Inspecção Automática e Visão Artificial

Ano
0
Ano lectivo
2014-2015
Código
02000981
Área Científica
Automação e Controlo
Língua de Ensino
Português
Outras Línguas de Ensino
Inglês
Modo de Ensino
Presencial
Créditos ECTS
6.0
Tipo
Opcional
Nível
2º Ciclo - Mestrado

Conhecimentos de Base Recomendados

Automação Industrial

Métodos de Ensino

Esta UC adopta como metodologia de ensino a apresentação de conceitos de cariz mais teórico e conceptual em aulas do tipo magistral, onde é feita uma exposição detalhada dos conceitos da visão artificial e das metodologias fundamentais à inspecção visual, complementado com uma forte componente laboratorial onde os alunos podem validar a aprendizagem das aulas magistrais através da realização de vários mini-projectos de inspecção automática baseados em visão.

Resultados de Aprendizagem

O objectivo primário da Unidade Curricular é fornecer aos alunos conhecimento sobre sistemas de visão com aplicação em automação industrial. Este universo de aplicações integra os domínios da inspecção visual, visão robótica e monitorização de processos e controlo visual.

Pretende-se neste unidade curricular colocar o aluno perante a realidade da realização de projectos de inspecção baseados em informação  visual (câmaras) para a monitorização e controlo de qualidade em processos industriais reais.

Pretende-se que os alunos adquiram competências em concepção, especificação e integração de sistemas/sub-sistemas de inspecção visual, estimulando capacidades de raciocínio crítico, aprendizagem autónoma e trabalho em equipa e capacidade de aplicação de conceitos de cariz teórico a problemas práticos.

Estágio(s)

Não

Programa

1. Introdução à visão artificial;

2. Propriedades da luz e imagem;

3. Formação e aquisição de imagem;

4. Equipamentos e técnicas de iluminação;

5. Processamento de imagem;

6. Côr e luminosidade;

7. Segmentação e análise de forma;

8. Calibração e Metrologia;

9. Aquisição de imagens 3D;

10. Soluções e sistemas de visão artificial.

Métodos de Avaliação

Avaliação
Teórica: 40.0%
Laboratorial: 60.0%

Bibliografia

Alexander Hornberg, ed. (2008), Handbook of Machine Vision, Wiley-VCh

E.R. Davies (2012), Computer and Machine Vision, Fourth Edition: Theory, Algorithms, Practicalities, Elsevier Inc.

Bruce G. Batchelor, ed. (2012), Machine Vision Handbook , Springer.

Gonzalez and Woods (2008), Digital Image Processing, 3rd Edition, Prentice-Hall

Apontamentos disponibilizados pelo docente (2007-2012).