Page 1 of 2

2023 Other Unknown

Imparare a riconoscere le infestanti del grano
Pardini F., Martinelli M.
Materiale didattico utilizzato all'evento La primavera della Ricerca, tenuto a Pisa il 12 maggio 2023.

See at: laprimaveradellaricerca.cnr.it | CNR ExploRA

2022 Report Unknown

Barilla Agrosat+: Comunicazioni
Pardini F., Bruno A., Dainelli R., Rocchi L., Moroni D., Toscano P., Martinelli M.
Comunicazione dei risultati ottenuti.Source: ISTI Project report, Barilla Agrosat+, 2022

See at: CNR ExploRA

2022 Conference article Open Access

An intelligent platform of services based on multimedia understanding and telehealth for supporting the management of SARS-CoV-2 multi-pathological patients
Ignesti G., Bruno A., Deri C., D'Angelo G., Bastiani L., Pratali L., Memmini S: Cicalini D., Dini A., Galesi G., Pardini F., Tampucci M., Benassi A., Salvetti O., Moroni D., Martinelli M.
The combination of pervasive sensing and multimedia understanding with the advances in communications makes it possible to conceive platforms of services for providing telehealth solutions responding to the current needs of society. The recent outbreak has indeed posed several concerns on the management of patients at home, urging to devise complex pathways to address the Severe Acute Respiratory Syndrome (SARS) in combination with the usual diseases of an increasingly elder population. In this paper, we present TiAssisto, a project aiming to design, develop, and validate an innovative and intelligent platform of services, having as its main objective to assist both Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) multi-pathological patients and healthcare professionals. This is achieved by researching and validating new methods to improve their lives and reduce avoidable hospitalisations. TiAssisto features telehealth and telemedicine solutions to enable high-quality standards treatments based on Information and Communication Technologies (ICT), Artificial Intelligence (AI) and Machine Learning (ML). Three hundred patients are involvedin our study: one half using our telehealth platform, while the other half participate as a control group for a correct validation. The developed AI models and the Decision Support System assist General Practitioners (GPs) and other healthcare professionals in order to help them in their diagnosis, by providing suggestions and pointing out possible presence or absence of signs that can be related to pathologies. Deep learning techniques are also used to detect the absence or presence of specific signs in lung ultrasound images.Source: SITIS 2022 - 16th International Conference on Signal Image Technology & Internet Based Systems, pp. 553–560, Dijon, France, 18-22/10/2022
DOI: 10.1109/sitis57111.2022.00089
Metrics:

See at: ISTI Repository Open Access | ieeexplore.ieee.org Restricted | CNR ExploRA

2022 Report Open Access

SI-Lab annual research report 2021
Righi M., Leone G. R., Carboni A., Caudai C., Colantonio S., Kuruoglu E. E., Leporini B., Magrini M., Paradisi P., Pascali M. A., Pieri G., Reggiannini M., Salerno E., Scozzari A., Tonazzini A., Fusco G., Galesi G., Martinelli M., Pardini F., Tampucci M., Berti A., Bruno A., Buongiorno R., Carloni G., Conti F., Germanese D., Ignesti G., Matarese F., Omrani A., Pachetti E., Papini O., Benassi A., Bertini G., Coltelli P., Tarabella L., Straface S., Salvetti O., Moroni D.
The Signal & Images Laboratory is an interdisciplinary research group in computer vision, signal analysis, intelligent vision systems and multimedia data understanding. It is part of the Institute of Information Science and Technologies (ISTI) of the National Research Council of Italy (CNR). This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2021.Source: ISTI Annual reports, 2022
DOI: 10.32079/isti-ar-2022/003
Metrics:

See at: ISTI Repository Open Access | CNR ExploRA

2022 Report Unknown

Smart Converting 4.0 - Report test di laboratorio
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare i test eseguiti per validare il prototipo hardware software realizzato nel corso dell'attività AO2.2. I test sono propedeutici alla integrazione e ai test del sistema complessivo, come previsto in AO2.5. Il documento si articola come segue. Nella sezione 2 si riportano i test e i risultati conseguiti mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.2.2, 2022

