| KEYWORD |
EMC Group (Electromagnetic Compatibility)
Riconoscimento di circuiti e grafi mediante tecniche di Intelligenza Artificiale e Machine Learning
Parole chiave CIRCUITI, MACHINE LEARNING, OCR, PATTERN RECOGNITION
Riferimenti STEFANO GRIVET TALOCIA
Gruppi di ricerca EMC Group (Electromagnetic Compatibility)
Descrizione Il riconoscimento di forme e oggetti da immagini o video e' uno strumento essenziale in molti campi applicativi. Si pensi al semplice riconoscimento di testi a partire da immagini scannerizzate, oppure alla guida autonoma dei veicoli, che e' possibile solo grazie all'identificazione di ostacoli, persone, veicoli e semafori da parte di telecamere e radar.
L'obbiettivo di questa tesi e' l'applicazione di tecniche di Intelligenza Artificiale e Machine Learning per il riconoscimento automatico di circuiti elettrici a partire da immagini (una fotografia, una scansione di un libro di testo o anche uno schizzo generato a mano). In particolare, si vuole identificare la topologia del circuito dato in termini di nodi, elementi, e connessioni mediante il riconoscimento dei simboli circuitali e delle giunzioni delle corrispondenti linee di collegamento. L'ulteriore riconoscimento dei dati numerici (valori degli elementi e relative unita' di misura) permettera' addirittura di costruire una rappresentazione astratta del circuito e di risolverlo mediante metodi formali e automatici
Le metodologie da utilizzare e le competenze da sviluppare includono:
- elaborazione delle immagini e applicazione di machine learning/object recognition, per riconoscere quali elementi di circuito sono inclusi, e quale č la topologia del circuito. In questa fase verranno utilizzate le librerie e i framework piu' comuni (YOLO, RCNN) per il riconoscimento degli oggetti, mentre algoritmi di tracking saranno utilizzati per identificare connessioni fra elementi e topologia.
- riconoscimento del testo, per identificare i nomi dei componenti, i loro valori, e identificare il problema da risolvere (saranno utilizzate librerie esistenti per OCR). Questo secondo task č in subordine e verrā sviluppato solo se e quando il primo task di riconoscimento sarā completato
- formulazione delle equazioni del circuito e loro soluzione utilizzando la MNA (Modified Nodal Analysis). Questa parte non richiederā sviluppo in quanto giā disponibile da parte del docente.
- generazione automatizzata dello schematico del circuito "pulito" e formattazione della soluzione. Questa parte non richiederā sviluppo in quanto giā disponibile da parte del docente.
Conoscenze richieste Predisposizione per la formalizzazione matematica di problemi e algoritmi. Programmazione in ambiente Matlab e soprattutto Python necessaria per utilizzare librerie software esistenti. Sarā messa a disposizione una infrastruttura software/hardware appropriate per lo sviluppo, training, validazione e inferenza.
Scadenza validita proposta 07/09/2025
PROPONI LA TUA CANDIDATURA