La digitalizzazione dei processi industriali rappresenta una delle principali sfide e opportunità dell’Industria 4.0. In questo contesto, la realtà aumentata (AR) e l’intelligenza artificiale offrono strumenti innovativi per migliorare l’efficienza operativa e la gestione delle informazioni tecniche. La presente tesi descrive lo sviluppo di un’applicazione mobile di realtà aumentata, progettata e realizzata per un’azienda del settore manifatturiero, con l’obiettivo di facilitare il riconoscimento automatico di macchine industriali e la visualizzazione immediata delle relative specifiche tecniche direttamente su smartphone. L’applicazione sfrutta un modello di visione artificiale basato su YOLO (You Only Look Once), ottimizzato ed esportato su dispositivi mobili tramite TensorFlow Lite, per garantire rapidità e precisione nell’identificazione degli oggetti in tempo reale. L’interfaccia utente, sviluppata con Flutter, consente un’esperienza cross-platform fluida e intuitiva. Inoltre, la comunicazione tra l’applicazione e il cloud aziendale è gestita tramite protocollo WebSocket, assicurando la trasmissione sicura e bidirezionale dei dati tecnici. I risultati ottenuti durante la fase di test evidenziano un significativo miglioramento nei tempi di accesso alle informazioni e una riduzione degli errori operativi, confermando l’efficacia dell’integrazione tra AR, machine learning e tecnologie cloud in ambito industriale. La tesi analizza nel dettaglio le scelte progettuali, le sfide affrontate e le prospettive di evoluzione futura del sistema.
The digitalization of industrial processes is one of the main challenges and opportunities of Industry 4.0. In this context, augmented reality (AR) and artificial intelligence provide innovative tools to enhance operational efficiency and the management of technical information. This thesis describes the development of a mobile augmented reality application, designed and implemented for a manufacturing company, with the aim of facilitating the automatic recognition of industrial machines and the immediate display of their technical specifications directly on a smartphone. The application leverages a computer vision model based on YOLO (You Only Look Once), optimized and exported to mobile devices using TensorFlow Lite, to ensure fast and accurate real-time object identification. The user interface, developed with Flutter, enables a smooth and intuitive cross-platform experience. Furthermore, communication between the application and the company cloud is managed via the WebSocket protocol, ensuring secure and bidirectional transmission of technical data. The results obtained during the testing phase show a significant improvement in information access times and a reduction in operational errors, confirming the effectiveness of integrating AR, machine learning, and cloud technologies in the industrial sector. The thesis provides a detailed analysis of the design choices, challenges faced, and future development prospects of the system.
Making Industrial Data More Accessible: Computer Vision Solutions for Industry 4.0
COLANTONI, GABRIELE
2024/2025
Abstract
La digitalizzazione dei processi industriali rappresenta una delle principali sfide e opportunità dell’Industria 4.0. In questo contesto, la realtà aumentata (AR) e l’intelligenza artificiale offrono strumenti innovativi per migliorare l’efficienza operativa e la gestione delle informazioni tecniche. La presente tesi descrive lo sviluppo di un’applicazione mobile di realtà aumentata, progettata e realizzata per un’azienda del settore manifatturiero, con l’obiettivo di facilitare il riconoscimento automatico di macchine industriali e la visualizzazione immediata delle relative specifiche tecniche direttamente su smartphone. L’applicazione sfrutta un modello di visione artificiale basato su YOLO (You Only Look Once), ottimizzato ed esportato su dispositivi mobili tramite TensorFlow Lite, per garantire rapidità e precisione nell’identificazione degli oggetti in tempo reale. L’interfaccia utente, sviluppata con Flutter, consente un’esperienza cross-platform fluida e intuitiva. Inoltre, la comunicazione tra l’applicazione e il cloud aziendale è gestita tramite protocollo WebSocket, assicurando la trasmissione sicura e bidirezionale dei dati tecnici. I risultati ottenuti durante la fase di test evidenziano un significativo miglioramento nei tempi di accesso alle informazioni e una riduzione degli errori operativi, confermando l’efficacia dell’integrazione tra AR, machine learning e tecnologie cloud in ambito industriale. La tesi analizza nel dettaglio le scelte progettuali, le sfide affrontate e le prospettive di evoluzione futura del sistema.| File | Dimensione | Formato | |
|---|---|---|---|
|
Colantoni.Gabriele.pdf
Accesso riservato
Dimensione
1.39 MB
Formato
Adobe PDF
|
1.39 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14251/3490