Sistemas Sensoriais

Objectivos

Dotar os alunos de conhecimentos sobre características e aplicações de sensores de diversos tipos e aprofundar os conhecimentos de processamento de imagem.

Saber

  • Domínio da linguagem C#
  • Implementação de funções de processamento de imagem com preocupações de eficiência
  • Programação em tempo real
  • Domínio da selecção, projecto e montagem de sensores
  • Calibração de sensores

Fazer

  • Desenvolvimento de software estruturado
  • Utilização de bibliotecas de funções
  • Projecto e implementação de sistemas baseados em sensores

Caracterização geral

Código

7477

Créditos

6.0

Professor responsável

José Manuel Matos Ribeiro da Fonseca

Horas

Semanais - 4

Totais - 56

Idioma de ensino

Português

Pré-requisitos

Recomenda-se que os alunos tenham conhecimentos basicos de teoria de circuitos eléctricos, electrónica e linguagens de programação, nomeadamente, C ou C# (C sharp).

Bibliografia

Interfacing sensors to the IBM PC, Willis J. Tompkins, John G. Webster, Prentice Hall

Multi-sensor fusion - fundamentals and applications with software, Richard Brooks, S. Iyengar. Prentice Hall 

Digital Image Processing. Rafael Gonzalez, Paul Wintz. Addison-Wesley

Image Analysis: principles and practice, pp. 36 a 36 e 106 a 117. Joyce-Loebl

Digital Image Processing and Computer Vision, pp. 130 a 173. Robert Schalkoff

Fuzzy Algorithms, pp. 85 a 93, Zheru Chi, Hong Yan, Tuan Pham. Worls Scientific, Fuzzy Clustering

Computer Graphics - Principles and Practice, pp. 550 a 555. Foley, van DAM, Feiner, Hughes. Addison-Wesley

Método de ensino

As aulas Teórico-práticas fazem a introdução dos conceitos e apresentam problemas que são resolvidos na aula com a participação dos alunos. Nas aulas práticas de processamento de imagem os alunos desenvolvem pequenos projetos que servem de base ao projecto de software. O projeto de software serve para os alunos fazerem a consolidação dos conceitos de processamento de imagem num trabalho de maior dimensão.

Os conceitos da componente de sensores são apresentados nas aulas TP, sendo as aulas práticas utilizadas para os alunos testarem os conhecimentos adquiridos nas aulas TP ao efectuarem o projecto e montagem de diversos sensores dos quais medem as características principais e efectuam a calibração de forma a contactarem com problemas e sensores reais.

No final da disciplina ambos os trabalhos práticos são apresentados e discutidos com os docentes constituindo a avaliação do trabalho e da sua defesa 40% da nota final sendo os restantes 60% provenientes dos mini-testes ou do exame final.

Método de avaliação

Método de avaliação:

  • 60 % Componente teórica 
    • 0,75 * NTT + 0,25 NTM
    •  NTT = Nota dos 2 Testes ou do Exame

    •  NTM = Nota da avaliação teórica no Moodle

      • média dos melhores 9 mini-testes moodle de um total de 10
      • os testes Moodle são efectuados fora das aulas
    • Condições: NTT >= 9.5 e NTM >= 9.5

  • 40 % Componente prática
    • 80% - 1º Trabalho prático 
    • 20% - 2º Trabalho prático(entrega moodle)

 Formula:

Nota final = (NTT*0,75 + NTM*0,25) * 0,6 + ( NTP1 *0,8 + NTP2 * 0,2 ) * 0,4 

Observações:

  • Considera-se uma penalização de 1 valor por dia de atraso na entrega dos trabalhos práticos. 
  • É necessário ter nota não inferior a 9,5 valores em ambas as componentes prática e teórica.
  • Os testes de avaliação de conhecimentos e os exames serão presenciais e sem consulta.
  • Os alunos que venham a efetuar provas de avaliação (testes ou exame) de forma remota (por terem estatuto oficialmente reconhecido que lhes permita essa possibilidade) poderão ser chamados a defender a nota obtida numa discussão oral com os docentes que será efetuada de forma presencial ou remota de acordo com as circunstâncias.
  • Os testes realizados de forma remota serão considerados com consulta pelo que terão enunciado apropriado às circunstâncias.

Conteúdo

- Introdução - Etapas do reconhecimento baseado em imagens.

- Formação da imagem: Pinhole, Utilização de lentes, Relações abertura/profundidade de campo e abertura/velocidade, Sensores de imagem

- Acondicionamento da imagem: Operações geométricas: Translação, Rotação e Escalamento, Métodos espaciais, Filtros de média linear e não linear, média de imagens, mediana, k-nearest neighbor, Sigma, diferenciação, Roberts, Sobel e Quadtree, Binarização e processamento de imagens binárias, Histograma, c-means e Otsu, 

- Segmentação, Algoritmos de componentes ligados e projecções, Extracção de características

- Características básicas, chain code, Fresnell, Esqueletização (eixo médio e algoritmo de Zhang e Suen)

- Sensores: Definições, Caracterização de sensores, Tecnologia de sensores e aplicações. Exemplo de sensores - posição, nível e deslocamento, presença e movimento, velocidade e aceleração, força, pressão, fluxo, acústicos, humidade e pó, luz, termopilha e temperatura.