OK

Attraverso PRISMA il comune ha attivato una serie di progetti per lo sviluppo di soluzioni
applicative rivolte al settore della manifattura in generale e del tessile-moda in particolare.
Ciascuno progetto è capofilato da un'azienda del distretto industriale e collabora con i
laboratori PRISMA per lo sviluppo di nuove soluzioni tecnologiche a favore della produzione,
nei suoi diversi aspetti di gestione della logistica, controllo di sicurezza, comunicazione IoT,
sostenibilità, etc. A ciascun progetto PRISMA mette a disposizione le risorse umane
(ricercatori) e tecnologiche (strumentazione, sofwtare, know-how) necessarie allo sviluppo
delle soluzioni, attraverso un partenariato congiunto "Laboratori PRISMA - imprese del
distretto industriale". Gli ambiti tecnologici e applicativi spaziano: IoT, IA, Additive
Manufacturing, VLC, sicurezza, controllo di qualità, gestione di magazzino, etc.
Alcuni di questi progetti si focalizzano sull'utilizzo dell'IA per lo sviliuppo di soluzioni per la
produzione tessile-moda, in particolare:
VISIOLOOM: Realizzazione di un sistema di visione per il controllo di errori
nell’inserimento trame nelle reti trama-ordito ortogonali per zanzariere. Il sistema di
visione artificiale è in grado di rilevare l’inserimento non corretto di fili di trama che, talvolta,
può avvenire sui telai. Tale sistema viene sviluppato per rilevare la presenza del difetto, su
tutta l’altezza del tessuto, durante la tessitura e per generare un segnale di allarme quando
ciò si verifica, tramite nuove tecnologie di visione e algoritmi di Intelligenza Artificiale,
riducendo drasticamente le difettosità che si generano da un non perfetto inserimento delle
trame garantendo di fatto una costanza qualitativa ottimale su tutti i prodotti (progetto in
corso).
SiViRDIA: Sistema Visuale per il Riconoscimento del Difetto su tessuto tramite Intelligenza
Artificiale. Studio di fattibilità di un sistema automatico a basso costo per il controllo qualità
(difetto di colore) attraverso la realizzazione di un prototipo per la raccolta dati basato
sull’adozione di sensoristica IoT e algoritmi di AI. Il sistema automatico supporta gli operatori
durante il controllo della qualità, alleggerendo il carico di lavoro e migliorando per alcuni
aspetti la precisione del controllo. Analisi degli effettivi benefici ed eventuali limiti in contesto
operativo (progetto in corso).
Smart SHape (SSH): Sviluppo di moduli di tele-manutenzione e di teleassistenza e di
visione artificiale per riconoscere automaticamente la posizione del tessuto e adattare
di conseguenza i parametri del sistema laser, al fine di ottimizzare le lavorazioni. Un modulo
di intelligenza artificiale consentirà la localizzazione automatica di marker sul tessuto e
l’ottimizzazione delle procedure di lavorazione, mentre un’infrastruttura di comunicazione
doterà il sistema di servizi di teleassistenza e tele-manutenzione sui prodotti (progetto in
corso).
OK

Oltre a ciò, il progetto PRISMA ha ospitato attività formative sull'IA:

- 30/3/2023 - Seminario 1: Introduzione all’Intelligenza Artificiale e al Machine Learning - ll
seminario ha esplorato il concetto di Intelligenza Artificiale (AI) evidenziando le differenze tra
"strong AI" e "narrow AI" e mostrando le connessioni esistenti tra AI e Machine Learning
declinato nelle sue tre tipologie: supervised, unsupervised e reinforcement learning. Il
Supervised Learning è stato approfondito con la presentazione delle reti neurali MLP
(MultiLayer Perceptron) e delle reti neurali convoluzionali (Convolutional Neural Networks)
mostrando anche alcune architetture di Deep Neural Networks.
- 31/3/2023 - Seminario 2: Artificial Neural Network: Strumenti e Applicazioni - Il seminario
ha presentato le architetture delle reti neurali Multilayer Perceptron e approfondisce le
problematiche connesse ai processi di addestramento e validazione di una rete neurale
attraverso esempi applicativi. Particolare evidenza sarà posta alle tecniche di inizializzazione
dei parametri, alla scelta della funzione di costo e alle tecniche di regolarizzazione per il
superamento dell'underfitting e overfitting della rete neurale. Il seminario ha mostrato, infine,
il concetto di transfer learning attraverso un esempio applicativo basato sulle reti
convoluzionali.