Laurea Triennale

Architettura di Sistema e Automazione del Deployment della Geo Machine

2026-07-28T00:00:00Z

Architettura di Sistema e Automazione del Deployment della Geo Machine Herrera, Christopher <2003> La tesi presentata descrive le attività svolte durante il tirocinio curricolare presso divisione Cyber & Security Solutions di Leonardo S.p.A.. Il tirocinio svolto e la tesi prodotta hanno avuto come obiettivo quello di raccontare la riprogettazione, con particolare enfasi sulla fase di convalida, di un sistema geografico GIS denominato Geo Machine. La riprogettazione è nata dall'esigenza di aggiornare l'infrastruttura software della macchina virtuale per poterne risolvere problemi di vulnerabilità, data l'utilizzo di una versione obsoleta, e cercando di migliorare le prestazioni generali. Una grande sezione del lavoro è dedicata alla fase di Testing, Quality Assurance e Bug Tracking. Fasi che sono state fondamentali per individuare, isolare e risolvere criticità emerse prima del rilascio in produzione. L'attività di test sull'applicativo finale fornito dal team di sviluppo complementare ha garantito così la creazione di un pacchetto d'installazione autonomo, stabile e ripetibile, pronto per essere distribuito ed eseguito in ambienti isolati.; This thesis describes the activities carried out during a curricular internship at the Cyber & Security Solutions division of Leonardo S.p.A. The internship and the resulting thesis focus on the redesign—with particular emphasis on the validation phase—of a GIS (Geographic Information System) known as "Geo Machine." The redesign was driven by the need to update the virtual machine's software infrastructure to address vulnerabilities associated with an obsolete version, while also aiming to improve overall performance. A significant portion of the work is dedicated to Testing, Quality Assurance, and Bug Tracking. These phases were crucial for identifying, isolating, and resolving critical issues that arose prior to the production release. Testing the final application—provided by the complementary development team—ensured the creation of a standalone, stable, and reproducible installation package, ready for deployment and execution in isolated environments.

Reingegnerizzazione del Sistema Informativo "Balneazione in Liguria"

2026-07-28T00:00:00Z

Reingegnerizzazione del Sistema Informativo "Balneazione in Liguria" Sahraoui, Davide Rachide <1996> La presente tesi descrive il progetto di reingegnerizzazione del Sistema Informativo "Balneazione in Liguria", sviluppato nell'ambito del tirocinio presso A.R.P.A.L. (Agenzia Regionale per la Protezione dell'Ambiente Ligure). Il lavoro nasce dall'esigenza di modernizzare un sistema utilizzato per la gestione e la pubblicazione dei dati relativi al monitoraggio delle acque di balneazione, migliorandone l'organizzazione, la manutenibilità e la sicurezza.; This thesis presents the reengineering of the "Bathing Waters in Liguria" Information System, carried out during an internship at A.R.P.A.L. (Regional Agency for Environmental Protection of Liguria). The project was motivated by the need to modernize an existing information system used to manage and publish bathing water monitoring data, improving its organization, maintainability, and security.

Sistema di video-analisi per monitoraggio ambientale - Implementazione di AI Embedded per Video-Analisi Ambientale e Confronto di Architetture Edge