See at: CNR ExploRA

2022 Report Unknown

See at: CNR ExploRA

2022 Report Unknown

Smart Converting 4.0 - Installazione del prototipo integrato
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare il prototipo hardware e la sua integrazione in una installazione presso Futura Lab. Si riporta per completezza anche l'installazione sulla tubiera ( nello specifico sulla macchina core maker "Camallo"), descritta anche nel corso delle attività di OO3, obiettivo operativo in cui tale macchina è stata progettata e realizzata. In definitiva, il documento si articola come segue. Nella sezione 2 si riportano alcune immagini delle componenti del prototipo installato, mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.5.1, 2022

See at: CNR ExploRA

2022 Report Unknown

Smart Converting 4.0 - Piano e report dei test
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare i test eseguiti per validare il prototipo hardware software integrato nell'installazione presente presso Futura Lab. Il documento si articola come segue. Nella sezione 2 si riportano i test e i risultati conseguiti mentre la sezione 3 conclude il documento con discussione sui risultati conseguiti.Source: ISTI Project report, Smart Converting 4.0, D2.5.2, 2022

See at: CNR ExploRA

2022 Other Unknown

Granoscan: una app basata sull'intelligenza artificiale per l'agricoltura sostenibile
Pardini F., Bruno A., Morelli S., Toscano P., Moroni D., Martinelli M.
Poster App Granoscan, presentato alla fiera Agricola di Verona e al Bright 2022 a Pisa.

See at: CNR ExploRA | www.bright-night.it

2022 Report Unknown

D5.1 TiAssisto - Progettazione delle funzionalità di interazione dei servizi per l'utente finale
Ignesti G., Bruno A., Galesi G., Pardini F., Cicalini D., Roth L., Pratali L., Martinelli M.
Il presente documento è il primo deliverable dell'Obiettivo Operativo 5 "Servizi per gli utilizzatori finali".Source: ISTI Project report, TiAssisto, D5.1, 2022

See at: CNR ExploRA

2021 Report Open Access

SI-Lab Annual Research Report 2020
Leone G. R., Righi M., Carboni A., Caudai C., Colantonio S., Kuruoglu E. E., Leporini B., Magrini M., Paradisi P., Pascali M. A., Pieri G., Reggiannini M., Salerno E., Scozzari A., Tonazzini A., Fusco G., Galesi G., Martinelli M., Pardini F., Tampucci M., Buongiorno R., Bruno A., Germanese D., Matarese F., Coscetti S., Coltelli P., Jalil B., Benassi A., Bertini G., Salvetti O., Moroni D.
The Signal & Images Laboratory (http://si.isti.cnr.it/) is an interdisciplinary research group in computer vision, signal analysis, smart vision systems and multimedia data understanding. It is part of the Institute for Information Science and Technologies of the National Research Council of Italy. This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2020.Source: ISTI Annual Report, ISTI-2021-AR/001, pp.1–38, 2021
DOI: 10.32079/isti-ar-2021/001
Metrics:

See at: ISTI Repository Open Access | CNR ExploRA

2021 Report Unknown

SPaCe - Documento di studio e definizione delle tecnologie e degli algoritmi di analitica del trasporto pubblico
Leone G. R., Moroni D., Magrini M., Pardini F., Carboni A.
Nel contesto del progetto Space in questo documento verrà presentato uno studio e la definizione delle tecnologie applicabili al trasporto pubblico. I casi d'uso di interesse sono principalmente due: il caso d'uso su gomma, con riferimento a mezzi tipo bus cittadini, e il caso d'uso su rotaia, in riferimento al trasporto ferroviario. Gli obiettivi sono molteplici e riguardano principalmente il comportamento dei passeggeri a bordo o in attesa dei mezzi, la ricostruzione di un viaggio che consiste nella concatenazione di tratte effettuate su mezzi diversi, il controllo degli oggetti e il monitoraggio dello stato dei mezzi sia per questioni di sicurezza che di manutenzione degli stessi. In generale sono state identificate due macro aree di riferimento: Controllo degli spazi e Controllo dei passeggeri.Source: ISTI Project report, SPaCe, D1.4.1, 2021

