Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
480 - Informática
Departamento / Department
Departamento de Tecnologias Digitais
Ano letivo / Execution Year
2022/2023
Pré-requisitos / Pre-Requisites
Conhecimentos básicos de álgebra linear, trignometria e de programação.
Objetivos Gerais / Objectives
Com esta UC pretende-se que os estudantes desenvolvam conhecimentos nos fundamentos do desenho e da implementação de sistemas para controlo de qualidade, com particular ênfase nas abordagens baseadas em visão artificial e inteligência artificial. Pretende-se ainda que os estudantes complementem os seus conhecimentos sobre interação pessoa-máquina nos aspetos diretamente relacionados com o controlo de qualidade.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
Após a conclusão desta unidade curricular o aluno deverá ficar a: OA1: Conhecer os fundamentos do controlo de qualidade; OA2: Conhecer os fundamentos da aplicação de visão artificial ao controlo de qualidade; OA3: Conhecer os fundamentos da aplicação de inteligência artificial ao controlo de qualidade; OA4: Conhecer os fundamentos do desenho de interfaces pessoa-máquina para controlo de qualidade.
Conteúdos Programáticos / Syllabus
P1. Controlo de Qualidade (CQ), métricas de qualidade e de inspeção não destrutiva. P2. Integração de CQ em sistemas de automação e interligação ao processo. P3. Fundamentos da visão artificial e da inteligência artificial essenciais ao CQ. P4. Seleção e calibração de sensores, lentes, filtros e iluminação para CQ baseado em visão artificial. P5. Recolha passiva e ativa de dados sensoriais, sua filtragem, processamento e análise para CQ. P6. Aprendizagem automática de modelos e seu uso na deteção e previsão de falhas/desvios. P7. Interfaces pessoa-máquina no contexto do CQ.
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes
OA1: P1, P2. OA2: P3, P4, P5. OA3: P5, P6. OA4: P7.
Avaliação / Assessment
Avaliação Periódica: Projeto em grupo (60%) + Teste escrito individual (40%). Avaliação por Exame: Exame escrito individual (100%).
Metodologias de Ensino / Teaching methodologies
As aulas são divididas em três módulos que se desenrolam em paralelo ao longo do semestre. O primeiro módulo engloba aulas teóricas expositivas. O segundo módulo é composto por aulas teórico-práticas baseadas num conjunto de fichas de trabalho. O terceiro módulo é composto por aulas laboratoriais, onde os alunos serão introduzidos ao projeto prático e acompanhados no seu desenvolvimento.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
Os objetivos de aprendizagem cobrem aspectos de modelação e implementação, sendo, portanto, essencial a transferência de conhecimento teórico aliado ao desenvolvimento de competências de carácter prático. Por esta razão as metodologias de aprendizagem incluem componentes expositivas, participativas e ativas. Sendo as matérias leccionadas objeto de frequente inovação, torna-se essencial dotar o estudante de competências de pesquisa e análise de literatura técnica e científica. A forte componente de trabalho autónomo considerada procura promover essas competências.
Observações / Observations
-
Bibliografia Principal / Main Bibliography
Szeliski, R. (2021). Computer Vision: Algorithms and Applications (2nd ed). Springer. Dawson-Howe, K. (2014). A Practical Introduction to Computer Vision with OpenCV (1st. ed.). Wiley. Anand, S., & Priya, L. (2019). A Guide for Machine Vision in Quality Control (1st ed.). CRC Press.
Bibliografia Secundária / Secondary Bibliography
Data da última atualização / Last Update Date
2024-02-16