Federico Cum

Dottorando in Ingegneria Elettrica, Elettronica E Delle Comunicazioni , 38^o ciclo (2022-2025)
Dipartimento di Elettronica e Telecomunicazioni (DET)

Docente a contratto e/o collaboratore didattico
Dipartimento di Elettronica e Telecomunicazioni (DET)

federico.cum@polito.it

Profilo

Dottorato di ricerca

Argomento di ricerca

Monitoraggio di colture agricole attraverso l’utilizzo di droni e sensori IoT innovativi

Tutori

Danilo Demarchi
Christian Di Benedetto

Keywords

Analog, Power and Mixed-Signal Circuits and Embedded Systems

Big Data, Machine Learning, Neural Networks and Data Science

Biografia

Sono un ingegnere elettronico laureato al Politecnico di Torino. Mi appassiona lavorare nel campo dei sistemi embedded e del machine learning. Durante la mia tesi magistrale ho avuto l'opportunità di entrare in contatto con il settore agrifood, e ora durante il mio dottorato mi dedicherò all'integrazione di sensori IoT per l'agricoltura a bordo di droni. Sono entusiasta di continuare a crescere professionalmente e di contribuire al settore dell'agricoltura con le mie competenze in elettronica e tecnologie emergenti.

Didattica

Insegnamenti

Corso di laurea magistrale

Circuits and electrical engineering and Electronic systems (modulo di Electronic systems). A.A. 2025/26, AGRITECH ENGINEERING. Collaboratore del corso
Circuits and electrical engineering and Electronic systems (modulo di Electronic systems). A.A. 2024/25, AGRITECH ENGINEERING. Collaboratore del corso
Circuits and electrical engineering and Electronic systems (modulo di Electronic systems). A.A. 2023/24, AGRITECH ENGINEERING. Collaboratore del corso

MostraNascondi A.A. passati

Pubblicazioni

Pubblicazioni più recenti Vedi tutte le pubblicazioni su Porto@Iris

Cum, Federico; Alfarano, Luca; Pugliese, Massimo; Demarchi, Danilo; Garlando, Umberto (2025)
LSTM Neural Networks Anomaly Detection for Biotic and Abiotic Early Stress Detection on Tomato Plants. In: IEEE TRANSACTIONS ON AGRIFOOD ELECTRONICS., vol. 3, pp. 348-356. ISSN 2771-9529
Contributo su Rivista
Cum, Federico; Calvo, Stefano; Sanginario, Alessandro; Garlando, Umberto (2024)
Evaluation of Machine Learning Models for Water Stress Detection Using Stem Impedance. In: IEEE TRANSACTIONS ON AGRIFOOD ELECTRONICS., pp. 1-9. ISSN 2771-9529
Contributo su Rivista
Cum, F.; Alfarano, L.; Pugliese, M.; Demarchi, D.; Garlando, U. (2024)
Preliminary Analysis of Biotic and Abiotic Stress on Tomato Plants Using Impedance Measurements and Time Series Clustering. In: IEEE Conference on Agrifood Electronics 2024, Xanthi (Gre), 26-28 September 2024, pp. 125-129. ISBN: 979-8-3315-2730-3
Contributo in Atti di Convegno (Proceeding)
Cum, Federico; Calvo, Stefano; Demarchi, Danilo; Garlando, Umberto (2023)
Machine Learning Models Comparison for Water Stress Detection Based on Stem Electrical Impedance Measurements. In: 2023 IEEE Conference on AgriFood Electronics (CAFE), Torino (Italy), 25-27 September 2023, pp. 108-112. ISBN: 979-8-3503-2711-3
Contributo in Atti di Convegno (Proceeding)
Barezzi, M; Cum, F; Garlando, U; Martina, M; Demarchi, D (2022)
On the impact of the stem electrical impedance in neural network algorithms for plant monitoring applications. In: 2022 IEEE Workshop on Metrology for Agriculture and Forestry (MetroAgriFor), Perugia, Italy, 03-05 November 2022, pp. 131-135. ISBN: 978-1-6654-6998-2
Contributo in Atti di Convegno (Proceeding)