See at: CNR ExploRA

2021 Report Unknown

Smart Converting 4.0 - Requisiti e specifiche funzionali del sistema di sicurezza avanzato
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere, consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su ciò che realmente accade nell'impianto durante la sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande attualità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. In breve, l'architettura su cui si intende basare questo sistema è composta da un device mobile (Tag) che, nel caso degli operatori, sarà indossabile e alimentato a batteria. Tale device instaurerà una comunicazione con una infrastruttura fissa realizzata con una serie di ancore disposte nell'ambiente secondo criteri opportuni e tale comunicazione radio tra il device mobile e le ancore consentirà di conoscere in tempo reale la posizione di ciascun device. Questa informazione verrà comunicata alla piattaforma software dove verranno implementate le policies e l'archiviazione dei parametri utili alle funzioni offline. Occorre realizzare quindi un sistema di RTLS (Real Time Location System) che consenta il tracciamento in tempo reale di persone o mezzi equipaggiati con tag. Questa prima attività di OO1 i cui esiti sono descritti nel precedente documento mira a stilare i requisiti del sistema, in primo luogo, ad alto livello, ovvero come panoramica del sistema complessivo e, in secondo luogo, saranno tradotte in specifiche di dettaglio in termini requisiti HW/SW e di comunicazione e verrà definita l'architettura del sistema. In questa attività sono anche definite le tecnologie da utilizzare secondo una analisi costi benefici sulla base dei requisiti precedentemente citati. A complemento di questo documento è stato prodotto che il deliverable D2.1.2 incentrato sui casi d'uso per il sistema di sicurezza avanzato, individuati sotto la guida di Futura. Proprio la selezione di tali use cases permette di specificare i dati che sarà necessario estrarre ed integrare. Tali dati saranno relativi al funzionamento della linea, indentificando i requisiti delle interfacce di comunicazione con il sistema SCADA e, eventualmente, con i PLC delle singole macchine. Alla stessa stregua, si sono identificate le possibili modalità di interazione con gli operatori, analizzando l'utilizzo di molteplici tecnologie, quali dispostivi wearable, tablet/smartphone e occhialini "see-through", tenendo al contempo in considerazione anche soluzioni standard quali messaggi visuali su pannelli e avvisi acustici. Il documento si articola come segue. Nella sezione 2 si riporta un'analisi dei requisiti di alto livello del sistema e delle funzionalità che deve essere in grado di supportare, concludendo la sezione con alcune considerazioni sugli aspetti normativi e sulla valenza del sistema proposto. Nella sezione 3 si descrivono gli aspetti tecnologici sull'utilizzo di sistemi per la localizzazione, mentre nella sezione 4 si propongono due possibili architetture basate sulla tecnologia in Ultra-Wide Band (UWB). L'analisi e il confronto delle loro caratteristiche consente di identificare quella più adatta allo scenario di utilizzo previsto. Infine nella sezione 5 si riporta una panoramica del sistema e si riportano le specifiche di dettaglio delle varie parti.Source: ISTI Project report, Smart Converting 4.0, D2.11, 2021

See at: CNR ExploRA

2021 Report Unknown

Smart Converting 4.0 - Definizione degli use cases del sistema e delle policies relative alla localizzazione indoor
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Sulla base delle osservazioni e delle opportunità appena descritti, in questo documento ci si prefigge di formalizzare un insieme di casi d'uso che potranno essere supportati dal sistema. Lo scopo è duplice. Da un lato, ciò permette di individuare le policies, intese sia come procedure sia come elaborazioni informatizzate da eseguirsi automaticamente per favorire livelli di safety più elevati. Dall'altro, l'esercizio di individuazione dei casi d'uso permette di apurare i requisiti sul sistema complessivo, andando quindi a delinearne le specifiche tecniche di dettaglio. A tal fine, a complemento di questo documento è stato prodotto che il deliverable D2.1.1 in cui sulla base degli use cases riportati qui sono state estratte e stilate le specifiche funzionali del sistema di sicurezza avanzato.Source: ISTI Project report, Smart Converting 4.0, D2.1.2, 2021

See at: CNR ExploRA

2021 Report Unknown

D4.1 TiAssisto - Data processing e servizi di supporto alla decisione intelligente
Ignesti G., Bruno A., Pardini F., Moroni D., Deri C., D'Angelo G., Pratali L., Martinelli M.
Il presente documento è il primo deliverable dell'Obiettivo Operativo 4 "Data processing e servizi di supporto alla decisione intelligente".Source: ISTI Project report, TiAssisto, D4.1, 2021

