Segmentazione e analisi di forme. per il controllo qualita di prodotti. agricoli. Gian Marco Calvini. LIRA-Lab - DIST University of Genova
|
|
- Giordano Caruso
- 3 anni fa
- Visualizzazioni
Transcript
1 Segmentazione e analisi di forme per il controllo qualita di prodotti agricoli Gian Marco Calvini LIRA-Lab - DIST University of Genova Via Opera Pia Genova, Italy Technical Report TR 9/94 December 1994 Abstract Questo documento descrive brevemente una tesi di laurea [Calvini, 1994], interamente sviluppata nel Laboratorio Integrato di Robotica Avanzata (L.I.R.A.) del Dipartimento di Informatica Sistemistica e Telematica della Universita di Genova. Tale ricerca, terminata nel mese di luglio 1994, consisteva nella realizzazione di un setup, che con l' uso della sola visione, fosse in grado di individuare ed esaminare prodotti ortofrutticoli, distinguibili per il loro aspetto particolarmente buono. A tal ne abbiamo usato la workstation V.D.S Eidobrain, dotata di una sceda graca particolarmente adatta allo scopo e descritta al paragrafo 2, assieme al rimanente hardware necessario. Per l' analisi delle immagini acquisite, abbiamo invece messo a punto un software che implementasse gli algoritmi di visione articiale appositamente sviluppati e riassunti al paragrafo 3. Essenzialmente questi algoritmi si basano sulla estrazione di silhouettes in base al loro colore e da un successivo esame di queste porzioni di immagine selezionate. Sfruttando poi la conoscenza di alcune caratteristiche geometriche peculiari, diventera possibile confermare o annullare il precedente riconoscimento, avvenuto mediante l' analisi del colore. Provato con diversi tipi di ortaggio (pomodori, peperoni, carote, cavolini di Bruxelles e nocchi), il sistema messo a punto ha dato in tutti i casi risultati molto soddisfacenti. The University of Genova - DIST supported this work.
2 Contents 1 Alcuni concetti generali 2 2 l' hardware impiegato 2 3 Il software sviluppato 4 Le strutture dati scelte : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 4 L' algoritmo di Controllo Qualita : : : : : : : : : : : : : : : : : : : : : : : : 6 Riepilogo : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 7 4 Risultati sperimentali 7 1
3 1 Alcuni concetti generali Il software e stato scritto in linguaggio "C", integrato da alcune speciali funzioni di libreria deputate alla gestione della scheda di acquisizione. Il riconoscimento e la valutazione della qualita delle verdure si basa sul confronto tra una descrizione di massima, scelta dall' operatore umano, e le caratteristiche estratte dai vegetali inquadrati. Per far cio si e ricorso alla estrazione di pattern mediante segmentazione sul piano della tinta e della saturazione (Hue e Saturation), ad una loro successiva analisi mediante tecniche basate su algoritmi di logica fuzzy, ed inne tenendo conto della presenza o meno di particolari desiderabili, come per esempio i piccioli, ed indesiderabilicome le ammaccature, la presenza di agenti patogeni ed altro. Compito dell' utente nale e la denizione, a seconda delle sue esigenze personali, delle caratteristiche ideali per la varieta di verdura che intende esaminare. Ovviamente tutte le descrizioni si possono salvare su le, leggere e modicare per adattarle alle varieta simili. E interessante sottolineare come l' operatore umano non debba necessariamente essere un esperto di programmazione: il suo compito infatti si risolve semplicemente fornendo indicazioni sulle caratteristiche delle verdure, senza preoccuparsi di come vengano poi usati questi dati. Acquisita una immagine di un vegetale della stessa varieta (questa volta reale), il software sviluppato lo confronta con le caratteristiche ideali trovate nella descrizione dell' operatore umano. Se il caso, riconosce la presenza di uno o piu fra i pregi o i difetti previsti ed inne genera una valutazione nale sulla qualita del prodotto. Per produrre questo resoconto nale, il programma estrae dalla immagine le forme dei vegetali e di tutti i possibili pregi e difetti. Inizialmente esamina tutte le regioni di colore uguale alla verdura in esame, poi, una volta isolate queste regioni (pattern), verica la loro rispondenza alle caratteristiche ideali. In seguito si analizzano anche i pattern di colore diverso, che possono essese valutati come pregi o difetti. Tutti i pattern cos ricavati vengono analizzati utilizzando algoritmi basati sulla logica fuzzy [Zadeh, 1965] [Dubois and Prade, 1980] [Bezdek, 1993] [T. Terano, 1992], applicandoli ad alcuni parametri geometrici caratteristici della forma. Questi parametri sono il rapporto tra la area ed il perimetro, il rapporto tra gli assi di inerzia ed una misura basata sulla simmetria. 2 l' hardware impiegato Brevemente descriviamo la congurazione hardware del nostro setup, il cui schema di massima si trova nella gura 1. Esaminando uno alla volta ogni singolo componente del setup minimo, troviamo La workstation Come gia accennato, si tratta di un Eidobrain 7001 [VDS, 1988] [VDS, 988A] [VDS, 988B] [VDS, 988C], prodotto dalla V.D.S. di Firenze. Equipaggiato con un processore centrale Motorola ha una struttura modulare che lo rende facilmente espandibile, grazie anche alla possibilita di coesistenza di 16 processori diversi. Le immagini 2
