Visión Artificial

1. Datos Generales de la asignatura

Nombre de la asignatura: Visión Artificial

Clave de la asignatura: DSC-1903

SATCA1: 2-2-4

Carrera: Ingeniería en Sistemas Computacionales

2. Presentación

Caracterización de la asignatura

Esta asignatura aporta al perfil del (de la) Ingeniero (a) en Sistemas Computacionales los
conocimientos necesarios para:

 Facilitar la toma de decisiones creando aplicaciones y/o sistemas capaces de

reconocer y clasificar automáticamente un determinado patrón de entrada a través
de sistemas de visión.
 Aportar soluciones innovadoras a problemas en entornos o contextos nuevos o
poco conocidos y de manera multidisciplinaria.
 Habilidad para innovar e incursionar en otros ámbitos de desarrollo computacional
como pudiera ser: industria automotriz, naval y aeroespacial, en la agricultura, en
la industria manufacturera, industria de la alimentación, o en cualquier sector
donde pueda estar presente la incorporación de la industria 4.0 y que para la
solución de sus problemas requiera de un sistema de visión.
 Diseñar interfaces de usuario que permitan una comunicación más natural entre el
usuario-aplicación-dispositivo.

Uno de los sentidos más utilizados por el ser humano para obtener información del
entorno físico que nos rodea es la visión. En la actualidad, con el objetivo de facilitar la
resolución de problemas cada día más complejos para la programación convencional, y
el advenimiento de la industria 4.0, se han ido incorporando diversas técnicas de la
inteligencia artificial como estrategia para dar solución a este tipo de problemas. La visión
artificial es una de estas técnicas o ramas principales que se han estado utilizando, y
sigue su incremento dadas las tendencias existentes de que día a día sea más natural la
comunicación con los diversos dispositivos y aparatos que nos rodean en cualquier lugar
y la autonomía en la solución de problemas, y de considerarse una herramienta
transversal dentro de la industria 4.0., ya que afecta directa o indirectamente, a aspectos

1
Sistema de Asignación y Transferencia de Créditos Académicos

Página | 1
como la trazabilidad, control de calidad, seguridad industrial, soporte a la producción,
control de logística y procesos, e información sobre el entorno de trabajo o fabricación
según sea el caso, por mencionar algunos aspectos.

Dado lo anterior, es necesario contar con técnicas que permitan reconocer e interpretar
los datos que son captados por los diversos dispositivos involucrados en estos entornos.
Es aquí donde la asignatura propuesta es importante, ya que su objetivo es hacer que los
sistemas inteligentes interpreten la información que reciben de su entorno tal y como lo
hacen los seres humanos, lo interprete extrayendo las características principales de éste,
y tomar la acción más adecuada de acuerdo al patrón reconocido una vez hecho el
análisis de dichas características y cotejadas con éste.

Entre los diversos objetos o elementos que están implicados o que son sujetos a ser
reconocidos se encuentran: el reconocimiento facial, reconocimiento de huellas,
procesamiento de imágenes digitales, reconocimiento de caracteres, patrones de texto,
piezas industriales, plantas, frutos, entre otros.

Son diversos los campos de aplicación que puede tener el tema de esta asignatura: en
seguridad, en la medicina, en la industria, en el entretenimiento, en la educación, en la
agricultura, y las tareas a las que va más orientadas son: de diagnóstico, recuperación,
predicciones, interpretación, identificación y clasificación de objetos.

Esta asignatura aporta al perfil de la especialidad de Desarrollo de Sistemas Inteligentes,

los principios básicos y técnicas que faciliten reconocer e interpretar los datos que son
captados en entornos físicos por diversos dispositivos involucrados en la visión artificial,
teniendo así la capacidad de poderlos aplicar en la solución de algún problema del
entorno donde se desenvuelva.

Esta asignatura requiere de las competencias adquiridas en las asignaturas de: Tópicos
Avanzados de Programación, Estructura de Datos, Simulación, que aportan las diversas
estructuras y mecanismos de programación requeridas. Graficación que provee de los
elementos básicos para el diseño, creación y manipulación de imágenes 2D y 3D.
Investigación de Operaciones, Algebra Lineal, Matemáticas Discretas, Probabilidad y
Estadística, Cálculo Vectorial, Ecuaciones Diferenciales, que aportan la parte matemática
involucrada en los enfoques del reconocimiento de patrones. Asignaturas relacionadas
con el manejo de Base de Datos para dar soporte al almacenamiento de los datos, la
asignatura de Inteligencia Artificial quien aportará las bases de los algoritmos de
búsquedas utilizados en las diversas técnicas de clasificación, y la asignatura de
Programación Móvil quien aportará las bases de la programación de dispositivos móviles
en los cuales podrá ser implementado un sistema de visión artificial.

