raspberry pi: aplicaciones

python, procesamiento
digital de señales, imágenes e ia
45 horas

DESCRIPCIÓN
El curso esta dirigido a estudiantes o profesionales que desean realizar
aplicaciones en Procesamiento Digital de Señales e Imágenes empleando la
Raspberry Pi, para ofrecer un mayor valor agregado a distintas soluciones
tecnológicas que se requieran.

objetivos del curso

El objetivo del curso es que el estudiante pueda introducirse en el desarro-
llo de aplicaciones en Procesamiento Digital de Señales e Imágenes
empleando la Raspberry Pi. Al final el estudiante tendrá conocimientos soli-
dos sobre la configuración de los GPIO, periféricos de comunicación de la
Raspberry Pi empleando Python con aplicaciones en el Procesamiento Digi-
tal de Bioseñales (ECG y EOG) e Imágenes junto con las herramientas de
Scipy, Numpy, OpenCV y TensorFlow.

requisitos
Este curso requiere tener conocimientos en algún lenguaje de programa-
cion.

materiales certificado
Acceso al aula virtual Umaker, donde Culminando el curso recibirás un certi-
encontrarás todas las grabaciones ficado, a nombre de la empresa
de las clases. UMAKER, validando los conocimientos
adquiridos en el curso Raspberry Pi:
Manual del curso . Aplicaciones Python, Procesamiento
Digital de Señales, Imágenes e IA.
 raspberry pi: aplicaciones
python, procesamiento
digital de señales, imágenes e ia

Bloque 1: Aplicaciones Python y GPIO

Clase 1:
Python
• Entradas y salidas.
• If, else , While , For.
• Funciones.
• Modulos.

GPIO I:
• Descripción de los GPIO de Raspberry.
• El modulo GPIO y sus metodos I.
• Configuración de canales: Setwarnings, setmode, setup.
• Salidas: output.
• Entradas : input, declaración de resistencias pull up / pull down por software.

Clase 2:
• Laboratorio I:
• Parpadeo de un led.
• Manejo de pulsadores.
• Introducción a la programación orientada a objetos .
• Objetos, clases, metodos, atributos.
• PWM.
• Descripcion del PWM.
• El servomotor SG90.
• Laboratorio II:
• Control de servomotores.
• GPIO II
• El modulo GPIO y sus metodos II.
• La clase PWM y sus metodos: start, ChangedFrecuency, ChangeDutyCycle, stop.

@umaker.pe +51 923 308 048 www.umakerperu.com

umakerperu@gmail.com Av. Alberto Alexander 2244

/umakerperu Lince, Lima, Perú
 raspberry pi: aplicaciones
python, procesamiento
digital de señales, imágenes e ia

Clase 3:
Comunicación Serial
• SPI.
• Spidev y sus metodos: open , readbytes , writesbytes, xfer.
• El conversor analogico digital MCP3204.
• Comunicacion SPI para el ADC externo.
• Bus de comunicación I2C.
• Sensor inercial MPU6050.

Monitoreo de la desviación angular en la Raspberry Pi

• Laboratorio: Control de dirección de un motor DC mediante MPU6050.

Clase 4: Comunicacion Serial II

• Introducción a los sistemas embebidos.
• Microcontroladores ARM de Texas Instruments.
• TIVA C BOARD.
• Comunicación Serial entre el microcontrolador y la Raspberry.

@umaker.pe +51 923 308 048 www.umakerperu.com

umakerperu@gmail.com Av. Alberto Alexander 2244

/umakerperu Lince, Lima, Perú
 raspberry pi: aplicaciones
python, procesamiento
digital de señales, imágenes e ia

Bloque 2 : Procesamiento digital de señales

Clase 5:
Introduccion al Procesamiento Digital de Señales
• El modulo Scipy y Numpy de Python para PDS.
• Modelamiento de sistemas continuos LTI.
• Transformada de Laplace.
• Series y transformada de fourier.
• El conversor A/D , Teorema de muestreo.
• Análisis del efecto del proceso muestreo sobre aliasing espectral.
• Laboratorio: Análisis espectral de una señal de voz mediante un microfono
con Raspberry y Python.