4 VDS RGB Camera COHU Vegetable RGB Sync RGB Sony Sync Monitor Main Menu Trackball 1. Do This 2 Do That 3 Do All 4 Undo 0 Exit Consolle DIST Workstation V.D.S Figure 1: Schema della congurazione hardware impiegata. trattate dal V.D.S sono conformi allo standard televisivo europeo per segnali monocromatici. E inoltre possibile accettare tre diversi segnali video monocromatici oppure accettare anche un unico segnale RGB a 24 bit ed inviare i tre canali in uscita ad un monitor a. il V.D.S inne, e equipaggiato con una speciale scheda microprogrammata denominata F.I.P. (Fast Image Processor) per la elaborazione veloce di immagini. La telecamera Durante la nostra sperimentazione, e stata utilizzata una telecamera RGB, in quanto gli algoritmi sviluppati e la scheda di acquisizione della workstation richiedono in ingresso le tre componenti cromatiche separate. In particolare abbiamo adoperato una COHU 1710 che utilizza un sensore CCD da mezzo pollice. La consolle Si tratta di un vecchio ma sucentemente funzionale VT100; la workstation 7001 Eidobrain e pure fornita di un altro terminale, che, volendo, puo sostituire la consolle. Il Monitor L' interfaccia video del 7001 Eidobrain e conforme allo standard RS-170. I segnali RGB possono avere il sincronismo separato (questa soluzione e quella da noi adottata nelle prove) ed hanno connettori tipo BNC a 75 di impedenza all' uscita dalla workstation. La trackball Questa periferica e di fondamentale importanza quando viene utilizzata dal- 3
5 l' operatore per indicare regioni della immagine con determinate caratteristiche. Se ne puo fare a meno solo a patto di usare descrizioni gia preparate leggendole da le. 3 Il software sviluppato Vediamo ora come sia stato risolto il problema di dare una denizione di qualita compatibile con il modo di ragionare umano ed allo stesso tempo, facilmente gestibile da un normale programma scritto in linguaggio "C". Come primo passo abbiamo spostato il problema dallo spazio RGB allo spazio HSI, ed in particolare sul piano HS. Eettivamente le persone comuni immaginano un colore come una tinta particolare (Hue) piu o meno pura/intensa (Saturata), mentre dicilmente si pensa ad un colore come alla somma delle sue tre componenti rossa verde e blu. Inoltre nel nostro laboratorio si erano gia arontati con successo alcuni problemi riguardanti la segmentazione di prodotti agricoli nel loro ambiente naturale [Sandini et al., 1990a] [Sandini et al., 1990b] [Sandini et al., 1991] [Buemi et al., 1991], riscontrando nel piano dato dalla tinta e dalla saturazione buoni risultati ed una migliore robustezza alla variazione delle condizioni di illuminazione. Per la trasformazione dallo spazio RGB a quello HSI abbiamo adottato le formule proposte da Otha [Yu-Ichi Ohta, 1980] 8 >< >: I 1 = I 2 = I 3 = R+G+B 3 R?B 2 2G?R?B 4 8 >< >: I = I 1 q S = I I 2 3 H = atan( I 3 I 2 ) Una volta stabilito come rappresentare il colore, adoperando tecniche di segmentazione, siamo in grado di estrarre un qualunque pattern da una normale immagine. In seguito, per analizzarne la forma, abbiamo scelto di esaminare semplici invarianti geometrici come il rapporto area/perimetro, il rapporto tra gli assi di inerzia, ed una misura della asimmetria rispetto all' asse di inerzia piu lungo. Successivamente, l' analisi si conclude con una ricerca di particolari desiderabili (come per esempio i piccioli) che possono aumentare la gradevolezza dell' aspetto esteriore, e di particolari che al contrario diminuiscona la qualita del prodottto, quali le ammaccature, le aree aette da agenti patogeni ed altro. Le strutture dati scelte Il tipo di descrizione scelta e mostrata alla gura 2, dove un qualunque prodotto agricolo viene rappresentato con una stringa di caratteri, che ne contiene il nome, e soprattutto tre dierenti liste dinamiche di strutture chiamate oggetto. Ciascun oggetto, se nella prima lista dinamica, serve a rappresentare i parametri tipici del vegetale, mentre, se nella seconda o nella terza lista, rappresenta rispettivamente un possibile merito o un possibile difetto. L' 4
6 algoritmo di controllo qualita, fra le altre cose, si preoccupa di estrarre dalla immagine tutti i pattern con le caratteristiche riassunte da tutte le strutture oggetto e successivamente di esaminarli. Ogni oggetto al suo interno contiene i dati caratteristici del particolare che rappresenta, come il suo nome, il suo peso (nel senso che per esempio esistono difetti peggiori di altri e quindi devono essere valutati diversamente) e tre fuzzy set per tenere conto dei range ammissibili per il rapporto area / perimetro, il rapporto fra gli assi di inerzia e la misura della simmetria. Viene memorizzato inoltre, il numero minimo di pixel per poter considerare una porzione di immagine come pattern descritto da quel particolare oggetto. Quest' ultimo risulta utile per contrastare gli eetti del rumore stocastico, che si manifesta sotto forma di pixel spuri i quali, se non eliminati, verrebbero considerati erroneamente come regioni nel processo di riconoscimento. Inoltre, il colore caratteristico di ciascun oggetto viene memorizzato con una lista dinamica, iniziata al suo interno, di strutture chiamate col rett. Ciascuna col rett rappresenta una regione a forma rettangolare del piano Hue e Saturation contenente solo caratteristici per quell' oggetto, mentre una unione di domini rettangolari permette di ricoprire qualsiasi regione nel piano HS. VerdCorrente v_nome varieta o_id nextrett ogg_nome peso sogliafilter 3 range fuzzy nextogg struct oggetto nextparticol o_id nextrett ogg_nome peso sogliafilter 3 range fuzzy nextogg struct oggetto nextdifetti o_id o_id o_id nextrett nextogg nextogg nextogg nextrett nextrett ogg_nome ogg_nome ogg_nome peso sogliafilter peso sogliafilter peso sogliafilter 3 range fuzzy 3 range fuzzy 3 range fuzzy struct oggetto struct oggetto struct oggetto Figure 2: Organizzazione di una possibile descrizione: il prodotto ortofrutticolo, rappresentato con l' oggetto della prima lista dinamica, e caratterizzato da una sola particolarita positiva (seconda catena), inoltre e possibile distinguere tre difetti diversi. Vediamo ancora come si riesca a risalire, da una immagine, ad un certo numero di pattern di questa, ognuno dei quali descrivibile con una struttura dati come quella in gura 3. 5