Intención didáctica

La asignatura se encuentra organizada en cuatro temas de aprendizaje. El primer tema

aborda los conceptos básicos para el diseño de un sistema automático de visión, los dos

Página | 2
temas siguientes aportan las diferentes técnicas y enfoques necesarios y acordes a un
contexto dado para lograrlo. Y el último tema está orientado a presentar una introducción
a la visión 3D.

El primer tema: Introducción a la visión artificial, aborda la conceptualización y principios

de la visión artificial, sus aplicaciones y componentes básicos así como su arquitectura.
Dentro de este tema también se analizan las fases involucradas en un sistema de visión,
del mismo modo que las herramientas y lenguajes de programación más idóneos para su
implementación.

El segundo tema: procesamiento de imágenes, está encaminada a trabajar con todo el

proceso que está involucrado con el procesamiento de imágenes, desde su captura y/o
obtención hasta el proceso de segmentación, pasando por la fase de filtrado y suavizado.
Se analizaran y se pondrán a prueba al menos los algoritmos más representativos de
cada una de las fases involucradas en el procesamiento de la imagen. Se persigue que al
término de este tema, la imagen quede de tal forma que pueda aplicársele en el tema 3,
técnicas de clasificación y terminar su tratamiento.

En tercer tema: Técnicas de clasificación, se presentan las diferentes técnicas utilizadas

para encontrar el grupo de características que definen a la imagen en cuestión y que
deben ser localizadas en éste, indica el tipo de comportamiento o aprendizaje que pueda
tener el clasificador al momento de hacer la búsqueda de características que concuerden
con el patrón a encontrar y cómo será su entrenamiento de acuerdo al tipo de problema a
solucionar.

El cuarto tema: Introducción a la visión artificial, se abordan dos subtemas, el primero

tiene que ver en si con la visión activa o en movimiento, y el segundo con los principios
básicos de la visión 3D.

Los contenidos se abordan de manera secuencial como los marca la asignatura,

buscando la aplicación del conocimiento, para ello en cada uno de los temas se propone
identificar las diversas aplicaciones de los conceptos, técnicas y algoritmos analizados,
con actividades que promuevan en el (la) estudiante el desarrollo de sus habilidades para
trabajar en equipo, en el ámbito de la investigación y aplicar el conocimiento a la
práctica, buscando con ello que integre estos conocimientos a su formación profesional,
mediante un aprendizaje significativo.

La extensión y profundidad de los temas será suficiente para garantizar que el (la)
estudiante logre las competencias señaladas oportunamente. Por otro lado, el (la)
estudiante debe comprometerse a trabajar permanentemente en el análisis y resolución
de ejercicios y problemas, a fin de que logre dichas competencias antes de concluir la
asignatura.

El (la) docente, además de ser un motivador permanente en el proceso educativo, debe

ser promotor (a) y facilitador (a) del aprendizaje a través de la transmisión de su

Página | 3
conocimiento, así como la aplicación de sus habilidades y destrezas utilizando las
herramientas tradicionales y digitales a su alcance para cautivar a sus estudiantes e
interesarlos en el tema.

3. Participantes en el diseño y seguimiento curricular del programa

Lugar y fecha de Participantes Observaciones

elaboración o revisión

Cd. Guzmán Jalisco, Abril Instituto Tecnológico de Cd. Diseño de la especialidad

2019. Guzmán. para el plan de estudios de
la carrera de Ingeniería en
Sistemas Computacionales
ISIC-2010-224.

4. Competencia(s) a desarrollar

Competencia(s) específica(s) de la asignatura

 Conoce los conceptos y elementos básicos que definen el diseño e

implementación de un sistema de visión.
 Conoce las técnicas y algoritmos básicos para llevar a cabo el procesamiento de
imágenes, así como modelos de clasificación que permitan la toma de decisiones.
 Identifica problemas y áreas específicas donde pueda estar inmerso un sistema de
visión 2D y 3D.

