2025
Other
Open Access
SI-Lab Annual Research Report 2024
Awais Ch Muhammad, Baiamonte A., Benassi A., Berti A., Bertini G., Buongiorno R, Bulotta D., Cafiso M., Carboni A., Carloni G., Caudai C., Colantonio S., Conti F., Daoudagh S., Del Corso G., Fusco G., Galesi G., Germanese D., Gravili S., Ignesti G., Kuruoglu E. E., Lazzini G., Leone G. R., Leporini B., Magrini M., Martinelli M., Omrani Ali Reza, Pachetti E., Papini O., Paradisi P., Pardini F., Pascali M. A., Pieri G., Reggiannini M., Righi M., Salerno E., Salvetti O., Scozzari A., Sebastiani L., Straface S., Tampucci M., Tarabella L., Tonazzini A., Moroni D.
The Signal & Images Laboratory (SI-Lab) 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 2024.DOI: 10.32079/isti-ar-2025/002
Metrics:
Awais Ch Muhammad, Baiamonte A., Benassi A., Berti A., Bertini G., Buongiorno R, Bulotta D., Cafiso M., Carboni A., Carloni G., Caudai C., Colantonio S., Conti F., Daoudagh S., Del Corso G., Fusco G., Galesi G., Germanese D., Gravili S., Ignesti G., Kuruoglu E. E., Lazzini G., Leone G. R., Leporini B., Magrini M., Martinelli M., Omrani Ali Reza, Pachetti E., Papini O., Paradisi P., Pardini F., Pascali M. A., Pieri G., Reggiannini M., Righi M., Salerno E., Salvetti O., Scozzari A., Sebastiani L., Straface S., Tampucci M., Tarabella L., Tonazzini A., Moroni D.
The Signal & Images Laboratory (SI-Lab) 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 2024.DOI: 10.32079/isti-ar-2025/002
Metrics:
2025
Other
Open Access
I_Pad - Italian Performance Archive in Digital. Mapping and Dissemination of the Iconographic and Audiovisual Heritage of Italian Media Performance: Giacomo Verde’s Archive
Pardini F.
Il progetto I_PAD, vincitore del bando PRIN 2022 del MUR, propone una nuova struttura e un modello di archiviazione sotto forma di un repository on-line ad accesso aperto per le produzioni teatrali italiane che contengono componenti tecnologiche.Project(s): I_PAD Italian Performance Archive in Digital
Pardini F.
Il progetto I_PAD, vincitore del bando PRIN 2022 del MUR, propone una nuova struttura e un modello di archiviazione sotto forma di un repository on-line ad accesso aperto per le produzioni teatrali italiane che contengono componenti tecnologiche.Project(s): I_PAD Italian Performance Archive in Digital
See at:
CNR IRIS 
| ipadprin.isti.cnr.it | CNR IRIS 
2025
Journal article
Open Access
Art and Science: a mutual exchange - The experience of the Signals and Images Laboratory of the ISTI-CNR
Magrini M., Carboni A., Pardini F.
In the Signals and Images Laboratory (SILab) at ISTI-CNR, science, technol- ogy and art have developed a symbiotic relationship where, often, each enhances the other. Initially, technologies like gesture recognition were created to support live artistic perfor- mances, allowing artists to control music and graphics interactively. Later, these same tech- nologies were adapted for medical purposes, particularly in motor rehabilitation for children and older people. For example, applications initially designed for art and cultural heritage were found to be helpful in rehabilitation, driving new scientific research. This paper shows some examples where this collaboration has produced innovation and research.Source: MEMORIE DELLA SOCIETÀ ASTRONOMICA ITALIANA, pp. 38-43
DOI: https://doi.org/10.36116/memsait_96n1.2025.38
DOI: 10.36116/memsait_96n1.2025.38
Metrics:
Magrini M., Carboni A., Pardini F.