7 NEXTRETT HUEMIN HUEMAX SATMIN SATMAX NEXTRETT HUEMIN HUEMAX SATMIN SATMAX NEXTRETT PESO SOGLIA NOME NEXTOGG Figure 3: Rappresentazione in dettaglio della la struct oggetto. L' algoritmo di Controllo Qualita Sintetizzando al massimo, l' algoritmo di segmentazione si compone di una prima parte, in cui si individuano tutte le zone dell' immagine in base ai memorizzati nelle liste dinamiche di col rett di ogni oggetto, e di una seconda, dove invece, in base alle informazioni sulla forma contenute nel setup, queste zone vengono classicate come parti componenti di una verdura oppure scartate. Poiche quest' ultimo esame fa ricorso alla logica fuzzy, il risultato e il valore (compreso tra 0 ed 1) usualmente contrassegnato con la lettera, che indica il "grado di appartenenza" del pattern esaminato alla descrizione fatta con l' oggetto considerato come prototipo. In altre parole, tale grado di appartenenza vale 1 solo se il pattern in esame rientra appieno nei tre fuzzy set dell' oggetto che lo descrive. In questo modo, via via che si trovano pattern con le caratteristiche tipiche della verdura, si attribuiscono i loro rispettivi valori compresi tra 0 (pattern da scartare) ed 1 (caratteristiche ottimali). Per ciascun pattern riconosciuto come verdura, un primo indice di qualita, provvisorio, sara il grado di appartenenza fuzzy al tipo di pattern descritto con la relativa struct oggetto. In seguito sara pio possibile modicarlo qualora si riscontrasse la presenza di particolari desiderabili o di difetti ad esso associabile. 6
8 Riepilogo Come abbiamo visto, quindi, le zone interessanti di una immagine vengono inizialmente individuate dal loro colore: ogni possibile oggetto che compone la verdura, sia esso la verdura vera e propria, una particolarita o un difetto, ha propri, che vengono memorizzati con una lista dinamica di struct col rett. Ad esempio, con riferimento alla gura 2, supponiamo che il setup in questione sia composto da cinque struct oggetto: una per indicare la verdura vera e propria, una per indicare il suo picciolo, tre per tre possibili diversi difetti, ossidazione, malattia X, principio di mua. Ognuno di questi componenti e caratterizzato da propri, a volte parzialmente comuni con altri, che memorizza come unione di piu aree rettangolari sul dominio Hue Saturation. Ciascuna area rettangolare viene rappresentata con una struct col rett nella lista dinamica dell' oggetto corrispondente. Esistono due modi per aggiungere ad un oggetto, e l' utente sceglie di volta in volta quello che trova piu comodo. Individuando una zona dell' immagine, il programma calcola tinta e saturazione di tutti i pixel di questa regione e li mappa sul loro dominio nel piano Hue Saturation. In seguito l' utente sceglie se far scomporre il dominio in rettangoli autonomamente dal software o se farlo personalmente. Con un poco di esperienza sara possibile vericare che, a seconda delle situazioni, una soluzione puo risultare piu comoda dell' altra. Il vantaggio di descrivere il dominio dei desiderati in una maniera cos particolare si puo notare dalla accuratezza della denizione del dominio HS valido per la segmentazione: per avere una possibilita di raronto immediata, abbiamo lasciato traccia del vecchio algoritmo, il quale teneva conto solo di un unico dominio sul piano Hue Saturation. Adoperando solo quattro numeri (Hue minima, Hue massima, Saturation minima e Saturation massima) capita molto spesso di accettare come validi un gran numero di in realta inutili che possono indurre in errore la segmentazione (cfr g. 6 a destra). 4 Risultati sperimentali Per brevita prenderemo in esame solamente i risultati ottenuti con le carote, rimandando alla lettura della tesi di laurea [Calvini, 1994] coloro che volessero conoscere gli esiti degli altri esperimenti, peraltro analoghi al caso che presentiamo. Mentre il colore degli oggetto di nome "carota", rappresentato dalla apposita lista di strutture col rett, e visibile in gura 2 e 6, la forma caratteristica viene memorizzata con i seguenti domini fuzzy, visibili in gura 4. rapporto area/perimetro Per la precisione si tratta del valore dato da 2 area perimetro (1) Il fuzzy set vale 1 oltre 5.0, vale 0 prima di 3.0 e cresce linearmente fra 3.0 e
9 Rapporto autovalori matrice inerzia Riferendoci alla lunghezza, si esamina asse inerzia lungo asse inerzia corto (2) Il fuzzy set che lo descrive, vale 0 no a 6.0, vale 1 oltre 9.5 e cresce linearmente tra 6.0 e 9.5. Grado di asimmetria La misura eettuata e data dal valore numero pixel asimmetrici rispetto l 0 asse principale il numero totale dei pixel (3) Il fuzzy set relativo vale 1 no a 2.5, vale 0 oltre 5.0 e decresce linearmente tra 2.5 e 5.0. µ µ µ Rapp. area /perim Rapp. assi inerzia coeff. asimmetr. Figure 4: Graco dei tre fuzzy set adoperati per descrivere la forma delle carote: a sinistra e il rapporto area / perimetro, in centro il rapporto tra la lunghezza degli assi di inerzia, a destra la misura della simmetria. Si e mantenuto su valori piuttosto piccoli il peso assegnato alla presenza del colletto, dal momento che non risulta strettamente necessario ne alla conservazione e ne allo scopo di conferire all' ortaggio un aspetto piu gradevole. Un esempio visivo dei risultati ottenuti si trova alle gure 5 e 6. 8
10 Figure 5: Immagine di un gruppo di carote prima del controllo qualita (a sinistra) e subito dopo la estrazione dei pattern mediante segmentazione sul piano HS (a destra). Figure 6: A sinistra le carote a controllo qualita concluso: come si puo vedere, la immagine e stata anche ltrata. A destra il dominio HS adoperato per descrivere i delle carote. 9