5. Competencias previas

 Resuelve problemas que impliquen operaciones y propiedades de conjuntos,

utilizando leyes y diagramas.
 Comprende el uso de las relaciones en el diseño y análisis de problemas
computacionales relacionados con base de datos, estructura de datos, sistemas
operativos, redes y programación.
 Comprende y aplica modelos básicos matemáticos y los modelos de color
utilizados en objetos gráficos bidimensionales y tridimensionales, aplica técnicas y
herramientas de iluminación y sombreado.
 Aplica los conceptos básicos de grafos para resolver problemas afines al área
computacional, relacionados con el recorrido, búsqueda y ordenamiento en
grafos, árboles y redes.
 Resuelve problemas de aplicación e interpreta las soluciones utilizando matrices y

Página | 4
 sistemas de ecuaciones lineales para las diferentes áreas de la ingeniería.
Identifica las propiedades de los espacios vectoriales y las transformaciones
lineales para describirlos, resuelve problemas y los vincula con otras ramas de las
matemáticas.
 Selecciona modelos probabilísticos, aplica cálculos de inferencia estadística sobre
datos y desarrolla modelos para la toma de decisiones en sistemas con
componentes aleatorios.
 Interpreta, reconstruye y aplica modelos que representan fenómenos de la
naturaleza en los cuales interviene más de una variable continua, en diferentes
contextos de la ingeniería.
 Identifica, selecciona y aplica eficientemente tipos de datos abstractos, métodos
de ordenamiento y búsqueda para la optimización del rendimiento de soluciones
de problemas del mundo real.
 Identifica, modela y manipula sistemas dinámicos para predecir comportamientos,
tomar decisiones fundamentadas y resolver problemas.
 Desarrolla soluciones de software utilizando programación concurrente,
programación de eventos, que soporte interfaz gráfica e incluya dispositivos
móviles.
 Crea y manipula bases de datos utilizando distintos Gestores de Bases de Datos
considerando elementos de integridad y seguridad para el tratamiento de la
información en distintas plataformas.
 Identifica los tipos de modelos de acuerdo a su instante temporal, aleatoriedad y
evolución de sus variables de estado. Identifica las diferencias entre variables
aleatorias discretas y continuas.
 Conoce técnicas para el trazado, manipulación y visualización de elementos en
2D y 3D, las cuales, servirán de base para desarrollar software basado en
gráficos, como interfaz hombre-máquina y software gráfico para el diseño de
diversas aplicaciones, enfocadas al arte, diseño, capacitación y entretenimiento.
 Conoce los principios y el desarrollo de la Inteligencia Artificial, identificando sus
aplicaciones (robótica, visión computacional, lógica difusa, redes neuronales y
procesamiento de lenguaje natural) para emplearlas en el diseño e
implementación de sistemas inteligentes que faciliten las tareas del ser humano.
Define y resuelve problemas con base en técnicas de búsqueda en espacio de
estado, en satisfacción de restricciones y teoría de juegos.

6. Temario

No. Temas Subtemas

1.1 Conceptos
1.2 Reconocimiento de patrones

Página | 5
 1.3 Modelos físicos de la luz
1.4 Modelo fisiológicos
1.5 Componentes de un sistema de
visión
1.6 Arquitectura de un sistema de visión
1 Introducción a la visión artificial 1.7 Herramientas utilizadas en el diseño
y desarrollo de un sistema de visión
1.8 Fases del reconocimiento de
patrones en la visión artificial
1.9 Aplicaciones
1.10 Definición de herramientas y
lenguaje a utilizar

2.1 Proceso de la digitalización de

imágenes
2.2 Adquisición y representación de la
imagen o video
2.3 Filtrado y suavizado
2 Procesamiento de imágenes 2.4 Segmentación
2.4.1 Detección y extracción de
bordes
2.4.2 Colores y espacios de color
2.4.3 Tratamiento de texturas
2.4.4 Agrupamiento de regiones

3 Técnicas de clasificación (aprendizaje 3.1 Supervisado

automático) 3.2 No supervisado

4.1 Visión activa

4.1.1 Detección de movimiento (flujo
óptico)
4.1.2 Creación de escenas a través
de múltiples imágenes
4 Introducción a la visión 3D 4.1.3 Navegación
4.2 Visión 3D
4.2.1 Visión monocular
4.2.2 Calibración
4.2.3 Visión estereoscópicas

