Vuoi saperne di più?

Realizziamo algoritmi e modelli che grazie a Ottimizzazione e Intelligenza Artificiale costituiscono soluzioni innovative per rispondere ai problemi.

Software e Applicazioni di Ottimizzazione e AI 

Si vogliono analizzare le previsioni meteo per fare una stima delle offerte di energia eolica che i vari operatori fanno al “mercato del giorno dopo”, in Italia.

**La Sfida**

Prevedere le strategie di offerta degli operatori e pianificare un'offerta tenendo conto di bonus e penalità che la regolamentazione del mercato prevede in base al rapporto domanda/offerta.

**La Soluzione**

Utilizziamo tecniche di clustering per ridurre la dimensionalità del problema catturando l’informazione utile dalle previsioni meteo e addestriamo modelli di intelligenza artificiale per modellare il comportamento degli operatori sulla base delle storicità del “mercato del giorno dopo”.

**Risultati e Benefici** 

Le tecniche di analisi adottate consentono la pianificazione di una strategia di offerta "intelligente".

È possibile sfruttare le previsioni meteo per anticipare l'andamento del mercato energia grazie all’intelligenza artificiale: visita il sito e scopri come!

Previsione Mercato Energie Rinnovabili

Previsione fluttuazioni offerte nel mercato delle energie rinnovabili

L'obiettivo di questo progetto di ricerca, condotto in collaborazione con il Policlinico Gemelli, è lo sviluppo di un sistema automatico di analisi dei segnali EEG (ElettroEncefaloGramma) al fine di predire le crisi epilettiche in pazienti resistenti al trattamento farmacologico.

**La Sfida**

La soluzione richiede la cattura e il riconoscimento delle variazioni del segnale EEG tipiche dell’inizio di una fase pre-critica. In tal modo si possono attivare le necessarie precauzioni per evitare o gestire la crisi epilettica vera e propria. Una delle difficoltà da affrontare per lo sviluppo di una soluzione automatizzata è la forte rumorosità dei segnali EEG.

**La Soluzione**

Operiamo il filtraggio dei segnali EEG riuscendo ad estrarne le caratteristiche più rilevanti tramite modelli autoregressivi (AR). Basandoci sulle feature così evidenziate costruiamo modelli di classificazione di tipo Support Vector Machines (SVM), che addestriamo per distinguere tra una fase normale e una fase pre-critica.

**Risultati e Benefici**

Il modello predittivo aiuta ad identificare la fase pre-critica di una crisi epilettica.

Scopri come un modello matematico sfrutta i dati dell’elettroencefalogramma per prevedere l’insorgenza di crisi epilettiche: visita il sito!

Previsioni di Eventi Avversi da Dati Medici

Analizzare segnali EEG per prevedere di crisi epilettiche

Previsioni di Eventi Avversi

Predire il comportamento di un sistema complesso per prendere le migliori decisioni

Forecasting

L'obiettivo di questo progetto di ricerca è lo sviluppo di un algoritmo di detection a partire da immagini termiche che hanno il vantaggio di preservare la privacy degli individui e consentono l’operatività anche in condizioni notturne.

**La Sfida**

Per addestrare una rete neurale sarebbe necessario un ampio campione di immagini termiche annotate. Purtroppo la disponibilità di tali dataset è estremamente limitata, soprattutto se comparata alla mole di dati disponibile per le reti che, al contrario, usano immagini RGB.

**La Soluzione**

Sfruttiamo  tecniche di domain adaptation per adattare le reti neurali ad operare su domini nuovi. In questo caso partiamo da reti allenate su immagini RGB e modifichiamo i primi layer tramite un processo di adattamento delle reti convoluzionali di tipo bottom-up. In questo modo il nuovo modello è capace di operare la detection nello spettro termico. Inoltre utilizziamo un approccio task-conditioned per riconoscere automaticamente se l’immagine in esame è diurna o notturna permettendo all’algoritmo di  adattarsi al task specifico.

**Risultati e Benefici**

Il nostro approccio consente di superare i limiti imposti dalla mancanza di dati etichettati. Trasferire la conoscenza da una rete addestrata su dati RGB al dominio termico, ci permette di raggiungere performance simili a quelle raggiunte con l’utilizzo di immagini RGB ma con il vantaggio di preservare la privacy e la possibilità di utilizzo in condizioni notturne.

Scopri come siamo in grado di addestrare reti neurali in assenza di dati grazie alla domain adaptation, per estendere le applicazioni di una rete.