2026-07-28T00:00:00Z

Sistema di video-analisi per monitoraggio ambientale - Implementazione di AI Embedded per Video-Analisi Ambientale e Confronto di Architetture Edge Grosso, Francesco <1995> Il presente lavoro di tesi illustra la progettazione, lo sviluppo e la validazione sul campo di un'infrastruttura IoT end-to-end per il rilevamento tempestivo degli incendi boschivi. Al fine di superare i vincoli di connettività, latenza e consumo energetico tipici dei sistemi Cloud-centrici (quali le API remote), il progetto adotta integralmente il paradigma Edge AI. L'inferenza computazionale viene eseguita sul nodo periferico sfruttando i modelli di visione artificiale della famiglia YOLO. Per massimizzare l'efficienza hardware, la logica di rilevamento è governata da una macchina a stati finiti asincrona che combina una pipeline di classificazione leggera a una di localizzazione spaziale (Object Detection) ad alta risoluzione, garantendo l'azzeramento dei falsi positivi. L'isolamento geografico delle aree forestali è superato tramite un'infrastruttura di trasmissione radio LoRa in topologia Point-to-Point (P2P), capace di inviare payload ottimizzati in Base64 scavalcando l'assenza di reti cellulari. I dati convergono in un nodo ricevitore centrale scalabile, interfacciato con una dashboard Grafana e un bot Telegram per l'alerting in tempo reale. A supporto del ciclo di vita del software (MLOps), è stata sviluppata un'applicazione Web basata sul modello fondazionale SAM 3 di Meta, capace di automatizzare il data labeling e ridurre dell'80% i tempi di annotazione manuale dei dataset. Infine, la validazione sperimentale ha dimostrato la netta superiorità degli acceleratori hardware TensorRT su dispositivi Edge dedicati (famiglia NVIDIA Jetson) rispetto a CPU general-purpose (Raspberry Pi 5). Il sistema ha garantito un'elevata fluidità d'inferenza e un assoluto determinismo energetico (circa 0.096 kWh/24h), mantenendo i consumi stabili anche durante le emergenze prolungate e validando la piena sostenibilità del monitoraggio in postazioni isolate ad energia solare.; This thesis illustrates the design, development, and field validation of an end-to-end IoT infrastructure for the early detection of forest fires. In order to overcome the connectivity, latency, and energy consumption constraints typical of Cloud-centric systems (such as remote APIs), the project fully adopts the Edge AI paradigm. Computational inference is executed on the peripheral node using computer vision models from the YOLO family. To maximize hardware efficiency, the detection logic is handled by an asynchronous finite state machine that combines a lightweight classification pipeline with high-resolution spatial localization (Object Detection), ensuring the elimination of false positives. The geographical isolation of forest areas is overcome through a LoRa radio transmission infrastructure in a Point-to-Point (P2P) topology, capable of sending optimized Base64 payloads, bypassing the lack of cellular networks. Data converges into a scalable central receiver node, interfaced with a Grafana dashboard and a Telegram bot for real-time alerting. To support the software lifecycle (MLOps), a Web application based on Meta's SAM 3 foundational model was developed, capable of automating data labeling and reducing manual dataset annotation times by 80%. Finally, experimental validation demonstrated the clear superiority of TensorRT hardware accelerators on dedicated Edge devices (NVIDIA Jetson family) compared to general-purpose CPUs (Raspberry Pi 5). The system guaranteed high inference fluidity and absolute energy determinism (approximately 0.096 kWh/24h), maintaining stable consumption even during prolonged emergencies and validating the full sustainability of monitoring in isolated, solar-powered stations.

Applicazione web per cycling analytics

2026-07-28T00:00:00Z

Applicazione web per cycling analytics Campantico, Ernesto <2003> Il lavoro di tesi, finanziato all'interno del progetto PNRR "HPC4Wearables" ha come obiettivo lo sviluppo di Cycle-Sync, una Progressive Web App ibrida basata sui linguaggi di programmazione Next.js e REACT. L'app è pensata per il supporto degli atleti in tempo reale, mostrando una dashboard essenziale con le metriche chiave della performance, e a posteriori offrendo grafici avanzati di analisi dei dati fisiologici. Il progetto è stato implementato come una base solida su cui innestare in futuro motori di intelligenza artificiale per consigli e feedback personalizzati.; Developed within the PNRR project "HPC4Wearables", this thesis aims to create Cycle-Sync, a hybrid Progressive Web App built on Next.js and React. The application is designed to support athletes during their workouts by displaying a streamlined dashboard focused on key performance metrics, while offering advanced charts for physiological telemetry analysis in the post-ride phase. The project establishes a robust foundation for future AI integrations capable of delivering personalized coaching and feedback.