7. Actividades de aprendizaje de los temas

Página | 6
 Nombre de tema

Introducción a la visión artificial

Competencias Actividades de aprendizaje

Específica(s):  Dar respuestas a un cuestionario

introductorio al tema.
 Conoce los conceptos básicos que  Investigar y presentar ante el grupo
definen a un sistema visión artificial los conceptos que están
e identifica problemas y áreas involucrados en la visión artificial
donde pueda estar inmerso el uso incluyendo el reconocimiento de
de este tipo de sistemas. patrones y su importancia dentro de
 Conoce los elementos necesarios, los sistemas de visión.
la arquitectura genérica para  Investigar y analizar los modelos
implementar un sistema de visión físicos de la luz, y a través de un
artificial así como cada una de las ensayo presentar sus resultados y
fases que lo comprenden. su relación con un sistema de
Genéricas: visión.
 Investigar y definir que es un
 Conocimientos sobre el área de modelo fisiológico, tipos y su
estudio y profesión relación con la visión artificial. Dar a
 Capacidad de aplicar los conocer sus conclusiones.
conocimientos en la práctica  Investigar y describir los
 Capacidad de organizar y planificar componentes que intervienen en la
 Comunicación oral y escrita en su arquitectura tanto externa como
propia lengua interna de un sistema de visión
 Capacidad de comprensión de artificial. Presentar al grupo los
lecturas en una segunda lengua resultados obtenidos.
 Habilidades de gestión de  Identificar qué elementos, medios u
información (habilidad para buscar y objetos pueden ser expuestos a ser
analizar información proveniente de reconocidos e interpretados por un
fuentes diversas) sistema de visión.
 Capacidad para identificar, plantear  Identificar las etapas o fases que
y dar solución a problemas componen un sistema de visión,
 Toma de decisiones hacer una breve descripción de
 Capacidad creativa éstas, y presentar los resultados
 Capacidad crítica y autocritica obtenidos.
 Habilidad para trabajar de manera  Investigar las diversas áreas donde
autónoma está presente un sistema de visión y
el para qué se utiliza. Dar a conocer
los resultados.
 Analizar las diferentes herramientas

Página | 7
 que pueden ser utilizadas para el
diseño y desarrollo de un sistema
de visión. Dar a conocer los
resultados.
 Definir el lenguaje a utilizar para las
prácticas y escenarios
complementarios que faciliten el
desarrollo de un sistema de visión
ejemplo.
 En equipos de tres personas definir
el área para la cual les gustaría
desarrollar un sistema de visión y
qué ofrecería éste, el tipo de
dispositivo que se utilizaría para
implementarlo e instalarlo,
componentes (sensores y
dispositivos de captura, elementos
ópticos y hardware para el
tratamiento de imagen) así como las
herramientas y lenguaje de
programación a utilizar para su
diseño y desarrollo. Entregar esta
definición por escrito.
 Al finalizar este tema deberá
definirse el proyecto de la
asignatura, y comenzar a realizar su
fundamentación.
 El equipo dará a conocer al grupo el
proyecto a realizar.

Nombre de tema

Procesamiento de imágenes

Competencias Actividades de aprendizaje

Específica(s):  Dar respuestas a un cuestionario

introductorio al tema.
Identifica y aplica modelos matemáticos en
 A través de una lluvia de ideas, dar
las diferentes fases involucradas en el
la definición de procesamiento de
procesamiento de imágenes.
imágenes.
Genéricas:  Investigar y analizar cada una de
las etapas que están involucras en
 Conocimientos sobre el área de el procesamiento de una imagen, y

Página | 8
 estudio y profesión a través de un cuadro sinóptico dar
 Capacidad de aplicar los a conocer sus resultados.
conocimientos en la practica  Definir y obtener la imagen que se
 Capacidad de organizar y planificar tomará como caso de estudio
 Comunicación oral y escrita en su  Para cada etapa del procesamiento
propia lengua de la imagen, se implementará al
 Capacidad de comprensión de menos el algoritmo que sea más
lecturas en una segunda lengua representativo para obtener el
 Habilidades de gestión de resultado deseado de cada etapa.
información (habilidad para buscar y  A lo largo de este subtema, se
analizar información proveniente de llevarán a cabo diversas prácticas
fuentes diversas) de laboratorio que guiarán al
 Capacidad para identificar, plantear estudiante desde la captura o
y dar solución a problemas adquisición de la imagen para su
 Toma de decisiones procesamiento hasta finalizar con
 Capacidad creativa un formato de la imagen para
 Capacidad crítica y autocritica aplicarlo en el clasificador que se
 Habilidad para trabajar de manera diseñará en el subtema siguiente.
autónoma  De acuerdo al tema seleccionado, el
equipo investigará los diferentes
elementos que estarán inmersos en
el Sistema Automático de
Reconocimiento de Patrones
(SARP) a desarrollar.
 El equipo de trabajo identificará el o
los objetos o medios que serán
captados por el sistema de visión y
de acuerdo esto, analizará las
posibles opciones y medios para su
adquisición.
 Por equipo, definirán de una
manera detallada, cada una de las
fases que conforman un sistema de
visión, identificando como parte
medular de cada fase, los modelos
matemáticos que las definen, las
diversas técnicas, algoritmos o
procesos inmersos en estos. A
través del uso de herramientas de
estudio (cuadro sinóptico, informe
técnico, diagramas, mapas
conceptuales entre otras) darán a
conocer estos resultados.