11 Nome ns. descrizione qualita a/p I 1 /I 2 as carote1a leggermente curva carote1b normale carote1c normale carote2a storta e piuttosto sottile scartato (out) carote2b con spaccatura longitudinale carote2c leggermente curva carota2d pezzo di carota scartato (out) - carote3a normale carote3b grossa e curva carote3c molto corta carote3d curva ma con colletto carote4a leggermente curva carote4b leggermente curva carote5a normale carote5b con spaccatura longitudinale carote6a normale carote6b con piccola zona ammuta Table 1: La lista delle carote impiegate per gli esperimenti ed i risultati dei test. Le carote chiamate carote3* sono quelle mostrate in gura. 10
12 References [Bezdek, 1993] J.C. Bezdek, Fuzzy Models - What Are They, and Why?, IEEE Transaction on Fuzzy Systems,Vol 1, N 1 pagg.1,6, [Buemi et al., 1991] F. Buemi, M. Massa, and M. Zucchini, Sistema di Visione Stereoscopicoa Colori per la Robotica Agricola, DIST - Universita di Genova, Tesi di Laurea, [Calvini, 1994] G. M. Calvini, Segmentazione e Analisi di Forme per il Controllo Qualita di Prodotti Agricoli, DIST - Universita di Genova, Tesi di Laurea, [Dubois and Prade, 1980] D. Dubois and H. Prade, Fuzzy Sets and Systems : Theory and Applications, New York Academic Press, [Sandini et al., 1990a] G. Sandini, F. Buemi, M. Massa, and M. Zucchini, Visually Guided Operations in Green Houses, IARP1 pagg , [Sandini et al., 1990b] G. Sandini, F. Buemi, M. Massa, and M. Zucchini, Visually Guided Operations in Green Houses, IEEE International Workshop on Intelligent Robots and Systems - IROS 90, [Sandini et al., 1991] G. Sandini, Ferrari, Grosso, Magrassi, and Massa, Vision Based Operations in Green Houses, IARP2 pagg , [T. Terano, 1992] S. Masui T. Terano, Image Understanding by Fuzzy Logic, Joint Japanese - European Symposium on Fuzzy Systems, Ottobre [VDS, 1988] VDS, VDS 7001 Eidobrain: Fast Image Processor Reference Manual, Video Display Systems, [VDS, 988A] VDS, VDS 7001 Eidobrain: Architettura per la Elaborazione di Immagini in tempo reale, Video Display Systems, 1988/A. [VDS, 988B] VDS, VDS 7001 Eidobrain: Tecnical Memo, Video Display Systems, 1988/B. [VDS, 988C] VDS, VDS 7001 Eidobrain: Basic Conguration Manual, Video Display Systems, 1988/C. [Yu-Ichi Ohta, 1980] Toshiyuki Sakay Yu-Ichi Ohta, Takeo Kanade, Colour Information for Region Segmentation, Computer Graphics and Image Processing, 13, pp , [Zadeh, 1965] L.A. Zadeh, Fuzzy Sets, Information and Control,8, pagg.338,353,
Elaborazione di Segnali e Immagini (ESI)
Elaborazione di Segnali e Immagini (ESI) AA 2002-2003 Paola Bonetto email: bonetto@disi.unige.it Stanza: #110 Tel: 010 353 6643 Programma Colore e spazi di colore (CIE, RGB, HSV, gray, ) Formati di immagini
DettagliCODIFICA IMMAGINI IN BIANCO E NERO
Rappresentazione delle immagini Anche le immagini possono essere codificate mediante una sequenza di 0 e 1., questa operazione si chiama digitalizzazione. La prima cosa da fare è dividere l immagine in
DettagliINTRODUZIONE ALL INFORMATICA
INTRODUZIONE ALL INFORMATICA Docente (teoria) Docente: Wolfgang Faber Annamaria BRIA Studio: Dipartimento di Matematica Cubo 31B 30B IV PIANO 2 Piano Ricevimento: Giovedì dietro dalle appuntamento 17:30
Dettagliimpaginazione di libri, giornali e riviste la progettazione grafica (CAD) nelle industrie metalmeccanica, elettronica, impiantistica ed edile
LEZIONE 1 impaginazione di libri, giornali e riviste la progettazione grafica (CAD) nelle industrie metalmeccanica, elettronica, impiantistica ed edile videogiochi il ritocco fotografico il montaggio di
DettagliLo sviluppo del progetto informatico
Lo sviluppo del progetto informatico Il progetto Il controllo di qualità Le qualità per i prodotti di software Le figure professionali La metodologia La conoscenza degli obiettivi L analisi La progettazione
DettagliTecnologie dei Sistemi di Automazione
Facoltà di Ingegneria Tecnologie dei Sistemi di Automazione Prof. Gianmaria De Tommasi Lezione 2 Architetture dei dispositivi di controllo e Dispositivi di controllo specializzati Corso di Laurea Codice
DettagliPolitecnico di Milano - Dipartimento di Elettronica, informazione e Bioingegneria Prof. Mauro Negri
Politecnico di Milano - Dipartimento di Elettronica, informazione e Bioingegneria Prof. Mauro Negri Fondamenti di Informatica II prova 13 febbraio 2015 Matricola/codice persona Cognome Nome Durata prova:
DettagliQUANTIZZATORE VETTORIALE
QUANTIZZATORE VETTORIALE Introduzione Nel campo delle reti neurali, la scelta del numero di nodi nascosti da usare per un determinato compito non è sempre semplice. Per tale scelta potrebbe venirci in
DettagliProgrammi e Oggetti Software
Corso di Laurea Ingegneria Civile Fondamenti di Informatica Dispensa 06 Programmi e Oggetti Software Marzo 2010 Programmi e Oggetti Software 1 Contenuti Cosa è un programma Cosa significa programmare Il
DettagliScheme: liste e vettori
a2» 2013.11.11 --- Copyright Daniele Giacomini -- appunti2@gmail.com http://informaticalibera.net Scheme: liste e vettori Liste e coppie.......................................... 2451 Dichiarazione di
DettagliIntroduzione al Calcolo Scientifico
Introduzione al Calcolo Scientifico Francesca Mazzia Dipartimento di Matematica Università di Bari Francesca Mazzia (Univ. Bari) Introduzione al Calcolo Scientifico 1 / 14 Calcolo Scientifico Insieme degli
DettagliElementi di Informatica Corso di Laurea in Scienze Geologiche a.a. 2003/2004. Docente. Orario. Da Ottobre-Dicembre:
Elementi di Informatica Corso di Laurea in Scienze Geologiche a.a. 2003/2004 1 Docente Patrizia Boccacci Ufficio 332 III piano Dipartimento di Informatica e Sc. Inf. Tel. 010-3536732 E-mail: boccacci@disi.unige.it
DettagliElementi di Informatica. Corso di Laurea in Scienze Geologiche a.a. 2003/2004
Elementi di Informatica Corso di Laurea in Scienze Geologiche a.a. 2003/2004 1 Docente Patrizia Boccacci Ufficio 332 III piano Dipartimento di Informatica e Sc. Inf. Tel. 010-3536732 E-mail: boccacci@disi.unige.it
DettagliCAPITOLO 5 PROCESSO DI IDENTIFICAZIONE E COMPENSAZIONE DELLA COPPIA GRAVITAZIONALE INTRODUZIONE
