Siemens Healthcare para su departamento de I+D busca estudiantes en ingería informática que quieran realizar sus prácticaso TFM en el área de desarrollo de software para sistemas de imagen para arcos quirúrgicos.
Perfil:
Ingeniero informático en su último año de estudios o a falta del proyecto final de grado.
Amplios conocimientos en procesamiento de imagen (CUDA/OpenCL).
Nivel inglés B2 o superior.
Gran interés por los proyectos de desarrollo de software en el área de medicina.
Contacto: Dr. Santiago García: santiago.garcia_sanchez@siemens-healthineers.com
El profesor Raúl Cabido ofrece la posibilidad de hacer un TFM remunerado en conducción autónoma utilizando sólo 1 cámara como sensor y aplicando modelos multimodales. Más información en este enlace.
Sistema satelital inteligente. Telemetría y Visión por computador. Procesamiento de imágenes e información satelital.
Participación en un proyecto de análisis de imágenes satelitales de la ESA (European Space Agency) de las misiones SENTINEL, en el cual se deberá trabajar en el diseño de múltiples algoritmos e implementación de inteligencia artificial para la captación, tratamiento y entrega de imágenes y datos satelitales con el objetivo de analizar la calidad del agua en distintas áreas geográficas bajo distintas situaciones de contaminación.
Servicio Deep Learning de tratamiento de imágenes. IA y Visión por computador. Procesamiento de imágenes de agua a 5m de distancia.
Participación en un proyecto para la obtención de características del agua mediante el uso de técnicas de procesado de imágenes. Utilización de diferentes técnicas de procesamiento de imágenes para la extracción de características relevantes de forma que permitan distinguir diferentes niveles de contaminación de la misma. Utilización de técnicas de filtrado, reducción de ruido, selección de agua de interés, extracción de características, entre otras. División automática de imágenes. El trabajo se dividiría en dos etapas: una primera de búsqueda de características representativas de las imágenes y una segunda de generar una división de las imágenes atendiendo a las características. La primera parte se planteará una solución no supervisada que obtenga las características representativas, para la segunda se probarán diversas técnicas de clusterización.
Oferta de TFM Becado (SEDDI): Reconstrucción y edición de materiales con smartphones
Resumen: La industria textil está muy poco digitalizada. Entre los retos a los que se enfrenta está la creación de copias virtuales de materiales textiles. Estos elementos son muy difíciles de digitalizar ya que hay que replicar tanto la apariencia óptica como la física. En este proyecto se trabajará en el problema de digitalizar tejidos usando dispositivos de bajo coste como un móvil.
Oferta de TFM Becado (ARQUIMEA R&D): Reconstrucción y edición de escenas 3D usando redes neuronales para VFX.
Resumen: La generación de escenas 3D fotorealistas usando redes neuronales (NeRFs) ha revolucionado la industria de VFX por la gran calidad que se obtiene en las reconstrucciones. Sin embargo, tienen una gran limitación para su uso en la industria del cine dada la imposibilidad de editar o reiluminar dichas escenas. En este proyecto se desarrollarán técnicas para reconstruir y editar escenas 3D modeladas con redes neuronales.
Tutores: Juan José Pantrigo y César Beltrán RESUMEN: En el contexto de la Inteligencia Artificial basada en Deep Learning, se estudiarán algunos de los aspectos matemáticos de las redes neuronales (estructura y entrenamiento). Aplicaciones en Visión Artificial. REQUISITOS: Python, Inglés y Matemáticas (Algebra lineal y Cálculo). Para más información puedes escribir a cesar.beltran@urjc.es
Importante: Para realizar este TFM con la empresa Hexcel es necesario un profesor URJC como co-director.
En nuestra empresa nos dedicamos a la fabricación de materiales compuestos. En nuestras líneas de producción contamos con sistemas de visión para inspección de calidad del producto durante su fabricación, con el objetivo de detectar e identificar anomalías. Nos gustaría sustituir el actual método de clasificación por algún sistema basando en Deep Learning.
El objetivo del proyecto sería validar e implementar un clasificador basado en Deep Learning, utilizando la librería comercial Halcon, y mejorando la precisión del sistema de clasificación en marcha.
Halcon es un software comercial muy empleado en aplicaciones de visión para la industria por su facilidad tanto de integración con sistemas industriales como de prototipado y desarrollo.
En concreto, el clasificador implementado se aplicaría sobre imágenes del material, que captura el actual sistema de visión. El tipo de anomalías que podrían aparecer y con los con los que se trabajarían son de diferente naturaleza como acumulación de fibra o matriz, objetos ajenos al material, entre otros.
El proceso de producción es equivalente a este,
, donde hay que identificar anomalías para evitar que interfieran en el proceso de nuestros clientes, como por ejemplo, al crear el ala de un avión