Página | 9
  Al finalizar este tema se deberá
tener terminada la fundamentación
del proyecto a realizar y la
planeación del mismo. Se deberá
emitir un reporte donde se den a
conocer los avances que se tienen.

Nombre de tema

Técnicas de clasificación (aprendizaje automático)

Competencias Actividades de aprendizaje

Específica(s):  Dar respuestas a un cuestionario

introductorio al tema.
Conoce diferentes algoritmos de
 El (la) estudiante investigará el
clasificación, y determina como
concepto de aprendizaje automático
implementarlo en un sistema de visión.
y sus características y tipos que
Genéricas: existen. A través de un informe dará
a conocer los resultados de su
 Conocimientos sobre el área de búsqueda, en el cual a través de
estudio y profesión una tabla indicará el tipo de
 Capacidad de aplicar los aprendizaje, una descripción de
conocimientos en la practica éste y hacia qué tipos de aplicación
 Capacidad de organizar y planificar se orienta.
 Comunicación oral y escrita en su  En equipos de máximo tres
propia lengua personas analizarán cada una de
 Capacidad de comprensión de las técnicas indicadas en este tema,
lecturas en una segunda lengua y ubicarán las características que
 Habilidades de gestión de las definen, los algoritmos
información (habilidad para buscar y involucrados en éstas, los tipos de
analizar información proveniente de clasificación inmersas en estas
fuentes diversas) técnicas y hacia qué tipo de
 Capacidad para identificar, plantear representación se orientan.
y dar solución a problemas  Diseñar e implementar el sistema
 Toma de decisiones de clasificación para el sistema de
 Capacidad creativa visión que se está siguiendo como
 Capacidad crítica y autocritica caso de estudio en la asignatura.
 Habilidad para trabajar de manera  De acuerdo al tema seleccionado a
autónoma desarrollar, investigará el equipo de
trabajo, el modelo de
representación de datos, la forma
de cómo se hará la extracción de
características, la determinación o

Página | 10
 selección de variables a ser
analizadas, definir las clases a
detectar, y las características que
deberá tener el clasificador.
 Definir el o los modelos
matemáticos que identifiquen el tipo
de clasificador seleccionado.
 De acuerdo al conjunto de
características o clases definidas en
el tema anterior, el equipo de
trabajo seleccionará e implementará
el tipo de técnica de clasificación a
utilizar (modelo de aprendizaje).
 En el transcurso de este tema y el
siguiente se deberá trabajar en las
etapas de ejecución y de
evaluación.
 Al finalizar el tema deberá emitir un
reporte de avances del proyecto.

Nombre de tema

Introducción a la visión 3D

Competencias Actividades de aprendizaje

Específica(s):  Dar respuestas a un cuestionario

introductorio al tema.
Conoce los principios básicos de la visión
 Investigar y analizar el concepto de
activa y 3D que puede ser aplicada a
visión activa y donde se aplica.
sistemas de navegación.
 Investigar, analizar y plasmar
Genéricas: resultados sobre cómo se lleva a
cabo la detección de movimiento de
 Conocimientos sobre el área de una escena dentro de un sistema
estudio y profesión de visión.
 Capacidad de aplicar los  Investigar, analizar y plasmar
conocimientos en la practica resultados sobre cómo se lleva a
 Capacidad de organizar y planificar cabo la creación de escenas a
 Comunicación oral y escrita en su través de múltiples imágenes dentro
propia lengua de un sistema de visión.
 Capacidad de comprensión de  Desarrollar una práctica que
lecturas en una segunda lengua permita la generación de una
 Habilidades de gestión de escena a través de varias
imágenes.

