| KEYWORD |
Computer Vision (YOLOv5) e Python per il rilevamento dei danni nei ponti basato sulle immagini
Tesi all'estero
Parole chiave COMPUTER VISION, DAMAGE DETECTION, ISPEZIONE, MACHINE LEARNING, PYTHON
Riferimenti MARCO CIVERA, CECILIA SURACE
Riferimenti esterni Prof Alessandro Sabato, University of Massachusetts Lowell
Tipo tesi RICERCA SPERIMENTALE E TEORICA
Descrizione Il progetto di tesi mira a sfruttare le tecniche di Computer Vision, in particolare utilizzando il modello YOLOv5 in combinazione con la programmazione Python, per sviluppare un sistema sofisticato di rilevamento dei danni nei ponti attraverso l'analisi delle immagini. Integrando YOLOv5, un algoritmo all'avanguardia per il rilevamento di oggetti, con la versatilitą di Python, il progetto cerca di automatizzare il processo di identificazione di problemi strutturali come crepe, corrosione o altri danni superficiali visibili nelle infrastrutture dei ponti. Questo approccio innovativo promette di migliorare l'efficienza, l'accuratezza e la sicurezza delle ispezioni, contribuendo in ultima analisi alla manutenzione e alla conservazione tempestiva di queste infrastrutture critiche.
Il risultato finale sarą un modello 3D come quello gią sviluppato per edifici civili (si veda immagine in allegato).
La tesi si comporrą anche test di laboratorio e sul campo (in situ) su ponti di dimensioni reali in Massachussets, negli Stati Uniti.
Vedi anche image20240229152202.png
Conoscenze richieste MATLAB, possibilmente conoscenze pregresse di algoritmi di Machine Learning
Note Media voti richiesta: >= 27/30 e conoscenza della lingua inglese almeno livello B2/C1
Scadenza validita proposta 28/03/2025
PROPONI LA TUA CANDIDATURA