| KEYWORD |
Valutazione dell’Affidabilità di Reti Neurali Convoluzionali per la Segmentazione di Immagini Multispettrali a bordo di Microsatelliti per l’Osservazione della Terra
Tesi esterna in azienda
Parole chiave AFFIDABILITA', ARGOTEC, IRIDE, MICROSATELLITI, OSSERVAZIONE DELLA TERRA, RETI NEURALI CONVOLUZIONALI
Riferimenti ANNACHIARA RUOSPO, EDGAR ERNESTO SANCHEZ SANCHEZ
Riferimenti esterni Lorenzo Sarti; Niccolò Battezzati
Gruppi di ricerca DAUIN - GR-05 - ELECTRONIC CAD and RELIABILITY GROUP - CAD
Tipo tesi SOFTWARE SPERIMENTALE
Descrizione Negli ultimi anni, il mercato dei Microsatelliti è cresciuto rapidamente grazie al loro compatto fattore di forma, che permette di abbattere i costi di lancio e sviluppo tipici del settore spaziale. In questo contesto, Argotec, azienda leader nello sviluppo di Microsat sia per missioni in Deep Space che in Low Earth Orbit (LEO), partecipa al programma italiano IRIDE per l’Osservazione della Terra con una costellazione di satelliti dotati di payload multispettrali ad alta risoluzione. La piattaforma tecnologica di Argotec, HAWK, potrà contare su un Payload Data Processor (PDP) per l’implementazione di algoritmi di AI on-the-edge.
Argotec propone un progetto di tesi per lo sviluppo di un tool/framework per la valutazione dell’affidabilità di reti neurali convoluzionali per task di segmentazione su immagini multispettrali a bordo di questi Microsat. Partendo quindi dall’individuazione di casi d’uso rilevanti nel contesto del programma IRIDE, verrà definito un metodo per la valutazione dell’affidabilità dei modelli selezionati per questi casi d’uso. Seguirà la fase di sviluppo del framework e la validazione direttamente sul Payload Data Processor imbarcato a bordo della costellazione. Visto il numero crescente di piattaforme satellitari sempre più consapevoli e autonome, questa tesi contribuirà alla possibilità di valutare con accuratezza l’affidabilità dei modelli impiegati a bordo, giocando un ruolo chiave per la riuscita della missione e la durata in orbita del satellite.
Conoscenze richieste • Teoria del Machine Learning e Deep Learning
• Reti Neurali Convoluzionali
• Python e C
• Sistemi Operativi Linux
• Nozioni di Affidabilità dei Sistemi AI
Scadenza validita proposta 11/12/2024
PROPONI LA TUA CANDIDATURA