Página | 11
 información (habilidad para buscar y  Investigar, analizar y plasmar
analizar información proveniente de resultados sobre cómo se lleva a
fuentes diversas) cabo la creación de escenas en un
 Capacidad para identificar, plantear sistema de navegación.
y dar solución a problemas  Investigar y analizar el concepto de
 Toma de decisiones visión 3D y donde se aplica.
 Capacidad creativa  Definir que es la visión monocular.
 Capacidad crítica y autocritica  Investigar, analizar y plasmar los
 Habilidad para trabajar de manera resultados de cómo se lleva a cabo
autónoma la calibración y los componentes
inmersos dentro de un modelo de
visión 3D.
 Investigar, analizar y plasmar los
resultados de cómo se lleva a cabo
la visión estereoscópica dentro de
un modelo de visión 3D.
 Al término de este tema, se deberá
tener concluido el proyecto de la
asignatura el cual deberá ser
expuesto ante el grupo, y si hay
exposición global de proyectos de la
carrera, también tendrá que ser
presentado en este marco.
 Como resultado final del proyecto,
deberán dar escritura bien sea a
ensayo o artículo, dependerá del
tiempo, donde den a conocer sus
resultados.

8. Práctica(s)

 Definir un Sistema de Visión y que ofrecería éste.

 Definir el tipo de dispositivo donde se alojara dicho sistema y la manera en la que
se hará la adquisición de las imágenes.
 Llevar a cabo el procesamiento de digitalización de las imágenes capturadas.
 Reducir el ruido.
 Detección de bordes.
 Segmentado y etiquetado de objetos
 Manejo de formato de color
 Binarización de la imagen
 Suavizado y filtrado

Página | 12
  Transformaciones morfológicas
 Tratamiento de textura
 Contornos
 Agrupamiento de regiones
 Diseñar el clasificador.
 Implementar el clasificador.
 Probar y validar el clasificador.
 Aplicar el modelo.
 Interpretar los resultados.
 Mezcla de imágenes
o Cabe mencionar, que el desarrollo de estas prácticas estarán relacionadas
con el proyecto de la asignatura, el cual deberá estar orientado a diseñar e
implementar un sistema de visión capaz de resolver un problema real.

9. Proyecto de asignatura

El objetivo del proyecto que plantee el docente que imparta esta asignatura, es demostrar
el desarrollo y alcance de la(s) competencia(s) de la asignatura, considerando las
siguientes fases:

 Fundamentación: marco referencial (teórico, conceptual, contextual, legal) en el

cual se fundamenta el proyecto de acuerdo con un diagnóstico realizado, mismo
que permite a los estudiantes lograr la comprensión de la realidad o situación
objeto de estudio para definir un proceso de intervención o hacer el diseño de un
modelo.
 Planeación: con base en el diagnóstico en esta fase se realiza el diseño del
proyecto por parte de los estudiantes con asesoría del docente; implica planificar
un proceso: de intervención empresarial, social o comunitario, el diseño de un
modelo, entre otros, según el tipo de proyecto, las actividades a realizar los
recursos requeridos y el cronograma de trabajo.
 Ejecución: consiste en el desarrollo de la planeación del proyecto realizada por
parte de los estudiantes con asesoría del docente, es decir en la intervención
(social, empresarial), o construcción del modelo propuesto según el tipo de
proyecto, es la fase de mayor duración que implica el desempeño de las
competencias genéricas y especificas a desarrollar.
 Evaluación: es la fase final que aplica un juicio de valor en el contexto laboral-
profesión, social e investigativo, ésta se debe realizar a través del reconocimiento
de logros y aspectos a mejorar, se estará promoviendo el concepto de
“evaluación para la mejora continua”, la metacognición, el desarrollo del
pensamiento crítico y reflexivo en los estudiantes.

Página | 13
10. Evaluación por competencias

El (la) docente debe:

 Ser conocedor de la disciplina que está bajo su responsabilidad, conocer su

origen y desarrollo histórico para considerar este conocimiento al abordar los
temas. Desarrollar la capacidad para coordinar y trabajar en equipo; orientar el
trabajo del estudiante y potenciar en él la autonomía, el trabajo cooperativo y la
toma de decisiones. Mostrar flexibilidad en el seguimiento del proceso formativo y
propiciar la interacción entre los y las estudiantes. Tomar en cuenta el
conocimiento de los y de las estudiantes como punto de partida y como obstáculo
para la construcción de nuevos conocimientos.
 Propiciar actividades de metacognición. Ante la ejecución de una actividad,
señalar o identificar el tipo de proceso intelectual que se realiza: una identificación
de patrones, un análisis, una síntesis, la creación de un heurístico, entre otros. Al
principio lo hará el (la) docente, luego será el (la) estudiante quien lo identifique.
Ejemplos: identificación de los diferentes tipos de variables a identificar dentro de
un contexto y de ahí realizar la discriminación necesaria, o tipos de datos que
pueden existir de acuerdo al tipo de señal captada, propiciar procesos
sistematizados para las diferentes técnicas de clasificación utilizadas en el
reconocimiento de algún patrón en cuestión, elaboración de un plan de acciones a
partir del patrón obtenido a partir de una serie de observaciones producto de un
experimento: síntesis.
 Propiciar actividades de búsqueda, selección y análisis de información en
distintas fuentes. Ejemplo: buscar y contrastar definiciones de las diferentes
técnicas de clasificación, identificando puntos de coincidencia entre unas y otras
técnicas e identificar las propiedades y usos para una situación concreta.
 Fomentar actividades grupales que propicien la comunicación, el intercambio
argumentado de ideas, la reflexión, la integración y la colaboración de y entre los
y las estudiantes. Ejemplo: al socializar los resultados de las investigaciones y las
experiencias prácticas solicitadas como trabajo extra clase.
 Relacionar los contenidos de esta asignatura tanto con las del plan de estudios
como con las del módulo de la especialidad a la que ésta da soporte, para
desarrollar una visión interdisciplinaria en el (la) estudiante. Ejemplos: La redes
neuronales dan soporte a los enfoques de clasificación del reconocimiento de
patrones, esta asignatura también se relaciona con la de Tecnologías NG en
cuestión del diseño de la interfaz natural de interacción con el usuario, o para
encontrar patrones en la información obtenida de las imágenes y facilite la toma
de decisiones o en su caso adecue la aplicación a las preferencias del usuario.
 Propiciar el desarrollo de capacidades intelectuales relacionadas con la lectura, la
escritura y la expresión oral. Ejemplos: trabajar las actividades prácticas a través
de guías escritas, redactar reportes e informes de las actividades de
experimentación, exponer al grupo las conclusiones obtenidas durante las

Página | 14
 observaciones.
 Facilitar la utilización de diferentes herramientas computacionales para llevar al
cabo actividades prácticas, que contribuyan a la formación de las competencias
para el trabajo experimental como: identificación, manejo y control de variables y
datos relevantes, planteamiento de hipótesis, trabajo en equipo.
 Propiciar el desarrollo de actividades intelectuales de inducción-deducción y
análisis- síntesis, que encaminen a él (la) estudiante hacia la investigación.
 Desarrollar actividades de aprendizaje que propicien la aplicación de los
conceptos, modelos y metodologías que se van aprendiendo en el desarrollo de la
asignatura.
 Proponer problemas que permitan al estudiante la integración de contenidos de la
asignatura y entre distintas asignaturas, para su análisis y solución.
 Relacionar los contenidos de la asignatura con el cuidado del medio ambiente; así
como con las prácticas de una ingeniería con enfoque sustentable.
 Cuando los temas lo requieran, utilizar medios audiovisuales para una mejor
comprensión del (la) estudiante.
 Propiciar el uso de las nuevas tecnologías en el desarrollo de la asignatura
(procesador de texto, hoja electrónica de cálculo, base de datos, software
especializado de diseño de aplicaciones gráficas, IDE’s, simuladores, Internet,
entre otros).
 Promover actividades de educación holista. Por ejemplo además de fomentar el
conocimiento y su aplicación, promover valores personales y sociales a través de
actividades de crecimiento personal, asistencia social y el cuidado del medio
ambiente.

La evaluación debe ser continua y formativa por lo que se debe considerar el desempeño
en cada una de las actividades de aprendizaje, haciendo especial énfasis en:

 Al inicio de cada unidad deberá llevarse al cabo un examen de diagnóstico que

permita al (la) docente evaluar los conocimientos previos sobre el tema a tratar
por parte del estudiante, y de ahí plantear de una manera más efectivas los
alcances de las actividades a tratar en el tema.
 Considerar que en la evaluación se integren los tres tipos de contenidos
(conceptuales, procedimentales y actitudinales), así como la coevaluación y la
evaluación grupal.
 Reportes de las observaciones hechas durante las actividades realizadas en cada
unidad académica, así como de las conclusiones obtenidas de dichas
observaciones.
 El contenido de la información obtenida durante las investigaciones solicitadas
deberá ser plasmada en los reportes de investigación.
 Descripción de otras experiencias concretas que se obtienen al participar en
discusiones, exposiciones o cualquier otro medio didáctico-profesional que trate
sobre la asignatura y que debe realizarse durante el curso académico.

