| KEYWORD |
Controlli di qualità su polveri metalliche per additive manufacturing mediante modelli basati su reti neurali convoluzionali
Riferimenti MARCO ACTIS GRANDE
Riferimenti esterni Marta Ceroni
Matteo Giardino
Tipo tesi RICERCA APPLICATA
Descrizione La tesi prevede lo sviluppo di un modello basato su rete neurale convoluzionale per il rilevamento e la quantificazione di contaminazioni all’interno di polveri metalliche per applicazioni di additive manufacturing, a partire da misure di assorbimento nel visibile e vicino infrarosso.
La prima parte del lavoro di tesi si baserà sulla costruzione di un database delle proprietà ottiche e magnetiche (indici di rifrazione e permeabilità magnetica) a partire dalla letteratura. Si svilupperà un codice per estrarre le immagini contenute nei file PDF di articoli scientifici, che verranno poi segmentate per estrarre i dati ricercati.
I dati ottici così estratti verranno utilizzati all’interno di un codice Python (già realizzato) che permetterà di calcolare la risposta ottica di lotti di polveri metalliche.
Al fine di rilevare e quantificare eventuali contaminazioni nelle polveri prodotte dall’impianto di gas atomizzazione della sede di Alessandria del Politecnico di Torino, lo studente realizzerà un codice basato su rete neurale convoluzionale. Il modello verrà addestrato su dati simulati e successivamente validato su dati sperimentali ottenuti da polveri addizionate con quantitativi noti di contaminante.
Tale lavoro di tesi risulta altamente innovativo e con chiare applicazioni in un ambito di assoluta importanza industriale, quale quello dell’additive manufacturing metallico.
Conoscenze richieste Si richiede che il candidato abbia esperienze nella realizzazione di modelli di deep learning basati su rete neurale e nella programmazione in linguaggio Python e in una libreria a scelta tra PyTorch, Keras o TensorFlow. Particolarmente apprezzata sarà anche la capacità di realizzare interfacce grafiche mediante l’uso di librerie Tkinter o Qt.
Per lo svolgimento di tale progetto di tesi non sono assolutamente necessarie conoscenze pregresse in ambito di metallurgia e fisica dello stato solido. I tutori di tesi forniranno il materiale necessario per acquisire una minima base di nozioni necessarie ad una migliore comprensione del lavoro da svolgere.
Scadenza validita proposta 06/06/2025
PROPONI LA TUA CANDIDATURA