Gennaro Gemito Email & Phone Number

Casalnuovo Di Napoli, Campania, Italia

Salerno, Campania, Italia

DIH² European Project - OSCAR: Realizzazione di un sistema composto da un cooperative robot e da un'interfaccia Mixed Reality, impiegato per assistere e guidare gli operatori durante il processo di assemblaggio di prodotti industriali. Il progetto è stato realizzato per un’azienda in cui il processo di assemblaggio di complessi veicoli elettrici è realizzato manualmente da un operatore. Senza OSCAR, le istruzioni di assemblaggio sono immagazzinate in documenti difficili da consultare e maneggiare durante la costruzione, rendendo il tutto più lento e aumentando la possibilità di errore. L’interfaccia Mixed Reality, invece, fornisce feedback intuitivi all’operatore; tutte le informazioni che possono essere utili sono immediatamente disponibili nell’esatto ordine e al momento giusto.

Salerno, Campania, Italia

Il lavoro di Tesi riguarda l’analisi di immagini di test manoscritti mediante Convolutional Neural Networks (CNNs) come classificatori e Recursive Neural Networks (RNNs) per la generazione di dati sintetici. Il contributo originale di questo lavoro è essenzialmente legato a due diversi aspetti: il primo riguarda la creazione di un dataset di immagini tratte da serie temporali che descrivono le dinamiche della scrittura. In questo lavoro, particolare attenzione è stata posta sull'effettivo impatto che si può apprezzare, in termini di performance, variando il modo di trasporre un segnale dal dominio del tempo nel dominio spaziale.Il secondo contributo riguarda il processo di generazione di dati sintetici per aumentare le dimensioni dei dataset disponibili. In letteratura le tecniche di Data Augmentation sono largamente impiegate per incrementare la quantità di dati. Tuttavia, tutte le tecniche comunemente utilizzate non possono essere applicate ai dataset in esame a causa della natura dei dati di partenza: le immagini in questo lavoro sono state generate da serie temporali con uno specifico significato fisico. L'utilizzo di tecniche di Data Augmentation basate sull’alterazione della posizione o del colore a tali dati non garantisce che, invertendo la trasformazione, si ottenga un profilo fisicamente plausibile. Per questo motivo si è deciso di addestrare una RNN in grado di generare serie storiche sintetiche da convertire in immagini e da utilizzare come estensione dei set di dati originali.

Salerno, Campania, Italia

Lo scopo dell'attività di tirocinio è stato quello di implementare un’applicazione quale strumento automatizzato che semplifichi ed aiuti l’utente nel processo di riconoscimento delle più comuni tipologie di resistori e dei relativi valori di resistenza espressa in Ohm. Per rendere il riconoscimento dei resistori più agevole per l’utente, si è realizzata un’applicazione nativa iOS, sviluppata nell’ambiente Xcode utilizzando il linguaggio di programmazione Swift, che permette all’utente di analizzare un resistore semplicemente inquadrandolo con la fotocamera nell’apposita area di interesse. Una volta che il componente verrà riconosciuto (grazie ad un modello precedentemente addestrato utilizzando tecniche di Machine Learning) inizierà il vero e proprio processo di analisi: l’immagine acquisita viene sottoposta a thresholding e viene contato il numero di bande colorate presente sul corpo della resistenza. Per ogni banda trovata ne viene riconosciuto il colore, sfruttando nuovamente un modello ML opportunamente addestrato, ed in base alla combinazione di quest’ultimi viene generato, attraverso un apposito calcolo, il valore in Ohm corrispondente.

Laurea Magistrale Lm In Ingegneria Informatica, Computer Engineering

Laurea Triennale In Ingegneria Informatica, Computer Engineering

Maturità Scientifica, Liceo Scientifico, 100/100