51 CAPITOLO 5 PROCESSO DI IDENTIFICAZIONE E COMPENSAZIONE DELLA COPPIA GRAVITAZIONALE INTRODUZIONE In questo capitolo vengono presentate le prove sperimentali per l identificazione della coppia dovuta
DettagliDati aggregati. Violetta Lonati
Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica - in breve: Definizione di tipi Array Stringhe Strutture
DettagliSistemi di Visione Industriale
Sistemi di Visione Industriale Esistono molte definizioni per nominare i sistemi che utilizzano algoritmi di «Imaging» in ambito industriale Visione Industriale - Machine Vision Smart Sensor ecc. ma tutte
DettagliPattern recognition. III Parte. Intelligenza Artificiale - Pattern Recognition 3
Pattern recognition III Parte 1 QUANTIZZAZIONE VETTORIALE Si può pensare come un algoritmo derivato da K-MEANS e da ISODATA. 1.All inizio tutti i vettori sono attribuiti ad un unico cluster. Si calcola
DettagliSistemi di Elaborazione delle Informazioni
Università degli Studi di Messina Policlinico G. Martino - Sistemi di Elaborazione delle Informazioni A.A. 26/27 Università degli Studi di Messina Policlinico G. Martino - Sistemi di Elaborazione delle
DettagliUso dell algoritmo di Quantizzazione Vettoriale per la determinazione del numero di nodi dello strato hidden in una rete neurale multilivello
Tesina di Intelligenza Artificiale Uso dell algoritmo di Quantizzazione Vettoriale per la determinazione del numero di nodi dello strato hidden in una rete neurale multilivello Roberto Fortino S228682
DettagliI L C O L O R E. Sistemi di classificazione cromatica. Sistema NCS
Sistema NCS Il sistema NCS (Natural Colour System) è stato ideato e sviluppato dalla NCS Colour AB di Stoccolma (Svezia). E un sistema cromatico diffuso a livello mondiale tra architetti e designer e tra
DettagliScuola di Ingegneria Dipartimento di Ingegneria dell Informazione Corso di Laurea Magistrale in Ingegneria Biomedica. Anno accademico 2015/2016
UNIVERSITÀ DI PISA FACOLTÀ DI INGEGNERIA Scuola di Ingegneria Dipartimento di Ingegneria dell Informazione Corso di Laurea Magistrale in Ingegneria Biomedica Anno accademico 2015/2016 RILEVAZIONE ED ANALISI
DettagliLezione 11: Ancóra visione
Robotica Robot Industriali e di Servizio Lezione 11: Ancóra visione Esperimenti pratici Un algoritmo pratico /* performs connectivity analysis in a recursive way. */ void vlfindblob (vlimage* pic, int
DettagliLinguaggi di Programmazione
Linguaggi di Programmazione!paradigmi linguistici, costrutti!semantica!implementazione, strutture a tempo di esecuzione 1 Linguaggi di programmazione e astrazione! i linguaggi di programmazione ad alto
DettagliFasi dell analisi di dati da microarray (2)
Fasi dell analisi di dati da microarray (). Image Processing: le immagini sono analizzate per determinare una misura dell intensità di ogni spot, insieme ad una valutazione della sua affidabilità. Data
DettagliMinistero dell Istruzione, dell Università e della Ricerca
Pag. 1/7 Sessione ordinaria 2019 Il candidato svolga la prima parte della prova e due tra i quesiti proposti nella seconda parte. PRIMA PARTE Un centro di fisioterapia è dotato di una vasca per la riabilitazione
DettagliLinguaggi di programmazione e astrazione
Linguaggi di programmazione e astrazione i linguaggi di programmazione ad alto livello moderni sono il più potente strumento di astrazione messo a disposizione dei programmatori che possono, con un solo
DettagliCapitolo 1 Esercitazioni condotte in aula con Star-CCM+
Capitolo 1 Esercitazioni condotte in aula con Star-CCM+ 1.1 Mixing Pipe Nella prima esercitazione è stato trattato il caso di un miscelatore nel quale sono stati iniettati 2 fluidi considerati ideali a
DettagliLa Retta Ogni funzione di primo grado rappresenta, graficamente, una retta. L equazione della retta può essere scritta in due modi
La Retta Ogni funzione di primo grado rappresenta, graficamente, una retta. L equazione della retta può essere scritta in due modi Forma implicita Forma esplicita a x b y c 0 y m x q a c y x b b Esempio
DettagliDispositivi di output
Dispositivi di output I dispositivi di output sono generalmente i monitor o display (CRT, LCD ) Inizialmente (primi anni '60) i display sono dispositivi di tipo vettoriale (lineare), in grado di tracciare
DettagliDealing with Videos. Oliver Giudice
Dealing with Videos Oliver Giudice ictlab s.r.l. - Spinoff dell Università di Catania Image Processing LAB (IPLAB) - Dipartimento di Matematica e Informatica Catania - Maggio, 2018 Motion Blur Super Resolution
DettagliI formati delle istruzioni
Appunti di Calcolatori Elettronici Le istruzioni I formati delle istruzioni... 1 Criteri generali di progettazione dei formati delle istruzioni... 2 Cenni all indirizzamento... 4 Indirizzamento immediato...
DettagliPROGRAMMAZIONE DIDATTICA DISCIPLINARE
Pag. 1 di 8 PROGRAMMAZIONE DIDATTICA DISCIPLINARE Disciplina TECNOLOGIE INFORMATICHE LAB. a.s. 2016/2017 Classi: 1 a - Sez. A, B, C, D, E, F, G, H, P INDIRIZZO: TRASPORTI E LOGISTICA Prof.ssa Ibba Paola
DettagliLez. 7 Immagini Digitali. Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1
Lez. 7 Immagini Digitali Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1 Dott. Pasquale De Michele Dott. Raffaele Farina Dipartimento di Matematica e Applicazioni Università di Napoli
DettagliIntroduzione al controllo
Corso di Robotica 2 Introduzione al controllo Prof. Alessandro De Luca A. De Luca Cosa vuol dire controllare un robot? si possono dare diversi livelli di definizione completare con successo un programma
DettagliArray e Oggetti. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 12. A. Miola Dicembre 2006
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 12 Array e Oggetti A. Miola Dicembre 2006 http://www.dia.uniroma3.it/~java/fondinf1/ Array e Oggetti 1 Contenuti Array paralleli
Dettagli1 PERCHÉ LA AG-HPX301E È UNA CAMERA RIVOLUZIONARIA?