In the Signals and Images Laboratory (SILab) at ISTI-CNR, science, technol- ogy and art have developed a symbiotic relationship where, often, each enhances the other. Initially, technologies like gesture recognition were created to support live artistic perfor- mances, allowing artists to control music and graphics interactively. Later, these same tech- nologies were adapted for medical purposes, particularly in motor rehabilitation for children and older people. For example, applications initially designed for art and cultural heritage were found to be helpful in rehabilitation, driving new scientific research. This paper shows some examples where this collaboration has produced innovation and research.Source: MEMORIE DELLA SOCIETÀ ASTRONOMICA ITALIANA, pp. 38-43
DOI: https://doi.org/10.36116/memsait_96n1.2025.38
DOI: 10.36116/memsait_96n1.2025.38
Metrics:
2025
Book
Open Access
SCHERMO VERDE - L'archivio di Giacomo Verde riattivato digitalmente con il progetto I-PAD
Magrini M., Monteverdi A. M., Sabatini D., Di Brino A., D'Amico F. D., Lo Gatto S., Pardini F.
Il progetto I_PAD (Italian Performance Archive in Digital), vincitore del bando PRIN 2022 del MUR, propone un nuovo modello di archiviazione in un repository online ad accesso aperto, dedicato alle produzioni teatrali italiane con componenti tecnologiche. Il caso studio è l’Archivio di Giacomo Verde. Studiosi di UniMi, UniLink e di ISTI CNR collaborano alle varie fasi: selezione, restauro, digitalizzazione, metadatazione e riproposizione dei materiali in formati digitali, ambienti immersivi e online.Project(s): I_PAD Italian Performance Archive in Digital
Magrini M., Monteverdi A. M., Sabatini D., Di Brino A., D'Amico F. D., Lo Gatto S., Pardini F.
Il progetto I_PAD (Italian Performance Archive in Digital), vincitore del bando PRIN 2022 del MUR, propone un nuovo modello di archiviazione in un repository online ad accesso aperto, dedicato alle produzioni teatrali italiane con componenti tecnologiche. Il caso studio è l’Archivio di Giacomo Verde. Studiosi di UniMi, UniLink e di ISTI CNR collaborano alle varie fasi: selezione, restauro, digitalizzazione, metadatazione e riproposizione dei materiali in formati digitali, ambienti immersivi e online.Project(s): I_PAD Italian Performance Archive in Digital
2025
Conference article
Open Access
Leveraging AI for Signal and Image Analysis in Medicine and Health
Marco Cafiso, Andrea Carboni, Claudia Caudai, Sara Colantonio, Francesco Conti, Mario D’acunto, Said Daoudagh, Giulio Del Corso, Danila Germanese, Giacomo Ignesti, Gianmarco Lazzini, Giuseppe Riccardo Leone, Massimo Magrini, Davide Moroni, Francesca Pardini, Maria Antonietta Pascali, Paolo Paradisi, Federico Volpini
The integration of artificial intelligence (AI) into the medical domain is driving innovation and progress in healthcare. This paper summarizes the research activities that a multidisciplinary research group within the Signals and Images Lab of the Institute of Information Science and Technologies of the National Research Council of Italy is carrying out to explore the great potential of AI in several applications, e.g., in the analysis of biomedical data, and in the development of tools for enhancing trustworthiness and reliability of AI based systems. From cancer diagnosis and grading, to the analysis of body physiological signals to improve the understanding of dance movement therapy as an approach to healthy aging, this work highlights the paradigm shift that AI has brought into medicine and healthcare.Source: CEUR WORKSHOP PROCEEDINGS, vol. 4121. Trieste, June 23-24, 2025
Marco Cafiso, Andrea Carboni, Claudia Caudai, Sara Colantonio, Francesco Conti, Mario D’acunto, Said Daoudagh, Giulio Del Corso, Danila Germanese, Giacomo Ignesti, Gianmarco Lazzini, Giuseppe Riccardo Leone, Massimo Magrini, Davide Moroni, Francesca Pardini, Maria Antonietta Pascali, Paolo Paradisi, Federico Volpini
