Classificazione in tempo reale della rigidità di oggetti mediante sensori piezoelettrici e tecniche di intelligenza artificiale su sistemi embedded

Abstract

La pelle artificiale, o pelle elettronica, è una tecnologia costituita da una matrice di sensori piezoelettrici capaci di convertire uno stress meccanico in segnali elettrici. Questi segnali vengono campionati e acquisiti da un’interfaccia elettronica, per poi essere trasmessi a un computer tramite un protocollo di comunicazione seriale. L’obiettivo di questa tesi è acquisire un insieme di dati (dataset) per addestrare una rete neurale convoluzionale monodimensionale, progettata per riconoscere la rigidità di sei oggetti, con l’intento di integrarla in un sistema embedded. I dati sono raccolti dai sensori per una elaborazione in tempo reale tramite tecniche di data processing, come media mobile e normalizzazione. Il processo di addestramento prevede la selezione del modello con la migliore accuratezza, che viene infine implementato su un microcontrollore, dove si valutano le prestazioni in termini di inferenza, potenza dissipata ed energia.

Artificial skin, or electronic skin, is a technology composed of a matrix of piezoelectric sensors capable of converting mechanical stress into electrical signals. These signals are sampled and acquired by an electronic interface, and then transmitted to a computer via a serial communication protocol.

The objective of this thesis is to acquire a dataset to train a one-dimensional convolutional neural network (1D CNN), designed to recognize the stiffness of six objects, with the aim of integrating it into an embedded system.

The data are collected from the sensors for real-time processing using data processing techniques such as moving average and normalization. The training process involves selecting the model with the best accuracy, which is then implemented on a microcontroller, where its performance is evaluated in terms of inference time, power consumption, and energy usage.