Konenäkömenetelmät ja -sovellukset (4op)

Arviointiasteikko

1-5

Tavoitteet

Kurssin suoritettuaan opiskelija tuntee keskeiset konenäkömenetelmät sekä ymmärtää, mihin niitä voidaan soveltaa. Sovellusesimerkkejä käydään läpi tekniikan lisäksi myös biologiasta ja lääketieteestä. Opiskelija osaa toteuttaa kuvankäsittely- ja konenäkösovelluksia OpenCV-kirjastoa ja Python-ohjelmointikieltä käyttäen.

Sisältö

- Kuvanmuodostus ja digitaalisen kuvan rakenne
- Esikäsittelymenetelmät
- Segmentointimenetelmät
- Morfologiamenetelmät
- Muotojen ja piirteiden haku ja tunnistus
- Kuvamuunnokset

Aika ja paikka

Aikataulut löytyvät lukujärjestyksestä osoitteesta https://lukkarikone.seamk.fi/. Lukujärjestyksiä on julkaistuna kuusi seuraavaa viikkoa. Syksyn 6 ensimmäistä viikkoa julkaistaan juhannukseen mennessä ja kevään 6 ensimmäistä viikkoa jouluun mennessä. Lukujärjestyksiin voi tulla muutoksia.

Oppimateriaalit

Jaetaan kurssin aikana.

Opetusmenetelmät

Opinto toteutetaan lähiopetuksena ja se edellyttää opetukseen osallistumista SEAMKin kampuksella. Osin hybridiopiskelu on myös mahdollista.

Opinnoissa hyödynnetään Moodle-oppimisympäristöä. Opinto edellyttää itsenäistä työskentelyä ja aikataulun suunnittelua.

- Opinto sisältää laboraatioita SEAMKin kampuksella.
- Opetuskertojen tallenteet ovat katsottavissa jälkikäteen Moodlessa.
- Opinto sisältää myös itsenäistä työskentelyä verkossa.

Toteutuksen valinnaiset suoritustavat

Tämän toteutuksen voi suorittaa seuraavilla vaihtoehtoisilla tavoilla. Suoritustavat kuvataan tarkemmin Moodle-oppimisympäristössä. 

- Näyttö

Opiskelijan ajankäyttö ja kuormitus

Opinnon työmäärä on mitoitettu siten, että opinnon tavoitteena olevan osaamisen hankkimiseksi yksi opintopiste vastaa keskimäärin 27 tuntia opiskelijan tekemää työtä. Todellinen ajan tarve vaihtelee yksilöittäin mm. aiemman osaamisen takia.

Karkeasti arvioitu ajankäyttö:

Lähitunnit: 35 t
Laboratoriotyöt: 30 t
Itsenäinen opiskelu: 43 t

Arviointikriteerit, hyväksytty/hylätty

- Vähintään 30 % viikkoharjoituksista tehtynä
- Hyväksytysti suoritetut laboratoriotyöt
- Hyväksytysti suoritettu tentti

Viikkoharjoituksista saa lisäpisteitä hyväksytysti suoritettuun tenttiin.

Arviointikriteerit, tyydyttävä (1)

Opiskelija osaa lukea ohjelmallisesti digitaalisen kuvan ja tehdä sille yksinkertaisia esikäsittely- ja jälkikäsittelyoperaatioita sekä suorittaa yksinkertaisen segmentaation. Opiskelija tuntee perusteet digitaalisen kuvan rakenteesta.

Arviointikriteerit, hyvä (3)

Opiskelija osaa lisäksi analysoida segmentoitua kuvaa erilaisin menetelmin ja suorittaa siitä mittauksia. Opiskelija tuntee useita erilaisia esikäsittely-, jälkikäsittely- sekä analyysimenetelmiä ja osaa soveltaa niitä. Opiskelija tuntee laajasti konenäön sovelluksia ja osaa kuvailla niitä. Opiskelijan ohjelmointityyli on selkää.

Arviointikriteerit, kiitettävä (5)

Opiskelija hallitsee kurssilla opiskellut menetelmät vahvasti ja osaa soveltaa niitä laajasti omiin käyttötarkoituksiinsa ja kurssilla opetettujen sovellusten ulkopuolelle. Opiskelija lisäksi toteuttaa menetelmänsä erittäin selkeästi hyvää ohjelmointityyliä noudattaen.

Esitietovaatimukset

Ohjelmoinnin perusteet 1