Sistemas de Percepción
(Curso Académico 2024 - 2025)

Mostrar Todo Ocultar Todo

• RA1 - Saber aplicar técnicas de programación adecuadas para el desarrollo de software sobre sistemas de control y supervisión de propósito específico atendiendo a las particularidades del hardware y de los sistemas operativos.
• RA2 - Capacidad para el diseño de sistemas de control y regulación automáticos en entornos industriales y análisis de su rendimiento.
• RA3 - Dominio de algoritmos de control avanzados y de aspectos relacionados con su implementación práctica.
• RA4 - Conocer los fundamentos y tecnologías de la robótica actual.
• RA5 - Seleccionar e integrar adecuadamente los algoritmos de control y el software específico junto a los sistemas de captación, actuación y procesamiento de la información en la automatización de un sistema.
• RA6 - Capacidad de análisis de un problema de percepción del entorno tridimensional seleccionando los componentes adecuados para su solución, extraer información del entorno, procesarla y clasificarla

• CG4 - Realizar investigación, desarrollo e innovación en productos, procesos y métodos.
• CG10 - Saber comunicar las conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.

• CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

• TI8 - Capacidad para diseñar y proyectar sistemas de producción automatizados y control avanzado de procesos.

Tema 1  Introducción a los sistemas de percepción en la industria  y al procesamiento de imágenes: Elementos de un sistema de visión: óptica, iluminación, estructuración del entorno. Introducción a la programación en Python. Elementos básicos.
Tema 2. Extensión del Python: Pandas, NumPy y Matplotlib. 
Tema 3. Python para procesamiento de imágenes.
Tema 4. Fundamentos de Machine Learning y Deep Learning.
Tema 5. La librería Keras para Deep Learning.
Tema 6. Resolución de problemas de Deep Learning de procesamiento de Imágenes: Mejora de las imágenes, filtrado, segmentación. Reconocimiento de objetos: Clasificadores. Reconocimiento de rostros. Percepción 3D.

Prácticas:
Prácticas de introducción a la programación en Python.
Prácticas de simulación en Python con la librería Keras para Deep Learning.

En virtud de lo dispuesto en la normativa autonómica (Decreto 168/2008, de 22 de julio ), un 5% del contenido será impartido en inglés. Se utilizará documentación en inglés, cuyo uso será necesario para responder a preguntas o resolver ejercicios, de manera escrita, que formen parte de la evaluación de la asignatura.
 

La metodología docente de la asignatura consistirá en lo siguiente:
• Clases teóricas (1 hora a la semana) en las que se combinarán las tradicionales clases de pizarra con el uso de los medios audiovisuales disponibles, principalmente el cañón de proyección. Los alumnos podrán consultar y descargarse el material relativo a la asignatura en el Aula Virtual.
• Clases prácticas (1 hora a la semana) en el aula de clase, aula de ordenadores y laboratorio para llevar a cabo simulaciones del uso de las técnicas aprendidas en las clases teóricas y su implementación real con los recursos disponibles.
• El aula virtual se utilizará para poner a disposición del alumno las referencias a todos los recursos de la asignatura: apuntes, bibliografía, software, material, etc.

Respecto al uso de la IA en esta asignatura:
La IA puede ser usada como una primera aproximación a un problema, pero es necesario analizar las soluciones encontradas de manera crítica, contrastando la información, para llegar a un resultado creativo que permita el aprendizaje y evite algunos de los problemas derivados del uso de la IA.