Software Analisi Immagini su Small Data

Adattare una rete neurale ad un nuovo dominio in carenza di dati

Analisi Immagini su Small Data

L'obiettivo di questa ricerca è l'aggiornamento, in modo automatico, di mappe vettoriali GIS attraverso l’estrazione di informazioni significative del territorio di interesse, catturate da immagini SAR.

**La Sfida**

L'obiettivo è quello di inserire all'interno delle mappe vettoriali GIS, informazioni territoriali (strade, terreni, aree boschive, laghi, costruzioni, ecc.) raccolte mediante radar ad apertura sintetica (SAR) equipaggiati su aeromobili, superando le problematiche di registrazione delle immagini rispetto alla mappa, la presenza di artefatti nelle immagini e la necessità di distinguere tra molte possibili classi.

**La Soluzione**

Combiniamo tecniche di elaborazione delle immagini per la segmentazione e la registrazione con tecniche di machine learning per la classificazione delle aree identificate.

**Risultati e Benefici**

Il nostro approccio consente la creazione di mappe GIS con incluse informazioni tratte da immagini SAR, in modo automatizzato.

Scopri come automatizzare la registrazione e la classificazione di dati satellitari SAR con le mappe GIS: data fusion all’ennesima potenza!

Data Augmentation su Immagini Satellitari

Fusione di mappe GIS con immagini SAR

L'obiettivo di questo progetto di ricerca è lo sviluppo di un modello convoluzionale per contare in modo robusto il numero di persone presenti in immagini e video di folle estremamente dense, utilizzando la minor quantità di dati possibile per l’addestramento.

**La Sfida**

L’addestramento di una rete neurale in grado di contare in modo robusto gli individui richiede, tipicamente, un'enorme mole di dati annotati. Il processo di recupero di tali dati e di taggatura è particolarmente oneroso e costoso.

**La Soluzione**

Sviluppiamo un algoritmo auto-supervisionato basato su di una opportuna funzione di ordinamento dei gradi di affollamento. Questo ci permette di addestrare e adattare una rete convoluzionale usando pochissima supervisione umana.

**Risultati e Benefici**

La rete addestrata tramite l’approccio auto-supervisionato raggiunge, con un minor costo, un livello di accuratezza paragonabile a quello delle reti addestrate su ingenti quantità di dati taggati.

Nell'ambito delle reti auto-supervisionate scopri com'è possibile addestrare una rete neurale al conteggio persone anche senza grandi quantità di dati annotati.

Reti Auto-Supervisionate - Conteggio Persone

Algoritmi di apprendimento auto-supervisionato per il conteggio di persone

Conteggio Persone

Si vuole monitorare il traffico di veicoli di passaggio all'interno di un’area di interesse (ad esempio autostrada) grazie all'installazione di un insieme di telecamere e di sensori di altri tipo (ad esempio radar) in grado di osservare l’area da diversi punti di vista e con campi di vista parzialmente sovrapposti.

**La Sfida**

Il sistema deve integrare le informazioni provenienti da diversi punti di vista ed essere in grado di rilevare in tempo reale tutti i veicoli presenti nell'area di interesse, classificarli, localizzarli in modo accurato e tracciarne il movimento. È inoltre necessario sincronizzare i flussi video, calibrare i diversi punti di vista, e gestire le occlusioni, il tutto in tempo reale.

**La Soluzione**

Abbiamo integrato tecniche di intelligenza artificiale e visione computazionale per il riconoscimento e la classificazione dei veicoli con tecniche di multi-target tracking, filtraggio stocastico e data fusion per il tracciamento dei veicoli.

**Risultati e Benefici**

I metodi di intervento consentono l'efficace identificazione dei veicoli.

Scopri come la Data Fusion e la Computer Vision collaborano per un efficace identificazione, localizzazione e tracciamento di veicoli. Visita il sito!

Tracciamento Veicoli tramite Computer Vision

Riconoscimento e tracciamento di veicoli da telecamere multiple

Tracciamento Veicoli

Ottenere informazioni utili da immagini e video tramite algoritmi di riconoscimento e tracciamento oggetti

Analisi Immagini

L’ottica adattiva è una tecnologia che consente di utilizzare uno specchio deformabile per correggere in tempo reale la distorsione ottica dovuta alla turbolenza atmosferica e risulta di fondamentale importanza nei telescopi ground-based, cioè situati a terra.

