Progetto

Titolo: PIASTRE – Piattaforma Adattiva Innovativa per Strade Resilienti

Ambito -Traiettoria di sviluppo: Ambito 3 “Aerospazio”

Protocollo: A0613-2023-078168

CUP: F83D23000470009

Costi Ammessi: 869.439,25 €

Contributo Concesso: 499.810,42 €

Costi Ammessi Roma Nais: 337.463 €

Contributo Concesso Nais: 174.214,11 €

Soggetti Beneficiari

Mandataria: Nextant Applications & Innovative Solutions (NAIS)

Mandanti:

• Università degli Studi Roma Tre – Dipartimento di Ingegneria Civile, Informatica e delle Tecnologie Aeronautiche

Responsabile Scientifico Università degli studi Roma Tre: Prof. Andrea Benedetto

• IFR Supplies S.r.l.

Descrizione

La mission del progetto è lo sviluppo di una piattaforma adattiva in cloud per la gestione dei sistemi di trasporto e delle infrastrutture critiche, tramite l’utilizzo di algoritmi di AI per l’analisi integrata di dati satellitari, sensori IoT, droni e rilievi terrestri.La piattaforma oggetto di PIASTRE si candida a divenire uno strumento mirato a coprire le esigenze dei grandi gestori e delle regioni, in quanto è evidente che l’elevato numero di opere, coniugato con i rapidi processi di deterioramento per i quali già si registrano drammatiche conseguenze nel Paese, non consente un monitoraggio diffuso attraverso i rilievi tradizionali.

Punti di forza di PIASTRE sono:

• maggiore grado di automazione nel processo di valutazione dei danni alle infrastrutture, in virtù dell’utilizzo delle reti profonde sviluppate nel corso del progetto;

• maggiore sistematicità, continuità e pervasività nel rilevamento e nella gestione dei danni derivanti dall’utilizzo degli strumenti e delle tecniche sviluppate;

• maggiore predicibilità dell’evoluzione dei fenomeni e dei tempi di vita residui, in virtù degli strumenti di predictive data analytics sviluppati.

Questo grazie al team di ingegneri impegnati nel progetto, che vantano elevatissime competenze e specializzazioni negli ambiti di tecniche di elaborazione di dati e osservazione della Terra da satellite o drone, oltre a tecniche di Machine e Deep Learning applicate alla classificazione di immagini, al rilevamento di oggetti e alla segmentazione semantica di immagini, algoritmi innovativi per il processamento di immagini satellitari e generazione di prodotti a valore aggiunto (Ortofoto, DSM, mappe di classificazione), nonché la realizzazione di sistemi applicativi complessi basati su approcci a micro-servizi, tecnologie web e architetture distribuite in ambiente cloud, ed ancora tecniche di Natural Language Processing.

Tali competenze costituiscono un presupposto essenziale a fronte dell’integrazione degli aspetti di varia natura che caratterizzano il progetto PIASTRE, in particolare il monitoraggio satellitare per l’individuazione di condizioni statiche e geotecniche critiche (per le quali il gruppo vanta una riconosciuta ed originale esperienza nazionale e internazionale), le indagini ground-based NDTs attraverso l’utilizzo di Georadar, Laser Scanner, Falling Weight Deflectometer (FWD), la creazione di modelli BIM e Digital Twin a partire da rilievo di tipo Laser Scanner, l’applicazione di tecniche di Machine Learning per il rilevamento automatico e la valutazione di ammaloramenti della sovrastruttura stradale (fessurazioni, ormaie, buche), e la creazione di file vettoriali interoperabili attraverso propri codici di elaborazione in ambiente Matlab, al fine di consentire un agevole scambio in piattaforme GIS e supporto alla creazione di Digital Twins, BIM e rilievo.

Così PIASTRE si propone a mercati fortemente interessati alla individuazione e monitoraggio di danni, grazie all’elaborazione automatica di immagini per l’individuazione dei difetti a valle di un opportuno transfer learning delle reti profonde sviluppate.

Tra i mercati interessati al rilevamento di danni a partire da immagini è possibile elencare:

• il mercato delle costruzioni civili, con particolare riferimento all’individuazione dei quadri fessurativi e della loro evoluzione temporale in edifici, dighe

• il mercato aeronautico, in cui gli strumenti sviluppati potranno essere utilizzati per l’individuazione dei danni superficiali nelle strutture meccaniche quali carlinghe, cabine

• il mercato energy, in cui gli strumenti sviluppati potranno essere utilizzati per l’individuazione dei danni superficiali presenti sulle pale eoliche e sulle condotte La gestione dei dati attraverso una piattaforma in cloud rappresenta un ulteriore elemento a favore della replicabilità del progetto nei suddetti mercati, laddove la gestione di più sorgenti di dati, di analisi, e l’utilizzo di tecnologie quali BIM e abilitanti a Digital Twin risultano di forte utilità nella gestione del ciclo di vita delle infrastrutture.

Per informazioni o richieste contattare Valerio Corini (Coordinatore Tecnico-Scientifico) all’indirizzo:

valerio.corini@nais-solutions.it