Actividades formativas	Horas presenciales	Horas de trabajo autónomo	Total horas	Relación con competencias
Clases teóricas	9,00	0,00	9,0	[CB10], [RA6], [TI8], [CG4], [RA4], [RA2], [CG10], [RA5], [RA3], [RA1]
Clases prácticas (aula / sala de demostraciones / prácticas laboratorio)	14,00	0,00	14,0	[CB10], [RA6], [TI8], [CG4], [RA4], [RA2], [CG10], [RA5], [RA3], [RA1]
Realización de trabajos (individual/grupal)	3,00	15,00	18,0	[CB10], [RA6], [TI8], [CG4], [RA4], [RA2], [CG10], [RA5], [RA3], [RA1]
Estudio/preparación de clases teóricas	0,00	11,00	11,0	[CB10], [RA6], [TI8], [CG4], [RA4], [RA2], [CG10], [RA5], [RA3], [RA1]
Estudio/preparación de clases prácticas	0,00	12,00	12,0	[CB10], [RA6], [TI8], [CG4], [RA4], [RA2], [CG10], [RA5], [RA3], [RA1]
Preparación de exámenes	0,00	7,00	7,0	[CB10], [RA6], [TI8], [CG4], [RA4], [RA2], [CG10], [RA5], [RA3], [RA1]
Realización de exámenes	2,00	0,00	2,0	[CB10], [RA6], [TI8], [CG4], [RA4], [RA2], [CG10], [RA5], [RA3], [RA1]
Asistencia a tutorías	2,00	0,00	2,0	[CB10], [RA6], [TI8], [CG4], [RA4], [RA2], [CG10], [RA5], [RA3], [RA1]
Total horas
Total ECTS

- 
https://github.com/fchollet/deep-learning-with-python-notebooks

- Computer Vision: Algorithms and Applications. Richard Szeliski. 2011, Springer

• Software:
- Lenguaje de programación Python, y paquetes y librerías complementarios. Entorno de programación Google Colab para ejecución de programas de Deep Learning.
• Hardware:
- Aula de ordenadores.
- Cámaras.

La Evaluación de la asignatura se rige por el Reglamento de Evaluación y Calificación (REC) de la Universidad de La Laguna (Boletín Oficial de la Universidad de La Laguna de 23 de junio de
2022), modificado parcialmente en Consejo de Gobierno el 31 de mayo de 2023, o el que la Universidad tenga vigente, además de por lo establecido en la Memoria de Verificación o
Modificación vigente.
En virtud de dicho reglamento, todo el alumnado está sujeto a evaluación continua en la primera convocatoria de la asignatura, salvo el que se acoja a la evaluación única, lo que tendrá que ser
comunicado por el propio alumnado antes de haberse presentado a las actividades cuya ponderación compute, al menos, el 40% de la evaluación continua (ver art. 5.5 del REC), o
excepcionalmente por circunstancias sobrevenidas (ver art. 5.7 del REC).

La evaluación continua estará orientada principalmente al trabajo práctico de la asignatura. Consistirá en las siguientes actividades:

1) Aproximadamente, a mitad del cuatrimestre se hará una prueba de evaluación parcial sobre los contenidos básicos de la programación en Python (20%).
2) Prueba de evaluación final consistente en la resolución de un problema de Deep Learning (40%).
3) Se evaluará también el conocimiento del estudiante sobre conceptos fundamentales de la asignatura a través de una prueba objetiva (40%).

La modalidad de evaluación continua se extenderá en la segunda convocatoria. Por lo tanto, la segunda convocatoria podrá utilizarse para recuperar las pruebas de evaluación continua no superadas antes del fin de la primera convocatoria de la asignatura.

En relación a la evaluación continua, conforme al artículo 4.7 del REC “se entenderá agotada la convocatoria desde que el alumnado se presente, al menos, a las actividades cuya ponderación compute el 50 % de la evaluación continua, salvo en los casos recogidos en el artículo 5.5". Por lo tanto, una vez realizado cualquier conjunto de actividades cuya suma de ponderaciones alcance el 50%, supone el agotamiento de la evaluación continua de la asignatura. Una vez agotada la evaluación continua la calificación en el acta no podrá ser "No presentado".