See at: CNR ExploRA

2020 Contribution to conference Open Access

Augmented reality and intelligent systems in Industry 4.0
Benassi A., Carboni A., Colantonio S., Coscetti S., Germanese D., Jalil B., Leone R., Magnavacca J., Magrini M., Martinelli M., Matarese F., Moroni D., Paradisi P., Pardini F., Pascali M., Pieri G., Reggiannini M., Righi M., Salvetti O., Tampucci M.
Augmented reality and intelligent systems in Industry 4.0 - Presentazione ARTESSource: ARTES, 12/11/2020
DOI: 10.5281/zenodo.4277713
DOI: 10.5281/zenodo.4277712
Metrics:

See at: ISTI Repository Open Access | CNR ExploRA

2020 Report Unknown

Forecasting industrial components life cycle: Futura Prototype 1
Martinelli M., Moroni D., Pardini F., Benassi A., Salvetti O.
The purpose of this research report is to describe the first working prototype able to forecast the life cycle of an industrial component by Futura S.p.A.Source: Project report, 2020

See at: CNR ExploRA

2020 Report Unknown

Barilla AgroSat+ Quarto aggiornamento
Benassi A., Bruno A., Galesi G., Moroni D., Pardini F., Ovidio Salvetti O., Martinelli M.
Prototipi vari per progetto Barilla Agrosat+.Source: Project report, AgroSat+, 2020

See at: CNR ExploRA

2020 Book Unknown

Radiazioni Ionizzanti e Popolazione Generale - RadIoPoGe
Caramella D., Paolicchi F., Dore A., Feriani G., Aringhieri G., Pozzessere C., Di Coscio L., Marcheschi A., Grattadauria S., Bastiani L., Trivellini G., Serasini L., Banti D., Martinelli M., Benassi A., Galesi G., Pardini F., Salvetti O., Chiappino D., Micaela P., Rinaldi R., Della Latta D., Martini C., Curlo I., Rossi G., Cornacchione P., Giardina M., Carnevali F., Iacovone S., Pertoldi D., Favat M., Contato E., Pelati C., Baccarin F., Negro D., Pizzi M., Gelmi C., Carlevaris P., Rossato C., Ribaudo K., Ceccarelli M., Saba L., Muntoni E., Caoci D., Busonera C., Spano A., Tronci A., Mura M., Giannoni D., Tamburrino P., Leggieri V., Rizzo V., Farese R., Pastore S., Rossetti F., Nuzzi G., Calligari D., Cioce P., Di Fuccia G., Liparulo M., Petriccione G., Romano S., Stringile M., Travaglione G., Negri J., Marinelli E., Angelini G., Gerasia R., Lo Sardo C.
Report Finale progetto RadIoPoGe.Source: Roma: CNR, 2020

See at: CNR ExploRA

2019 Contribution to conference Open Access

Lo Stile di Vita del Frequentatore della Montagna
Martinelli M., Bastiani L., Valoti P., Agazzi G., Carrara B., Parigi G. B., Marina Malannino M., Spinelli A., Calderoli A., Orizio L., Righi M., Pardini F., Benassi A., D'Angelo G., Giardini G., Moroni D., Mrakic Sposta S., Pratali L.
La variazione dei frequentatori della montagna degli ultimi anni sta significativamente cambiando le problematiche del territorio montano: se da un lato aumenta il numero delle presenze temporanee (turisti, lavoratori, etc...), dall'altro diminuisce quello degli abitanti. Il primo, tra le varie, sta elevando il Male Acuto di alta Montagna (MAM) a problema di salute pubblica non trascurabile; il secondo porta ad una minore gestione del territorio generando problemi diretti ed indiretti, tra questi, favorito altresì dal riscaldamento globale, anche la proliferazione delle zecche. Questa ricerca ha esaminato in particolare I fattori di rischio individuale relativo allo stile di vita e al MAM.Source: XXI CONVEGNO NAZIONALE SIMeM, Arabba, 28/09/2019

See at: ISTI Repository Open Access | CNR ExploRA