Clase 6:
• Transformada Z y sus propiedades aplicado a señales y sistemas discretos.
• Sistemas discretos y ecuación en diferencia.
• Introducción a los filtros analógicos.
• Diseño de filtro IIR Butterworth analógico.
• Diseño de filtro IIR Butterworth digital mediante transformación bilineal.
• Laboratorio: Diseño e implementación de Filtros IIR butterworth para filtrado
de señal de voz.

Clase 7: Filtros FIR

• Análisis en el dominio de la frecuencia de filtros FIR.
• Diseño de filtros pasa bajo, alta y pasa banda mediante el método de la ventana
de hamming, hann y barlett.
• El módulo AD8232 para monitoreo de la actividad cardiaca.
• Laboratorio: Estimación de la frecuencia cardiaca por medio de filtros digitales y
DFT implementado en la Raspberry PI.

@umaker.pe +51 923 308 048 www.umakerperu.com

umakerperu@gmail.com Av. Alberto Alexander 2244

/umakerperu Lince, Lima, Perú
 raspberry pi: aplicaciones
python, procesamiento
digital de señales, imágenes e ia

Clase 8: Señal EOG

• Amplificador de instrumentación INA114.
• Diseño e implementación de filtro Notch.
• Acondicionamiento de la señal EOG por medio de amplificadores operacionales.
• Laboratorio: Detección de movimiento del ojo mediante señal EOG implementado
en la Raspberry Pi.

Clase 9:
• Manejo del puntero del mouse en la Raspberry.
• Diseño de filtro Notch digital.
• Laboratorio 1: Control de giro de servomotor por medio de señal EOG.
• Laboratorio 2: Control del puntero del mouse mediante señal EOG.

Clase 10:
• Introducción a la visión artificial.
• Espacio de color de imágenes digitales.
• Manipulación de la raspi-camera.
• Filtros de suavizado.
• Segmentación de imágenes digitales.
• Laboratorio: Sistema de detección de objetos basados en espacio de color HSV.

Clase 11:
• Introducción a las transformaciones geométricas.
• Transformaciones AFIN.
• Introducción a los filtros morfológicos.
• Operación de dilatación.
• Operación de erosión.
• Características de objetos binarios.
• Laboratorio: Reducción del ruido de imágenes segmentadas mediante
elementos estructurales.

@umaker.pe +51 923 308 048 www.umakerperu.com

umakerperu@gmail.com Av. Alberto Alexander 2244

/umakerperu Lince, Lima, Perú
 raspberry pi: aplicaciones
python, procesamiento
digital de señales, imágenes e ia

Clase 12:

• Cuadro delimitador y polígonos convexos.

• Determinación de parámetros geométricos de imágenes binarias.
• Introducción al etiquetado de objetos .
• Estimación de parámetros geométricos mediante scipy y Numpy.
• Laboratorio: sistema de conteo de objetos por medio del criterio de vecindad
4 y vecindad 8.

Clase 13:
• Introducción a la extracción de características.
• Detección de bordes y esquinas.
• Técnica de extracción eigenfaces y fisherfaces.
• Haarcascade para detección de rostros.
• Laboratorio: Sistema de reconocimiento de rostros basado en características
eigenfaces para el accionamiento de servomotor.

Clase 14:
• Introducción a las redes neuronales en TensorFlow y Keras.
• Red neuronal perceptron.
• Red neuronal multicapa perceptron.
• Red neuronal multicapa en TensorFlow.
• Red neuronal multicapa en Keras.
• Laboratorio: Clasificación de señales ECG empleando red neuronal multicapa en
la Raspberry Pi.

Clase 15:
• Introducción a las redes neuronales convolucionales.
• Sistema de clasificación de imágenes basados en CNN.
• Detección vs. Clasificación.
• Detector de objetos basados en Yolo V3.
• Laboratorio: Robot móvil para la detección y conteo de vehículos basados
en Raspberry Pi.

Tecnología, hardware Modalidad Ahorro de Grupos

y software Online Tiempo reducidos