Windows, Linux, Raspberry)

Bibliografia Complementar

Junichi Nakamura; Image Sensors & Signal Processing for Digital Still Cameras
Jun Ohta; Smart Image Sensors and Applications
Richard Szeliski; Computer vision. ISBN: 978-1-84882-935-0
Rafael C. González, Richard E. Woods; Digital Image Processing, 2007

Métodos de ensino e atividades de aprendizagem

- Aulas presenciais sobre os temas de cada capítulo. Serão apresentados exemplos ou casos de uso sobre os temas de cada capítulo. Alguns conceitos serão complementados com algumas palestras de terceiros (por exemplo, fornecedores de hardware / software)

- Os estudantes participarão em aulas de laboratório, realizando trabalhos práticos, e farão trabalhos de casa para reforçar a aprendizagem dos conteúdos.

Software

OpenCV library

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	40,00
Trabalho prático ou de projeto	60,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Elaboração de projeto	43,00
Estudo autónomo	42,00
Frequência das aulas	39,00
Trabalho escrito	30,00
Trabalho laboratorial	8,00
Total:	162,00

Obtenção de frequência

É obrigatório entregar e apresentar os trabalhos práticos solicitados durante o curso.

Fórmula de cálculo da classificação final

Classificação_Final = Classificação_Exame*40% + Classificação_Avaliação_Distribuída*60%

Avaliação especial (TE, DA, ...)

Os estudantes com um estatuto especial serão avaliados da mesma forma que os estudantes normais: têm de realizar todos trabalhos solicitados ao longo do semestre, submetendo-os nas datas programadas.

Melhoria de classificação

A nota do exame final pode ser melhorada nas épocas seguintes, de acordo com as regras da FEUP. A nota da avaliação distribuída é a obtida no final das aulas e só pode ser melhorada numa edição futura desta unidade curricular.