**La Sfida**

L'attenuazione della turbolenza atmosferica richiede la progettazione di un sistema decentralizzato per controllare le deformazioni dello specchio del telescopio, garantendo stabilità e prestazioni in termini di tempo di risposta e precisione.

**La Soluzione**

Abbiamo applicato un approccio data-driven che utilizza profili frequenziali di turbolenze e vibrazioni direttamente ottenuti da dati sperimentali. In questo modo è possibile ottenere una previsione della risposta in tempo reale edottimizzare il sistema di controllo degli specchi del telescopio.

**Risultati e Benefici**

La soluzione consente un netto miglioramento delle prestazioni del telescopio, grazie alla stabilizzazione in tempo reale degli specchi anche in condizioni atmosferiche avverse.

Controllo data-driven: come sfruttare dati sperimentali e analisi in frequenza per ottimizzare in tempo reale il sistema. Visita il sito!

Sistema di Controllo Data-driven

Correggere in tempo reale la distorsione ottica di specchi deformabili

Si vuole determinare in tempo reale la posizione e la velocità di vari oggetti in movimento sulla base della misurazione di tempo di percorrenza e spostamento Doppler, fornite da un radar passivo.

**Analisi del Problema**

La soluzione del progetto richiede l'analisi delle informazioni ricevute dal radar passivo e l'esclusione delle misure false e delle misure perse, nonché l'analisi dell'associazione ignota tra misure e oggetti la misurazione da sorgenti multiple (multi-statiche).

**Metodo di Intervento e Soluzione**

Abbiamo proposto una soluzione che combina tecniche di ottimizzazione per l’inizializzazione delle tracce con tecniche avanzate di multi-target tracking e sensor fusion.

**Risultati e Benefici Ottenuti**

I metodi di intervento consentono di ottenere l'efficace identificazione degli oggetti.

Object tracking in real time: scopri come le tecniche di Data Fusion permettono di identificare e tracciare oggetti tramite l’analisi di dati radar!

Tracciamento Oggetti in Tempo Reale

Tracciamento oggetti mediante radar passivo

Tracciamento Oggetti in Real Time

Sfruttare dati in tempo reale e previsioni per ottimizzare le decisioni di sistemi di controllo

Model Predictive Control

L'obiettivo è quello di sviluppare un software in grado di supportare l'operatore nelle operazioni di manutenzione ordinaria identificando in automatico i motori a maggior rischio e quindi a più alta priorità.

**La Sfida**

Al fine di classificare la categoria di rischio del dispositivo utilizziamo i dati disponibili delle analisi delle proprietà chimiche e fisiche dell’olio su campioni presi in diverse fasi della vita del motore. La difficoltà maggiore è dovuta ad uno storico di dati incompleto e non omogeneo

**La soluzione**

Abbiamo sviluppato un algoritmo di classificazione su Support Vector Machine (SVM). Per gestire la mancanza di dati abbiamo costruito una modifica ad hoc del kernel SVM è stata impiegata per gestire i dati mancanti in modo da massimizzare la separazione tra le classi.

**Risultati e Benefici**

Il nostro classificatore è in grado di riconoscere correttamente la categoria di rischio del motore con una precisione superiore all'85%. Il modello è inoltre interpretabile, e consente quindi di identificare i parametri chimico-fisici ritenuti più rilevanti per la classificazione.

Scopri come costruire un algoritmo di classificazione per la manutenzione predittiva anche in carenza di dati. Affidati all’esperienza di Deix!

Algoritmi di Classificazione - Manutenzione Predittiva

Manutenzione predittiva tramite misurazioni dell'olio motore

Classificazione di Motori

Monitorare e prevedere lo stato di macchinari, prodotti e strumenti tramite modelli basati su dati e simulazioni

Manutenzione Predittiva

Si vuole progettare il doppio scafo di un catamarano al fine di ridurre il più possibile il valore atteso della resistenza media in campo di onde irregolari aumentando, al tempo stesso, la manovrabilità dell’imbarcazione.

**La Sfida**

Vogliamo sfruttare il simulatore HF-URANS (High-Fidelity Unsteady Reynolds-Averaged Navier-Stokes)per  ottenere risultati molto accurati delle performance del design dell’imbarcazione. La sfida è inserire il modello di simulazione all’interno di una procedura automatica di ottimizzazione mantenendo contenuti i costi e tempi computazionali.