Página | 15
  Exámenes teórico-prácticos para comprobar la efectividad del estudiante en la
comprensión de aspectos teóricos y su aplicación a la solución de casos
prácticos.
 Presentación de los resultados obtenidos en las actividades de aprendizaje que
así lo requieran. Algunas se evaluarán por equipo.
 Que la evaluación contemple la recopilación de evidencias de aprendizaje
suficientes para que el estudiante tenga la certeza de que ha adquirido o
desarrollado sus competencias.
 Se recomiendan los siguientes instrumentos de evaluación (dichos instrumentos
comprenderán el portafolio del (de la) estudiante: resúmenes, síntesis, glosarios,
cuestionarios, reportes, informes, crucigramas, trípticos, collages, ensayos,
presentaciones electrónicas, organizadores gráficos (mapas conceptuales, mapas
mentales, cuadros sinópticos, diagramas, tablas, cuadros comparativos), entregar
trabajos bajo los lineamientos y parámetros que se establezcan en cada caso.
 Considerar además la participación en clase, exposición de trabajos, realización
de ejercicios prácticos, lectura y análisis de textos, redacción de textos,
participación en debates, foros, diálogos e informe de una investigación
documental.
 Descripción de otras experiencias concretas que se obtendrán al participar en
eventos, conferencias, paneles de discusión o cualquier otro medio didáctico-
profesional que trate sobre la materia y que deban realizarse durante el curso
académico.

11. Fuentes de información

 Dougherty, G. (2013). Pattern Recognition and Classificador, An Introduction. USA:

Editorial Springer
 Kuncheva, L. (2014). Second edition. Combining Pattern Classifiers, Methods and
Algorithms. New Jersey: Editorial John Wiley & Sons.
 Marques, J.P. (2001). Pattern Recognition: Concepts, Methods, and Applications.
Germany: Editorial Springer
 Maravall, D. (1994). Reconocimiento de formas y Visión Artificial. USA: Editorial
Addison-Wesley Ra-MA.
 Marques, J.P. (2001). Pattern Recognition: Concepts, Methods, and Applications.
Germany: Editorial Springer
 Pajares, G., de la Cruz, J.M., (2002). Visión por Computador. Imágenes Digitales y
Aplicaciones. México: Editorial Alfaomega-RA-Ma.
 Pajares, G., de la Cruz, J.M., (2008). Ejercicios resueltos de visión por
Computador. México: Editorial Alfaomega-RA-Ma.
 Pajares, G., de la Cruz, J.M., (2004). Imágenes Digitales, procesamiento práctico
con Java. México: Editorial Alfaomega-RA-Ma.
 Rodríguez M,R., Sossa A.,J.H. (2012). Procesamiento y análisis digital de
imágenes. México. Alfaomega-Ra-Ma.

Página | 16
  Webb, A., Kopsey, K. (2011). 3rd edition. Statistical pattern recognition. United
Kingdom: Editorial John Wiley & Sons.

Referencias complementarias

 Alegre, E., Pajares G., de la Escalera, A. (2016). Conceptos y métodos en visión

por computadora. España Comité Español de Automatización (CEA),
[Link]
[Link]. Fecha de consulta: 9 abril del 2019.
 Crespo, R. (2019). Curso de procesamiento de imágenes y visión artificial – opencv &
Python. [Link]
Unipython. Fecha consultada: 9 abril del 2019.
 Crespo, R. (2019). Curso de introducción a OpenCV y Python.
[Link]
[Link]. Unipython. Fecha consultada 9 abril 2019
 Joyanes A.,L. (2018). Industria 4.0, la cuarta revolución industrial. México. Editorial
Alfaomega
 Tomás, J., Albiol, A. (2018). Android things y Visión artificial. España. Editorial
Marcombo
 Tomás, J., Carbonell, V. (2018). Visión artificial, Google play games, Android wear,
TV y Auto. España. Editorial Marcombo.
 Sucar, L. E., Gómez, G., (). Visión computacional.
[Link] Fecha de consulta: 9
abril del 2019.

Página | 17