1 PERCHÉ LA AG-HPX301E È UNA CAMERA RIVOLUZIONARIA? Per diversi motivi, a cominciare dal fatto che introduce in un prodotto dal costo inferiore ai 10.000 Euro un codec di registrazione fino ad oggi utilizzato
DettagliRappresentazione di immagini a colori. Rappresentazione dei colori. Rappresentazione dei colori LA RAPPRESENTAZIONE DELL INFORMAZIONE - II
Rappresentazione di immagini a colori LA RAPPRESENTAZIONE DELL INFORMAZIONE - II Per rappresentare immagini utilizzando i colori, a ogni elemento della griglia si dovranno dedicare più bit. Se dedichiamo
DettagliFisica della Visione Introduzione
1 Introduzione 2 Lezione 14 La percezione visiva: coordinate colorimetriche Spazio dei colori. Componenti tricromatiche. Coordinate tricromatiche. CIE RGB. Coordinate colorimetriche RGB. Coordinate colorimetriche
DettagliCorso di Informatica
Corso di Informatica Modulo T4 3-Gestione della memoria 1 Prerequisiti Rilocazione dinamica Spazio degli indirizzi Descrittore di processo Descrittore della memoria 2 1 Introduzione Una volta conosciute
DettagliTIPI DI DATO NELLA CARTELLA CLINICA ELETTRONICA: BIOSEGNALI, BIOIMMAGINI E BIOFILMATI. Corso di Informatica Medica
Università degli Studi di Trieste Corso di Laurea Magistrale in INGEGNERIA CLINICA TIPI DI DATO NELLA CARTELLA CLINICA ELETTRONICA: BIOSEGNALI, BIOIMMAGINI E BIOFILMATI Corso di Informatica Medica Docente
DettagliSistemi di Elaborazione delle Informazioni
SCUOLA DI MEDICINA E CHIRURGIA Università degli Studi di Napoli Federico II Corso di Sistemi di Elaborazione delle Informazioni Dott. Francesco Rossi a.a. 2016/2017 1 Programma del corso Informatica di
DettagliLezione 7 Sommatori e Moltiplicatori
Architettura degli Elaboratori e delle Reti Lezione 7 Sommatori e Moltiplicatori Proff. A. Borghese, F. Pedersini Dipartimento di Scienze dell Informazione Università degli Studi di Milano L 7 /36 Sommario
DettagliMS Office Powerpoint La formattazione
MS Office Powerpoint 2007 - La formattazione La formattazione è la parte più importante del lavoro in Powerpoint, in quanto l essenziale per l aspetto finale che assumerà il nostro lavoro. Questo è un
DettagliIl linguaggio dei computer: rappresentazione in binario e algoritmi di conversione 20 settembre 2017
Il linguaggio dei computer: rappresentazione in binario e algoritmi di conversione 20 settembre 2017 Architettura degli Elaboratori L Architettura (informatica) è l insieme dei criteri in base ai quali
DettagliAncora sui criteri di divisibilità di Marco Bono
Ancora sui criteri di divisibilità di Talvolta può essere utile conoscere i divisori di un numero senza effettuare le divisioni, anche se la diffusione delle calcolatrici elettroniche, sotto varie forme,
DettagliSTUDIO PER PREAMPLIFICATORE PER SIPM ACCOPPIATO IN DC
AGE Scientific s.r.l. Via del Commercio, 10 Zona industriale Le Bocchette 55041 - Capezzano Pianore (LU) Italy Tel. / Fax. +39 0584 969707 E-mail: info@agescientific.com WEB: www.agescientific.com STUDIO
DettagliEsercitazioni di Informatica B A.A. 2010/2011 Pseudocodice. Nicola Vitucci
Esercitazioni di Informatica B A.A. 2010/2011 Pseudocodice Cos'è lo pseudocodice? Abbiamo visto che prima di scrivere del codice è importante innanzitutto avere le idee chiare sul problema da affrontare
DettagliIntroduzione al linguaggio C Dati aggregati
Introduzione al linguaggio C Dati aggregati Violetta Lonati Università degli studi di Milano Dipartimento di Informatica Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica 5 ottobre
DettagliProgramma del corso. Introduzione Rappresentazione delle Informazioni Calcolo proposizionale Architettura del calcolatore Reti di calcolatori
Programma del corso Introduzione Rappresentazione delle Informazioni Calcolo proposizionale Architettura del calcolatore Reti di calcolatori Cos è un Calcolatore? Un computer (calcolatore) è una macchina
DettagliCorso di Laurea Specialistica in Ingegneria Informatica. Correlatore: Ing. Andrea Claudi
Corso di Laurea Specialistica in Ingegneria Informatica Candidato: Gianluca Dolcini Relatore: Prof. Aldo Franco Dragoni Correlatore: Ing. Andrea Claudi Scenario: identificazione di volti per monitoraggio
DettagliModulo 1 Concetti di base della Tecnologia dell Informazione
Modulo 1 Concetti di base della Tecnologia dell Informazione 1.0.1.1 1.0.1.2 1.0.1.3 Algoritmi Definizione di algoritmo e sua rappresentazione grafica Per algoritmo si intende un procedimento, che permette
DettagliUniversità degli Studi di Catania. DI SCIENZE MATEMATICHE FISICHE E NATURALI Corso di Laurea Specialistica in Informatica.
Università degli Studi di Catania FACOLTÀ DI SCIENZE MATEMATICHE FISICHE E NATURALI Corso di Laurea Specialistica in Informatica Computer Vision Segmentazione di Immagini: tecniche di soglia e region growing
DettagliProf. Massimiliano Giacomin 21 dicembre NOME: COGNOME: MATR: Scrivere nome, cognome e matricola chiaramente in caratteri maiuscoli
INFORMATICA E PROGRAMMAZIONE Prof. Massimiliano Giacomin 21 dicembre 2017 NOME: COGNOME: MATR: Scrivere nome, cognome e matricola chiaramente in caratteri maiuscoli 1. Si consideri il seguente codice per
DettagliMetodo di Quine-McCluskey. Algoritmo. Sommario. Sommario. M. Favalli
Sommario Metodo di Quine-McCluskey M. Favalli Engineering Department in Ferrara 2 3 Sommario (ENDIF) Reti logiche / 46 Algoritmo (ENDIF) Reti logiche 2 / 46 2 3 Metodo esatto per la sintesi di reti a 2
DettagliProgrammi e Oggetti Software
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 2 Programmi e Oggetti Software Alfonso Miola Settembre 2007 http://www.dia.uniroma3.it/~java/fondinf1/ Programmi e Oggetti Software
DettagliSCART (Audio/Video) Le connessioni della SCART sono state modificate nel tempo man mano che si presentavano nuove necessità.
SCART (Audio/Video) La sigla SCART è l'acronimo di "Syndacat de Constructeurs d'appareils recepteurs e Televiseurs" - l'origine è francese. La scart è un connettore con 21 contatti adatta a realizzare
DettagliSistema di Elaborazione. Sistema di Controllo. Figura 1
DIDAROBOT. Introduzione Un qualunque Robot contiene al suo interno tutti gli elementi che vengono normalmente studiati in un corso di studi in Elettronica e questo lo rende uno strumento didattico ideale.