**La Soluzione**

Attraverso l’addestramento di una rete di funzione di base radiali, costruiamo un modello surrogato (denominato SRBF) del simulatore. Questo modello ha tempi di calcolo molto ridotti ma accuratezze comparabili a quelle del modello high-fidelity. Possiamo così sfruttarlo all’interno di un metodo di ottimizzazione di tipo globale e multi-obiettivo che, opportunamente ibridizzato con tecniche locali, ha prodotto in tempi rapidi una soluzione ottima.

**Risultati e Benefici**

Il nuovo simulatore consente di supportare la progettazione tramite l’utilizzo di un prototipo virtuale per la simulazione rapida e di un ottimizzatore per identificare i parametri ottimali.

Come integrare un simulatore high-fidelity ed un ottimizzatore per supportare la progettazione in ambito prototipazione virtuale? Scopri di più sul sito!

Simulazione e Prototipazione Virtuale

Progettazione di un catamarano ad elevata velocità per competizioni in mare aperto

Prototipazione Virtuale

Vogliamo migliorare il tempo di reazione al comando di accensione/spegnimento (delay) di display AMOLED.

**La Sfida**

Per minimizzare il tempo di reazione si può agire su un certo numero di variabili di progetto (caratteristiche dei transistor PMOS e NMOS). Tuttavia, le prestazioni del circuito dipendono anche dalla temperatura, dalla tensione di funzionamento e da variabili di processo soggette a incertezza e fluttuazioni statistiche legate al processo di costruzione dei componenti elettronici.

**La Soluzione**

Usando tecniche di apprendimento automatico è stato definito uno "yield simulator" ovvero uno strumento software che consente di predire con precisione la percentuale di circuiti integrati “in full working order”. Il simulatore viene quindi utilizzato per il calcolo della funzione obiettivo da minimizzare e, per tenere conto della variabilità dei parametri, l’algoritmo sfrutta tecniche di ottimizzazione robusta, in grado di considerare la varianza del processo e gestire il "worst case scenario".

**Risultati e Benefici Ottenuti**

Sfruttando le tecniche di ottimizzazione robusta individuiamo la configurazione ottima senza la necessità di produrre prototipi su cui eseguire test. Questo riduce significativamente tempi e costi di progettazione.

Nell’ambito dell’ottimizzazione robusta scopri come le tecniche di quantificazione dell’incertezza permettono di ottimizzare parametri variabili.

Ottimizzazione Robusta - Progettazione Display AMOLED

Ottimizzazione robusta di un DC-DC converter per AMOLED display

Progettazione Display AMOLED

L'obiettivo è ottimizzare il design di un motore trifase industriale a induzione (7.5 KW) utilizzato per sollevatori e montacarichi industriali.

**La Sfida**

L’obiettivo è quello di migliorare le prestazioni del motore agendo su alcune variabili che definiscono forma e dimensioni del rotore e dello statore e gli avvolgimenti nelle cave dello statore, tenendo conto contemporaneamente di diversi fattori: il costo di costruzione, l’efficienza energetica, il fattore di potenza e la corrente all'avvio.

**La Soluzione**

Data una configurazione, calcoliamo le prestazioni del motore mediante un software di simulazione agli elementi finiti. Tramite un’interfaccia sviluppata ad hoc, il simulatore è stato inserito all’interno di una procedura di  ottimizzazione multi-obiettivo. L'ottimizzatore tiene in considerazione tutte le prestazioni simultaneamente arrivando ad un insieme di soluzioni ottime.

**Risultati e Benefici**

L'ottimizzazione multi-obiettivo permette di proporre diversi design del motore che rappresentano i migliori compromessi tra vincoli e performance.

Scopri come gestire molteplici fattori per la progettazione di un motore elettrico. Visita la nostra pagina dedicata all’ottimizzazione multi-obiettivo!

Ottimizzazione Multi-Obiettivo - Progettazione Motori Elettrici

Progettazione multi-obiettivo di un motore elettrico

Progettazione Motori Elettrici

Efficientare processi e migliorare il design di prodotti tramite algoritmi di ottimizzazione singolo e multi-obiettivo

Ottimizzazione di Prodotto e di Processo

Applichiamo competenze variegate per creare soluzioni originali ai problemi delle aziende. I nostri modelli si traducono in software e web application per la gestione e l’analisi di immagini e video, per risolvere problemi di forecasting e manutenzione predittiva, e per l’ottimizzazione simulation-based