Rilevamento intelligente e intelligenza artificiale nella produzione navale

Abstract

Questo documento fornisce una panoramica del progetto congiunto Scafo4.0, uno sforzo di collaborazione che coinvolge Vega Research Labs (VRLabs), Cetena, Spinelli e Fincantieri. L'obiettivo principale di questo progetto è lo sviluppo di un sistema di monitoraggio avanzato volto a migliorare l'efficienza dei lavoratori dei cantieri navali di Fincantieri durante la saldatura di componenti strutturali nella costruzione navale. Nello specifico, questo sistema è progettato per rilevare rapidamente le deformazioni delle piastre di acciaio, contribuendo a processi di costruzione navale di qualità superiore.

Ho il piacere di sottolineare che ho contribuito attivamente a questo progetto nell'ambito del mio lavoro di tesi magistrale. Il nucleo di questo sistema di monitoraggio è un microcontrollore Raspberry Pi, integrato con un sensore fotografico e un proiettore di pattern, che costituisce parte integrante di una strategia di edge computing. Il prototipo sviluppato nell'ambito della mia tesi prende la forma di un'applicazione web che sfrutta tecniche avanzate di elaborazione delle immagini. Questa applicazione web è determinante nel fornire feedback in tempo reale agli operatori evidenziando le preparazioni necessarie ed emettendo avvisi di guasto. Attraverso il mio lavoro di tesi, ho svolto un ruolo cruciale nell'esplorazione e nel progresso dello sviluppo di questo innovativo sistema di monitoraggio, che ha un grande potenziale nell'ottimizzazione dei processi di costruzione navale.

This document provides an overview of the joint project Scafo4.0, a collaborative effort involving Vega Research Labs (VRLabs), Cetena, Spinelli, and Fincantieri. The primary focus of this project is to develop an advanced monitoring system aimed at enhancing the efficiency of shipyard workers at Fincantieri during the welding of structural components in ship construction. Specifically, this system is designed to rapidly detect deformations in steel plates, contributing to higher-quality shipbuilding processes.

I am pleased to highlight that I have actively contributed to this project as part of my master's thesis work. The core of this monitoring system is a Raspberry Pi microcontroller, which is integrated with a camera sensor and a pattern projector, forming an integral part of an edge computing strategy. The prototype developed as part of my thesis takes the form of a web application that leverages advanced image processing techniques. This web application is instrumental in providing real-time feedback to operators by highlighting necessary preparations and issuing fault warnings. Through my thesis work, I have played a crucial role in exploring and advancing the development of this innovative monitoring system, which holds great potential in optimizing ship construction processes.