Guía didáctica de Visión por computadora

Fundamentación

La Universidad de Guanajuato, a la vanguardia en tecnologías emergentes y consciente del impacto que la visión computacional tiene en campos innovadores, presenta el curso «Visión por computadora». Este curso tiene como objetivo proporcionar una comprensión profunda de las aplicaciones prácticas de la visión computacional en sectores emergentes como la agricultura y la biotecnología.

En los últimos años, la visión computacional ha dejado una huella significativa en la revolución digital, y su aplicación a campos como la agricultura de precisión y la ingeniería genética ha abierto nuevas fronteras de investigación y desarrollo.

El uso de algoritmos avanzados de visión computacional para el monitoreo de cultivos, detección de enfermedades en plantas, y la optimización de procesos biotecnológicos, ha transformado la manera en que abordamos los desafíos en estas áreas. La relevancia de desarrollar habilidades en visión computacional se ve acentuada al considerar el potencial de esta disciplina para mejorar la eficiencia y sostenibilidad en la producción de alimentos y el avance de la biotecnología.

Este curso se propone no solo proporcionar conocimientos teóricos fundamentales en visión computacional, sino también capacitar a los estudiantes para aplicar estos conocimientos en la resolución de problemas concretos en el sector agrícola y biotecnológico, impulsando así la innovación y el progreso en estas áreas emergentes.

Competencias generales

Desarrolla soluciones integrales utilizando principios y técnicas avanzadas de visión computacional, aplicadas de manera efectiva en contextos específicos de la agricultura y la biotecnología, demostrando habilidades en el análisis de imágenes agrícolas, diagnóstico de enfermedades en plantas, automatización en agricultura de precisión, aplicaciones en biotecnología y la integración de tecnologías emergentes, con la capacidad de comunicar eficientemente los resultados a audiencias diversas.

Competencias específicas

• Aplica técnicas de adquisición, procesamiento y análisis de imágenes digitales mediante herramientas computacionales especializadas para extraer características e información relevante de objetos y fenómenos presentes en sistemas agrícolas.
• Desarrolla soluciones básicas de visión por computadora para la detección, clasificación, medición y monitoreo de variables de interés agronómico, contribuyendo a la toma de decisiones en la producción agrícola.

Contenido temático

Metodología de trabajo

Para el trabajo presencial se deberá considerar lo siguiente:

Al inicio de la sesión

• La o el docente comenzará la sesión en el lugar y hora establecidos en la planeación didáctica.
• Se realizará una breve introducción al tema y se comunicará el objetivo didáctico de la sesión.

Durante el desarrollo de la sesión

• Se realizará una exposición sucinta del tema a fin de contribuir en el desarrollo de los saberes teóricos, procedimentales y actitudinales establecidos en la competencia general del curso.
• Se podrán realizar actividades de exposición, solución de problemas, estudio de caso, entre otras.
• Se analizarán los ejemplos y problemas a desarrollar para la comprensión integral del tema en cuastión.

Al cierre de la sesión

• Se proporcionará un espacio para preguntas y respuestas con el objeto de asegurar los aprendizajes en las y los participantes.
• La o el docente realizará un resumen de los puntos más relevantes de la sesión y, posteriormente, realizará el cierre formal de la sesión.

Para el trabajo a distancia, se utilizará un sistema de gestión del aprendizaje en donde se deberá considerar lo siguiente:

• Materiales: se encontrarán en el ambiente digital de aprendizaje referencia a lecturas, videos y otros recursos didácticos complementarios.
• Interacción en plataforma: se podrán utilizar herramientas de comunicación como foros para el análisis de las temáticas planteadas.
• Actividades: se establecerá un examen de conocimientos y una consigna en cada clase que servirá de evidencia de los aprendizajes del estudiante.
• Seguimiento del participante: el seguimiento será constante, con el objetivo de acompañar y sostener el aprendizaje

Criterios de evaluación

Los criterios de evaluación son los siguientes:

• Claridad en la expresión evitando sobre y malentendidos.
• Se observará el nivel de pertinencia del participante, sus posibilidades para aportar conceptos, dudas y comentarios.
• Se prestará especial interés al nivel de disposición a la tarea y compromiso con el aprendizaje.
• La evaluación mantendrá un enfoque holístico que involucre lo cuantitativo y cualitativo.
• El 100% de la calificación se basará en el desempeño, entregables y las pruebas de conocimiento.

Para aprobar es necesario cumplir en tiempo y forma los siguientes requisitos durante el desarrollo de la unidad de aprendizaje:

• Asistencia a las sesiones presenciales.
• Revisión y reflexión de los materiales proporcionados en plataforma digital.
• Participación pertinente en las actividades que así lo especifiquen.
• Resolución de las consignas encomendadas en cada sesión.

Las ponderaciones en el proceso de evaluación se basarán en los siguientes porcentajes:

Bibliografía o Material didáctico complementario

Básica

• Gonzalez, R. C. (2020). Digital Image Processing Using MATLAB (3a ed.). Gatesmark Pub.
• Gonzalez, R. C., & Woods, R. E. (2017). Digital Image Processing (4a ed.). Pearson.
• MATLAB ®. Mathworks.com. Recuperado el 29 de febrero de 2024, de https://la.mathworks.com/products/matlab.html

Complementaria

• Project opencv: https://opencv.org
• Kinect and openNI: https://docs.opencv.org/2.4/doc/user_guide/ug_kinect.html

Créditos