Sensing and vision for industry and environment

A.A. 2024/2025
12
Crediti massimi
112
Ore totali
SSD
INF/01 ING-INF/03
Lingua
Inglese
Obiettivi formativi
Non definiti
Risultati apprendimento attesi
Non definiti
Corso singolo

Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.

Programma e organizzazione didattica

Edizione unica

Responsabile
Periodo
Secondo semestre

Prerequisiti
Concetti fondamentali di informatica, programmazione, elaborazione di immagini, machine learning.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame include una parte pratica ed una parte orale. La parte pratica consiste in un progetto pratico, concordato in precedenza con il docente, che dimostri la capacità nell'uso degli argomenti mostrati nel corso ai fini di un'applicazione pratica. La parte orale consiste in una discussione del progetto ed in una verifica della conoscenza dei fondamenti teorici dell'area applicativa considerata nel progetto. La votazione rifletterà entrambe le parti ed è espressa in trentesimi.
Vision for industry and environment
Programma
· Acquisizione delle immagini: formazione dell'immagine (sensore, modello pinhole, lente), caratterizzazione di sensori ed illuminazione (colore, esposizione, velocità), visione per industria ed ambiente (monitoraggio senza contatto, telecamere industriali, situazioni non-ideali).
· Pattern recognition per sistemi di visione: intelligenza artificiale per preprocessing dell'immagine (analisi della qualità, miglioramento dell'immagine), segmentazione (rilevamento degli oggetti, segmentazione semantica, etichette a livello di pixel), ricostruzione 3D (viste multiple, luce strutturata), estrazione di caratteristiche 2D/3D (handcrafted, representation learning), classificazione e regressione (nearest neighbor, reti neurali, reti neurali convoluzionali).
· Monitoraggio industriale: intelligenza artificiale per il monitoraggio visuale del processo manifatturiero (rilevamento dei difetti dei macchinari e degli attrezzi, controllo delle linee di produzione), analisi dei materiali grezzi (stima del volume, granulometria), controllo della qualità dei prodotti (rilevamento di difetti superficiali, errori di assemblaggio, manutenzione predittiva), sensori virtuali (stima della profondità tramite metodi di visione, ambienti sintetici), monitoraggio della sicurezza delle persone (tracking degli individui, rilevamento degli incidenti).
· Monitoraggio ambientale: intelligenza artificiale per elaborazione di immagini acquisite tramite sistemi centralizzati (rilevamento di fuoco e fumo, inondazioni e siccità, frane, monitoraggio strutturale), monitoraggio tramite immagini acquisite con sistemi distribuiti (analisi della condizione delle colture, monitoraggio degli animali selvatici, monitoraggio del traffico, rilevamento degli incidenti, rilevamento degli scarichi abusivi).
Metodi didattici
Lezioni frontali ed esercizi in laboratorio (con l'assistenza del docente). Le lezioni saranno tenute in presenza. La frequenza alle lezioni ed alle esercitazioni è caldamente raccomandata.
Materiale di riferimento
· Mohamed Elgendy, Deep Learning for Vision Systems, Manning, 2020. ISBN: 9781617296192. https://github.com/moelgendy/deep_learning_for_vision_systems http://www.computervisionbook.com/
· Presentazioni e dispense disponibili sul sito del corso.
Moduli o unità didattiche
Intelligent sensing and remote sensing
ING-INF/03 - TELECOMUNICAZIONI - CFU: 6
Esercitazioni: 24 ore
Lezioni: 32 ore

Vision for industry and environment
INF/01 - INFORMATICA - CFU: 6
Esercitazioni: 24 ore
Lezioni: 32 ore
Docente: Genovese Angelo

Docente/i
Ricevimento:
Su appuntamento via email
Ufficio 6002 (6 piano)