The integration of artificial intelligence (AI) into the medical domain is driving innovation and progress in healthcare. This paper summarizes the research activities that a multidisciplinary research group within the Signals and Images Lab of the Institute of Information Science and Technologies of the National Research Council of Italy is carrying out to explore the great potential of AI in several applications, e.g., in the analysis of biomedical data, and in the development of tools for enhancing trustworthiness and reliability of AI based systems. From cancer diagnosis and grading, to the analysis of body physiological signals to improve the understanding of dance movement therapy as an approach to healthy aging, this work highlights the paradigm shift that AI has brought into medicine and healthcare.Source: CEUR WORKSHOP PROCEEDINGS, vol. 4121. Trieste, June 23-24, 2025
See at:
ceur-ws.org | CNR IRIS | CNR IRIS
2024
Other
Restricted
BANDO RICERCA COVID 19 TOSCANA. Relazione tecnica finale
Lorenza Pratali, Michela Rial, Serena Cardinali, Jessica De Giovanni, Emma Buzzigoli, Luca Bastiani, Chiara Deri, Gennaro D'Angelo, Laura Roth, Ida Rebecca Borth, Antonella Tomei, Silvia Memmini, Alessandro Iala, Alessandro Dini, Franca Marzoli, Cesare Rivieri, Mirko Passera, Luca Serasini, Davide Moroni, Antonio Bruno, Ignesti Giacomo, Giulio Galesi, Francesca Pardini, Francesca Borri, Massimo Martinelli
Project(s): TiAssisto
Lorenza Pratali, Michela Rial, Serena Cardinali, Jessica De Giovanni, Emma Buzzigoli, Luca Bastiani, Chiara Deri, Gennaro D'Angelo, Laura Roth, Ida Rebecca Borth, Antonella Tomei, Silvia Memmini, Alessandro Iala, Alessandro Dini, Franca Marzoli, Cesare Rivieri, Mirko Passera, Luca Serasini, Davide Moroni, Antonio Bruno, Ignesti Giacomo, Giulio Galesi, Francesca Pardini, Francesca Borri, Massimo Martinelli
Project(s): TiAssisto
2024
Other
Open Access
A comprehensive system supporting sustainable agricultural production from farm to fork
Carboni A., Galesi G., Ignesti G., Leone G. R., Magrini M., Martinelli M., Martino G., Moroni D., Pardini F., Scozzari A.
Poster presented at ISTI Day 2023-2024 edition on June 14 2024.DOI: 10.5281/zenodo.12168200
Metrics:
Carboni A., Galesi G., Ignesti G., Leone G. R., Magrini M., Martinelli M., Martino G., Moroni D., Pardini F., Scozzari A.
Poster presented at ISTI Day 2023-2024 edition on June 14 2024.DOI: 10.5281/zenodo.12168200
Metrics:
2024
Journal article
Open Access
Towards an inclusive future: technologies and methods for active and healthy ageing and developmental disorders
Carboni A., Magrini M., Pardini F.
This article presents an overview of the technological advancements and research initiatives in the fields of Active and Healthy Ageing (AHA) and Autism Spectrum Disorder (ASD). Through the integration of IoT platforms, AI-based systems, and sensor networks, several projects have demonstrated significant improvements in quality of life for elderly individuals and children with developmental disorders. In this article, we will reference projects conducted by the SiLAB laboratory of ISTI-CNR in these two fields, which are united by the shared emphasis on inclusiveness and the application of similar technologies. These initiatives emphasize personalized approaches to healthcare, rehabilitation, and monitoring, highlighting the potential of technology in creating inclusive environments. The article also consider the implications of European regulations, such as the GDPR and the AI Act, for projects dealing with sensitive data, stressing the importance of stakeholder engagement and ethical considerations in the development of these technologies.Source: MEMORIE DELLA SOCIETÀ ASTRONOMICA ITALIANA, vol. 96, pp. 44-49
Carboni A., Magrini M., Pardini F.
