Research database

Tuttavia, devono essere esaminate manualmente centinaia o migliaia di immagini ad alta risoluzione. Questo processo rimane lungo, costoso e soggetto a errori dovuti a stanchezza e soggettività interpretativa. In questo contesto la piattaforma informatica basata su intelligenza artificiale introduce un notevole valore aggiunto all’ispezione visiva. Mentre il drone automatizza la raccolta dati, l'AI automatizza l'interpretazione delle immagini. La piattaforma può processare un volume di immagini enormemente superiore a quello che una persona umano potrebbe gestire nello stesso arco di tempo. Ciò non solo comprime drasticamente i tempi tra l'ispezione e la disponibilità dei risultati, ma permette anche di aumentare la frequenza delle ispezioni a parità di budget. L'occhio umano, per quanto esperto, è soggetto a variabilità. La valutazione della gravità di una cricca o dell'estensione di un'area corrosa può variare tra diversi ispettori o per lo stesso ispettore in momenti diversi. L'algoritmo di intelligenza artificiale, invece, applica criteri oggettivi e standardizzati a ogni singola immagine. Lo stato dell'arte attuale, anche con droni, supporta principalmente una manutenzione preventiva, basata su cicli temporali, o correttiva, a seguito di un'individuazione. La piattaforma AI è un fattore abilitante della manutenzione predittiva. Confrontando le ispezioni nel tempo, l'AI può calcolare la velocità di propagazione di una cricca o di crescita di un'area corrosa, e sulla base di questi dati predire il tempo residuo, prima che il difetto raggiunga una soglia di criticità. L’obiettivo generale è realizzare una piattaforma basata su IA che supporti le ispezioni visive di ATP effettuate con APR, integrando un modulo di valutazione della qualità delle immagini e un modulo di rilevamento automatico delle anomalie, con reportistica strutturata e interfaccia web fruibile tramite portale INAIL. Il risultato atteso è un incremento significativo della sicurezza, dell’oggettività e della tempestività del processo ispettivo lungo l’intero ciclo di vita dell’attrezzatura. Si prevede di realizzare l’intera pipeline che prevede: (i) pre-processing (correzione distorsioni/illuminazione), (ii) Image Quality Assesment (IQA) (se la qualità è sotto soglia si propone una riacquisizione mirata), (iii) inferenza con i modelli appropriati, (iv) post-processing (NMS e operatori morfologici). Laddove siano disponibili riferimenti geometrici o telemetrie (campo visivo, distanza stimata), il sistema fornisce anche una stima della severità in unità fisiche (es. lunghezza di una cricca). Infine, i punteggi sono accompagnati da misure di incertezza per supportare decisioni prudenti in caso di bassa confidenza. Tutto il flusso è pensato per produrre report strutturati con evidenza delle immagini critiche e difetti rilevati, esportabili in formati standard (PDF/JSON/CSV), in linea con i requisiti del bando.