Deep Learning per il riciclo e infrarossi per testare il pesce fresco: SMACT premia tre progetti di ricerca targati UniPd

FacebookTwitterLinkedInWhatsAppEmail

SMACT Competence Center premia tre progetti di ricerca che propongono soluzioni innovative pronte per essere applicate nelle aziende del Nordest: un sistema per ottimizzare l’iniezione di sostanze plastiche riciclate grazie all’uso dell’intelligenza artificiale, un sistema robotizzato per lo smistamento dei rifiuti basato sul Deep Learning e una tecnologia che grazie ai raggi infrarossi può valutare la freschezza dei prodotti alimentari senza la necessità di aprire la confezione, applicabile in particolare alla filiera del pesce.

 

I tre progetti – elaborati da ricercatori del Triveneto – sono stati selezionati tra 21 candidature valutate come idonee ricevute in risposta alla “Call 4 Ideas 2022”, lanciata da SMACT nei mesi scorsi, che mirava a raccogliere e premiare le migliori proposte progettuali di innovazione di ricerca applicata inviate dagli atenei e centri di ricerca di Veneto, Friuli Venezia Giulia e Trentino Alto Adige sulla base di tre traiettorie di interesse individuate dopo un confronto con le imprese partner del Centro. A scegliere i vincitori una Commissione di valutazione tecnica nominata dal Consiglio di Gestione del Competence Center e formata da rappresentati delle imprese parte dell’Innovation Ecosystem SMACT: Adige Gruppo BLM, Carel Industries, Danieli, Electrolux, Genagricola, Omitech, Shneider Electric, Wartsila.

 

La premiazione è avvenuta ieri giovedì 21 luglio al centro congressi Padova Congress durante l’evento #INNOAI, un confronto tra i principali competence center italiani nell’ambito del congresso IEEE World Congress on Computational Intelligence – IEEE WCCI 2022, il più rilevante appuntamento dedicato alla ricerca in questo settore.

Ciascun progetto vincitore riceverà un premio di 10mila euro da impiegare nella loro applicazione concreta, in stretta relazione con SMACT e le imprese.

«Questa prima edizione della Call 4 Ideas ci ha colpiti per la grande qualità delle proposte pervenute da tutti i principali atenei e centri di ricerca del Nordest – commenta Matteo Faggin, direttore generale di SMACT –. Il nostro impegno ora è rivolto a facilitare la realizzazione dei progetti, premiati e non. Li sottoporremo all’attenzione delle imprese del nostro network al fine di dar vita a progetti concreti di trasferimento tecnologico, che è poi la finalità per perseguire la quale SMACT nasce e opera, e lo faremo anche attraverso la definizione di proposte per bandi europei e nazionali PNRR».

I progetti vincitori

Per la prima traiettoria, «Filiere resilienti configurabili», è risultato vincitore il progetto «Sviluppo di sistema basato su intelligenza artificiale per lo stampaggio a iniezione di plastiche riciclate da post consumo» presentato dal Dipartimento di Ingegneria Industriale dell’Università di Padova da un team formato da Giovanni Lucchetta, Marco Sorgato, Leonardo Piccolo ed Enrico Bovo. La proposta mira a sviluppare un sistema basato su intelligenza artificiale, sensoristica e retrofitting IoT applicati ai sistemi di stampaggio a iniezione che rilevi in real-time le variazioni delle proprietà delle plastiche riciclate da post consumo, preveda e proponga all’operatore le modifiche dei parametri di processo necessarie per compensare l’effetto di tali variazioni, ottimizzi i parametri di processo tenendo conto del consumo energetico, e apprenda dall’esito degli interventi compensativi proposti. In sostanza si rende più efficiente l’utilizzo di plastica riciclata per lo stampaggio di nuovi prodotti, riducendo l’incidenza degli scarti e il consumo energetico, eliminando inoltre la necessità di impiegare personale altamente qualificato nella correzione dei parametri di processo.

Per la seconda traiettoria, «Zero-waste & green transition», il premio è andato al «Sistema robotizzato per lo smistamento dei rifiuti basato su Deep Learning» proposto dal Dipartimento di Ingegneria dell’Informazione (DEI) dell’Università di Padova, da un team formato da Emanuele Menegatti e Alberto Bacchin. Si tratta di un sistema di smistamento dei rifiuti robotizzato volto a migliorare la qualità e quantità del materiale recuperato, limitando costi e uso di manodopera. Due le componenti principali: un sistema di visione basato su Deep Learning (DL) che combini diverse telecamere, in modo da ottenere un’elevata accuratezza nel riconoscimento del materiale, e un robot manipolatore che effettuerà lo smistamento degli oggetti in base al feedback del sistema di visione. La pianificazione della presa sfrutterà il Reinforcement Learning (RL) per imparare a gestire situazioni complesse come la singolarizzazione di oggetti da una pila o flusso disordinati.

Infine, nell’ambito della terza traiettoria denominata «Resilienza farm to fork», il progetto selezionato è «Filiera Autenticata con Sistema Tecnologico, Ecologico e Rapido (FASTER)» presentato dal Dipartimento di Biomedicina Comparata e Alimentazione dell’Università di Padova con un team formato da Stefania Balzan, Luca Fasolato, Sarah Currò e Pierantonio Facco. Si tratta di un sistema che utilizza la spettroscopia NIR per valutare e autenticare in tempo reale lo stato di conservazione di un prodotto alimentare sia di origine alimentare che vegetale e di farlo sul campo, senza la distruzione della confezione. Il prodotto può quindi essere commercializzato dopo il test a campione. In particolare, lo strumento è stato immaginato per la filiera del pesce fresco, a partire da un caso applicativo sulle seppie.

Ti potrebbe interessare