DettagliFACOLTA DI INGEGNERIA INGEGNERIA INFORMATICA A.A. 2008/2009. Corso VISIONE E PERCEZIONE. Docente. Prof. FIORA PIRRI. Tutor MATIA PIZZOLI
FACOLTA DI INGEGNERIA INGEGNERIA INFORMATICA A.A. 2008/2009 Corso VISIONE E PERCEZIONE Docente Prof. FIORA PIRRI Tutor MATIA PIZZOLI MAPPA DI DISPARITA Studente Redjan Shabani (1013173) 0 Definizione di
DettagliSistemi di Elaborazione delle Informazioni 6 CFU
Università degli Studi di Palermo Dipartimento di Ingegneria Chimica, Gestionale, Informatica, Meccanica Sistemi di Elaborazione delle Informazioni 6 CFU Anno Accademico 2015/2016 Docente: ing. Salvatore
DettagliIntroduzione a Matlab
Introduzione a Matlab Skin Detection & Iris Normalization Fondamenti di Visione Artificiale a.a. 2015/2016 12/05/16 Estrazione dei Contorni 1 Skin Detection - Introduzione Il processo di skin detection
DettagliTabella 1 Parametri del generatore di traffico
Tabella 1 Parametri del generatore di traffico 3.5 Bit error rate tests BER tests sono usati per determinare il tasso di errori in una trasmissione o in una rete punto-punto. Questi test sono effettuati
DettagliProf. Massimiliano Giacomin 22 dicembre NOME: COGNOME: MATR: Scrivere nome, cognome e matricola chiaramente in caratteri maiuscoli
INFORMATICA E PROGRAMMAZIONE Prof. Massimiliano Giacomin 22 dicembre 2016 NOME: COGNOME: MATR: Scrivere nome, cognome e matricola chiaramente in caratteri maiuscoli 1. Si consideri il seguente codice per
DettagliInformazioni sull esame e Regole per lo svolgimento dei progetti
Informazioni sull esame e Regole per lo svolgimento dei progetti Programmazione e analisi di dati Modulo A: Programmazione in Java Paolo Milazzo Dipartimento di Informatica, Università di Pisa http://www.di.unipi.it/
DettagliLa Rappresentazione dell Informazione
La Rappresentazione dell Informazione Maurizio Palesi Sommario In questo documento sarà trattato il modo in cui, in un calcolatore, vengono rappresentati i vari generi di informazione (testi, numeri interi,
DettagliMODULO 5 - USO DELLE BASI DI DATI 2 FINALITÁ
PATENTE EUROPEA DEL COMPUTER 5.0 MODULO 5 Database (Microsoft Access 2007) Parte 3 A cura di Mimmo Corrado Gennaio 2012 MODULO 5 - USO DELLE BASI DI DATI 2 FINALITÁ Il Modulo 5, richiede che il candidato
DettagliGeCoTi 2K. Release 4.0
GeCoTi 2K Release 4.0 INTRODUZIONE... 3 PRINCIPALI NOVITÀ... 3 Risoluzione... 3 Nuova area di lavoro... 3 Schermata iniziale... 4 Chiamate fra moduli... 4 Menù secondario... 5 Toolbar... 5 Autorizzazioni
DettagliIl vettore e la lista concatenate (o catena) sono due esempi di strutture interne.
Strutture dati PILA e CODA Le strutture dati si dividono in interne e astratte. Quelle astratte sono rappresentazioni dei dati di un problema che rispecchiano le proprietà dei dati e le relazioni usate
DettagliDipartimento di Elettronica, Informazione e Bioingegneria Politecnico di Milano
Dipartimento di Elettronica, Informazione e Bioingegneria Politecnico di Milano 2033 Milano (Italia) Piazza Leonardo da Vinci, 32 Tel. (+39) 02-2399.3400 Fax (+39) 02-2399.34 Informatica ed Elementi di
DettagliLe immagini digitali
Le immagini digitali Formati e caratteristiche di digitalizzazione Processo complessivo 1. Documento originale (eventuale restauro del supporto) Argomento della lezione 2. Scansione 3. Oggetto digitale
DettagliCos è l informatica? Un esempio di algoritmo. Che cos è un algoritmo? Algoritmi e loro proprietà. non ambigue ed effettivamente calcolabili
Algoritmi e loro proprietà Proprietà formali degli Algoritmi Efficienza rispetto al tempo Efficienza rispetto allo spazio Cos è l informatica? L informatica è la scienza della rappresentazione e dell elaborazione
DettagliAL DI LA DELLE IMMAGINI
AL DI LA DELLE IMMAGINI Lucia Della Croce Giulia Maggi Ada Pulvirenti - Giuseppe Toscani Dipartimento di Matematica Università di Pavia Piano Lauree Scientifiche Broni - I. I. S. Faravelli 7 Dicembre 2010
DettagliISTITUTO TECNICO STATALE L. EINAUDI
CLASSI: _PRIME_ indirizzo _AFM MATERIA: INFORMATICA ORE TOTALI: 66 PROGRAMMAZIONE DIDATTICA DI DIPARTIMENTO A.S. 2017/2018 COMPETENZE DISCIPLINARI (secondo le linee guida degli Istituti Tecnici D.P.R.