This article presents an overview of the technological advancements and research initiatives in the fields of Active and Healthy Ageing (AHA) and Autism Spectrum Disorder (ASD). Through the integration of IoT platforms, AI-based systems, and sensor networks, several projects have demonstrated significant improvements in quality of life for elderly individuals and children with developmental disorders. In this article, we will reference projects conducted by the SiLAB laboratory of ISTI-CNR in these two fields, which are united by the shared emphasis on inclusiveness and the application of similar technologies. These initiatives emphasize personalized approaches to healthcare, rehabilitation, and monitoring, highlighting the potential of technology in creating inclusive environments. The article also consider the implications of European regulations, such as the GDPR and the AI Act, for projects dealing with sensitive data, stressing the importance of stakeholder engagement and ethical considerations in the development of these technologies.Source: MEMORIE DELLA SOCIETÀ ASTRONOMICA ITALIANA, vol. 96, pp. 44-49
See at:
CNR IRIS | www.memsait.it | CNR IRIS
2023
Other
Restricted
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.
Pardini F, Martinelli M
Materiale didattico utilizzato all'evento La primavera della Ricerca, tenuto a Pisa il 12 maggio 2023.
See at:
CNR IRIS | CNR IRIS | laprimaveradellaricerca.cnr.it
2022
Other
Restricted
Barilla Agrosat+: Comunicazioni
Pardini F, Bruno A, Dainelli R, Rocchi L, Moroni D, Toscano P, Martinelli M
Comunicazione dei risultati ottenuti.
Pardini F, Bruno A, Dainelli R, Rocchi L, Moroni D, Toscano P, Martinelli M
Comunicazione dei risultati ottenuti.
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.DOI: 10.1109/sitis57111.2022.00089
Metrics:
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.DOI: 10.1109/sitis57111.2022.00089
Metrics:
See at:
CNR IRIS | ieeexplore.ieee.org | ISTI Repository | CNR IRIS | CNR IRIS
2022
Other
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.DOI: 10.32079/isti-ar-2022/003
DOI: https://doi.org/10.32079/isti-ar-2022/003
Metrics:
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.DOI: 10.32079/isti-ar-2022/003
DOI: https://doi.org/10.32079/isti-ar-2022/003
Metrics:
See at:
CNR IRIS | ISTI Repository | CNR IRIS
2022
Other
Restricted
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.
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.
2022
Other
Restricted
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. Questo deliverable mira a descrivere i test in laboratorio eseguiti per il sistema di gestione, editing e attuazione di policies basate sui dati di localizzazione. Si tratta in effetti di risultati intermedi, preliminari alla attività di test più estesa eseguita nel corso dell'attività AO2.5 a cui si rimanda per una trattazione più completa. Nella sezione 2 si riportano i risultati attesi come da proposta. Nella sezione 3 si descrive il loro raggiungimento in laboratorio, mentre la sezione 4 conclude il presente documento.
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. Questo deliverable mira a descrivere i test in laboratorio eseguiti per il sistema di gestione, editing e attuazione di policies basate sui dati di localizzazione. Si tratta in effetti di risultati intermedi, preliminari alla attività di test più estesa eseguita nel corso dell'attività AO2.5 a cui si rimanda per una trattazione più completa. Nella sezione 2 si riportano i risultati attesi come da proposta. Nella sezione 3 si descrive il loro raggiungimento in laboratorio, mentre la sezione 4 conclude il presente documento.
2022
Other
Restricted
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.
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.
2022
Other
Restricted
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.
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.
2022
Other
Open Access
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.
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 IRIS | www.bright-night.it | CNR IRIS
2022
Other
Restricted
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".
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".
2021
Other
Open Access
SI-Lab Annual Research Report 2020
Leone Gr, Righi M, Carboni A, Caudai C, Colantonio S, Kuruoglu Ee, Leporini B, Magrini M, Paradisi P, Pascali Ma, 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.DOI: https://doi.org/10.32079/isti-ar-2021/001
DOI: 10.32079/isti-ar-2021/001
Metrics:
Leone Gr, Righi M, Carboni A, Caudai C, Colantonio S, Kuruoglu Ee, Leporini B, Magrini M, Paradisi P, Pascali Ma, 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.DOI: https://doi.org/10.32079/isti-ar-2021/001
DOI: 10.32079/isti-ar-2021/001
Metrics:
See at:
CNR IRIS | ISTI Repository | CNR IRIS