Todas las actividades comentadas son obligtorias. Si no se realizan todas las pruebas obligatorias y se ha agotado la evaluación continua (se han realizado pruebas cuya suma de ponderaciones es mayor o igual al 50%), entonces, la nota final (NF) será el mínimo entre NF = min( 4.5 ; calificación obtenida de acuerdo con la ponderación establecida). Si no se ha agotado la evaluación continua, entonces NF = “No Presentado”.

Evaluación única:
Si el alumnado no se evalúa de forma continua (por las circunstancias que se describen en el REC), debe evaluarse de todo el contenido teórico y práctico de la asignatura. La evaluación única, cuya realización debe ser comunicada al profesorado de la asignatura con una antelación mínima de 7 días respecto a la fecha oficial en la que el/la estudiante quiera presentarse, consiste en la realización de 2 pruebas: una teórica (PT), que corresponde a la actividad 3, y otra práctica (PP), que corresponde a las actividades 1 y 2.

Si la realización de estas pruebas no puede realizarse el mismo día debido a su extensión, el profesorado convendrá con el alumnado una fecha alternativa para su realización. La ponderación de las distintas pruebas de evaluación en la NF de la asignatura es: NF = 0.4*PT + 0.6*PP.

Respecto a la 5a convocatoria y posteriores:
El alumnado que se encuentre en la quinta o posteriores convocatorias y desee ser evaluado por un Tribunal, deberá presentar una solicitud a través del procedimiento habilitado en la sede
electrónica, dirigida al Director/a de la ESIT. Dicha solicitud deberá realizarse con una antelación mínima de diez días hábiles al comienzo del periodo de exámenes.

Evaluación del 5% de inglés: Las actividades y evaluación en inglés están contenidos dentro de todas las actividades propuestas.

Tipo de prueba	Competencias	Criterios	Ponderación
Pruebas objetivas	[CB10], [RA6], [TI8], [CG4], [RA4], [RA2], [CG10], [RA5], [RA3], [RA1]	Evaluación del conocimiento del estudiante sobre conceptos fundamentales de la asignatura.	40,00 %
Pruebas de ejecuciones de tareas reales y/o simuladas	[RA6], [RA4], [RA2], [RA5], [RA3], [RA1]	Evaluación de la ejecución de los programas realizados para resolver el problema de Deep Learning propuesto.	60,00 %

* La distribución de los temas por semana es orientativo, puede sufrir cambios según las necesidades de organización docente.

La asignatura se desarrolla a lo largo de las 15 semanas del 1º cuatrimestre según la estructura que se expone a
continuación:
• 1 hora a la semana de teoría impartida en el aula de clase.
• 1 hora a la semana de prácticas de simulación y/o de laboratorio.

La distribución de horas que se muestra en el cronograma refleja la situación de un estudiante que va por evaluación continua (escenario más probable). En el caso de un estudiante que fuera por evaluación única, habría que considerar algunas horas en las semanas de la 16 y la 18 para dicha evaluación.

Semana	Temas	Actividades de enseñanza aprendizaje	Horas de trabajo presencial	Horas de trabajo autónomo	Total
Semana 1:	Tema 1	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	1.00	3.00	4.00
Semana 2:	Tema 1	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	4.00	6.00
Semana 3:	Tema 2	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	4.00	6.00
Semana 4:	Tema 2	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	3.00	5.00
Semana 5:	Tema 3	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	3.00	5.00
Semana 6:	Tema 4	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	3.00	5.00
Semana 7:	Tema 4	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	3.00	5.00
Semana 8:	Tema 5	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	3.00	5.00
Semana 9:	Tema 6	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	3.00	5.00
Semana 10:	Tema 6	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	4.00	6.00
Semana 11:	Tema 6	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	3.00	5.00
Semana 12:	Tema 6	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	3.00	5.00
Semana 13:	Tema 6	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	3.00	5.00
Semana 14:	Tema 6	- Impartición de la teoría relativa a estos temas. - Sesión de prácticas relativa a estos temas.	2.00	3.00	5.00
Semana 15 a 17:			3.00	0.00	3.00
Total			30.00	45.00	75.00