DettagliPROGRAMMAZIONE: I sottoprogrammi
PROGRAMMAZIONE: I sottoprogrammi Prof. Enrico Terrone A. S: 2008/09 Definizione Un sottoprogramma è un blocco di istruzioni a sé stante con un proprio nome. Il main (= sottoprogramma principale) è un caso
DettagliEsercizio 2: Algebra dei Puntatori e Puntatori a Puntatori
Esercizio 2: Algebra dei Puntatori e Puntatori a Puntatori Salvatore Mandrà 7 Ottobre 2008 1 Esercizio L esercizio prevede l implementazione di funzioni per il prodotto di una matrice per un vettore, attraverso
Dettagli1 - STATO DELL ARTE DEI SISTEMI DI VIDEOSORVEGLIANZA...7
INDICE 1 - STATO DELL ARTE DEI SISTEMI DI VIDEOSORVEGLIANZA...7 1.1 - INTRODUZIONE...7 1.2 - EVOLUZIONE DEI SISTEMI DI VIDEOSORVEGLIANZA...10 1.2.1 - Sistemi di videosorveglianza di prima generazione (first-generation
DettagliINTRODUZIONE ALLA PROGRAMMAZIONE
INTRODUZIONE ALLA PROGRAMMAZIONE Prof. Enrico Terrone A. S: 2008/09 Definizioni Programmare significa risolvere problemi col computer, cioè far risolvere problemi al computer attraverso un insieme di informazioni
DettagliCURIOSITAS ROBOTICA. Sommario
CURIOSITAS ROBOTICA Giovanni Bianco 1, Riccardo Cassinis 2 Sommario L'articolo descrive lo stato della ricerca sul sistema di pianificazione multistrategica della navigazione di robot mobili autonomi presentato
DettagliMANCA : VETTORI, FORZE E MOMENTO DI UNA FORZA
MANCA : prodotto vettoriale prodotto scalare VETTOI, OZE E MOMENTO DI UNA OZA Immaginiamo un corpo in movimento, ad esempio un ciclista, un motociclista, un automobile o un aeroplano. Corpo in movimento
DettagliU n i v e r s i t à d e l P i e m o n t e O r i e n t a l e A m e d e o A v o g a d r o. Guido Vicino
U n i v e r s i t à d e l P i e m o n t e O r i e n t a l e A m e d e o A v o g a d r o Corso di Laurea Specialistica in Informatica dei Sistemi Avanzati e dei Servizi di Rete Studio introduttivo alle
DettagliLa visione 3D, una nuova dimensione per la qualità Marco Catizone Sick
La visione 3D, una nuova dimensione per la qualità Marco Catizone Sick Sottogruppo Sistemi di Visione Introduzione I sistemi di visione nell ultimo decennio, si sono evoluti nelle prestazioni e nelle funzionalità.
DettagliRappresentazione binaria
Fondamenti di Informatica per la Sicurezza a.a. 2007/08 Rappresentazione binaria Stefano Ferrari UNIVERSITÀ DEGLI STUDI DI MILANO DIPARTIMENTO DI TECNOLOGIE DELL INFORMAZIONE Stefano Ferrari Università
DettagliSIGNAL PROCESSING. Progetto alternanza scuola lavoro Svolto da : Victor Bianconi, Federico Ranocchia, Pietro Bordellini, Romani Tommaso
SIGNAL PROCESSING Progetto alternanza scuola lavoro Svolto da : Victor Bianconi, Federico Ranocchia, Pietro Bordellini, Romani Tommaso Tutoraggio interno di : Fabrizio Frescura e Giuseppe Baruffa OBIETTIVI
DettagliCalcolatori Elettronici: indirizzi e oggetti
Calcolatori Elettronici: indirizzi e oggetti G. Lettieri 3 Marzo 2019 Gli indirizzi sono relativi ad un bus: tutti i componenti collegati al bus, in grado di rispondere a richieste di lettura o scrittura,
DettagliSistemi di Elaborazione delle Informazioni 6 CFU
Università degli Studi di Palermo Dipartimento dell Innovazione Industriale e Digitale Sistemi di Elaborazione delle Informazioni 6 CFU Anno Accademico 2016/2017 Docente: ing. Salvatore Sorce Rappresentazione
DettagliIl progetto CONTACT a Lecce
Il progetto CONTACT a Lecce Lecce, 17 Febbraio 2007 Marisa Ferro, Neurolab, DSBTA, UNIFE, Ferrara Michele Tavella, LIRA-Lab, DIST, UNIGE, Genova Indice Il progetto Contact Fasi del lavoro presso il CRIL
DettagliRiconoscimento automatico di oggetti (Pattern Recognition)
Riconoscimento automatico di oggetti (Pattern Recognition) Scopo: definire un sistema per riconoscere automaticamente un oggetto data la descrizione di un oggetto che può appartenere ad una tra N classi
DettagliInformazione binaria:
Informazione binaria: Codici di compressione Ingegneria Meccanica e dei Materiali Università degli Studi di Brescia Prof. Massimiliano Giacomin Una soluzione per le immagini: la tavolozza (palette) Spesso
DettagliVALUTAZIONE NON DISTUTTIVA DELLA QUALITÀ DEI VEGETALI ATTRAVERSO L IDENTIFICAZIONE AUTOMATICA DEI PARAMETRI DEL COLORE
VALUTAZIONE NON DISTUTTIVA DELLA QUALITÀ DEI VEGETALI ATTRAVERSO L IDENTIFICAZIONE AUTOMATICA DEI PARAMETRI DEL COLORE Bernardo PACE Istituto di Scienze delle Produzioni Alimentari, Bari Consiglio Nazionale
DettagliCorso di Laurea Ingegneria Informatica Fondamenti di Informatica
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica Dispensa 04 Programmi e Oggetti Software Alfonso Miola Ottobre 2012 http://www.dia.uniroma3.it/~java/fondinf/ Programmi e Oggetti Software
DettagliCorso di Laurea Ingegneria Informatica Fondamenti di Informatica
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica Dispensa 04 Programmi e Oggetti Software Alfonso Miola Ottobre 2011 http://www.dia.uniroma3.it/~java/fondinf/ Programmi e Oggetti Software
DettagliIl protocollo RS Introduzione. 1.2 Lo Standard RS-232
1 Il protocollo RS232 1.1 Introduzione Come noto un dispositivo di interfaccia permette la comunicazione tra la struttura hardware di un calcolatore e uno o più dispositivi esterni. Uno degli obiettivi
DettagliINSEGNAMENTI/ ATTIVITÀ FORMATIVE CFU SEMESTRE S.S.D.
P I A N I D I S T U D I O Sono previsti due diversi indirizzi di studio denominati Linguaggi e algoritmi (LA) e Progetto e sviluppo di sistemi software (PSS), ognuno articolato in due percorsi a scelta
DettagliCAPITOLO 2 RAPPRESENTAZIONI GRAFICHE DEI DATI
VERO FALSO CAPITOLO 2 RAPPRESENTAZIONI GRAFICHE DEI DATI V F 1. Una tabella base di frequenza contiene 2 colonne: una per i valori delle variabili d interesse e un altra per il numero delle volte che i
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (69AA) A.A. 06/7 - Prova del 07-07-07 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate. Problema
DettagliAlgoritmi e loro proprietà. Proprietà formali degli Algoritmi Efficienza rispetto al tempo Efficienza rispetto allo spazio
Algoritmi e loro proprietà Proprietà formali degli Algoritmi Efficienza rispetto al tempo Efficienza rispetto allo spazio Cos è l informatica? L informatica è la scienza della rappresentazione e dell elaborazione
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA DIPARTIMENTO DI INGEGNERIA IDRAULICA, GEOTECNICA ED AMBIENTALE ELABORATO DI TESI IN IDRAULICA AMBIENTALE Simulazione numerica del campo
Dettagli