Sistemi Embedded Applicati
ApplES
L’attività di ricerca si concentra sullo sviluppo di sistemi embedded avanzati e soluzioni AIoT per il monitoraggio intelligente di ambienti complessi, con particolare attenzione all’apicoltura di precisione e alla valutazione dello stato di salute delle colonie di api. In questo ambito, il gruppo sviluppa piattaforme multi sensore compatte e non invasive, progettate per essere integrate direttamente all’interno degli alveari senza modificarne la struttura, consentendo il monitoraggio continuo di parametri chiave quali temperatura, umidità, concentrazione di CO₂ e peso dell’alveare.
Parallelamente, una parte rilevante della ricerca è dedicata al sensing acustico e all’analisi dei segnali audio, sfruttando il fatto che le api comunicano attraverso segnali vibro acustici. Tecniche di machine learning vengono applicate a tali segnali per estrarre informazioni significative e identificare condizioni rilevanti della colonia, come la presenza della regina, che rappresenta un indicatore fondamentale dello stato di salute dell’alveare. In questo contesto, vengono sviluppati sistemi per la rilevazione automatica di eventi sonori in ambienti complessi, basati su analisi audio, estrazione di feature acustiche e modelli di machine learning, con implementazione su piattaforme embedded o edge per applicazioni di monitoraggio e diagnostica.
Un contributo chiave riguarda lo sviluppo di soluzioni di intelligenza artificiale a bassissimo consumo, in cui modelli TinyML vengono ottimizzati per essere eseguiti direttamente su dispositivi AIoT basati su microcontrollore. Questo approccio consente inferenza in tempo reale a livello edge, riducendo il consumo energetico e la necessità di trasmissione continua dei dati, rendendo i sistemi adatti a operazioni autonome di lungo periodo in contesti remoti.
L’integrazione di sensing multimodale, intelligenza embedded e architetture IoT distribuite permette la realizzazione di sistemi predittivi capaci di individuare precocemente anomalie e supportare i processi decisionali, contribuendo allo sviluppo di pratiche apistiche sostenibili e alla tutela della biodiversità.
Altre attività del gruppo sono dedicate alla robotica e allo sviluppo di sistemi elettronici avanzati per migliorare l’interazione fisica dei robot con l’ambiente circostante. In particolare, vengono studiate soluzioni innovative di pelle artificiale integrate con sistemi di visione basati su machine learning, che permettono ai robot di riconoscere e manipolare gli oggetti in maniera accurata. L’applicazione principale riguarda lo sviluppo di robot per la raccolta manuale della frutta, in particolare dell’uva, ma le tecnologie sviluppate risultano facilmente trasferibili anche ad altri settori. Il target in particolare di questa attività è l’agricoltura eroica, ovvero le attività agricole che vengono svolte in territori di difficile accesso e navigazione, come le colline o le montagne.
In questo ambito è inoltre in fase di sviluppo un semplice robot umanoide, progettato con finalità didattiche per mostrare agli studenti le principali sfide legate alla costruzione di un robot. L’intero processo di sviluppo segue un approccio integrato, in cui soluzioni di meccanica, elettronica e algoritmi evoluti vengono progettati congiuntamente per ottenere i migliori risultati.
Parallelamente, il gruppo è attivo anche nello sviluppo di sistemi embedded e nel trasferimento tecnologico verso aziende ed enti pubblici. In collaborazione con realtà industriali, vengono progettate soluzioni innovative focalizzate sull’integrazione tra hardware e software, con l’obiettivo di supportare e potenziare i processi aziendali. Il supporto alle imprese è inoltre rafforzato da specifici corsi di formazione, erogati su tematiche tecniche mirate.
Parallelamente, una parte rilevante della ricerca è dedicata al sensing acustico e all’analisi dei segnali audio, sfruttando il fatto che le api comunicano attraverso segnali vibro acustici. Tecniche di machine learning vengono applicate a tali segnali per estrarre informazioni significative e identificare condizioni rilevanti della colonia, come la presenza della regina, che rappresenta un indicatore fondamentale dello stato di salute dell’alveare. In questo contesto, vengono sviluppati sistemi per la rilevazione automatica di eventi sonori in ambienti complessi, basati su analisi audio, estrazione di feature acustiche e modelli di machine learning, con implementazione su piattaforme embedded o edge per applicazioni di monitoraggio e diagnostica.
Un contributo chiave riguarda lo sviluppo di soluzioni di intelligenza artificiale a bassissimo consumo, in cui modelli TinyML vengono ottimizzati per essere eseguiti direttamente su dispositivi AIoT basati su microcontrollore. Questo approccio consente inferenza in tempo reale a livello edge, riducendo il consumo energetico e la necessità di trasmissione continua dei dati, rendendo i sistemi adatti a operazioni autonome di lungo periodo in contesti remoti.
L’integrazione di sensing multimodale, intelligenza embedded e architetture IoT distribuite permette la realizzazione di sistemi predittivi capaci di individuare precocemente anomalie e supportare i processi decisionali, contribuendo allo sviluppo di pratiche apistiche sostenibili e alla tutela della biodiversità.
Altre attività del gruppo sono dedicate alla robotica e allo sviluppo di sistemi elettronici avanzati per migliorare l’interazione fisica dei robot con l’ambiente circostante. In particolare, vengono studiate soluzioni innovative di pelle artificiale integrate con sistemi di visione basati su machine learning, che permettono ai robot di riconoscere e manipolare gli oggetti in maniera accurata. L’applicazione principale riguarda lo sviluppo di robot per la raccolta manuale della frutta, in particolare dell’uva, ma le tecnologie sviluppate risultano facilmente trasferibili anche ad altri settori. Il target in particolare di questa attività è l’agricoltura eroica, ovvero le attività agricole che vengono svolte in territori di difficile accesso e navigazione, come le colline o le montagne.
In questo ambito è inoltre in fase di sviluppo un semplice robot umanoide, progettato con finalità didattiche per mostrare agli studenti le principali sfide legate alla costruzione di un robot. L’intero processo di sviluppo segue un approccio integrato, in cui soluzioni di meccanica, elettronica e algoritmi evoluti vengono progettati congiuntamente per ottenere i migliori risultati.
Parallelamente, il gruppo è attivo anche nello sviluppo di sistemi embedded e nel trasferimento tecnologico verso aziende ed enti pubblici. In collaborazione con realtà industriali, vengono progettate soluzioni innovative focalizzate sull’integrazione tra hardware e software, con l’obiettivo di supportare e potenziare i processi aziendali. Il supporto alle imprese è inoltre rafforzato da specifici corsi di formazione, erogati su tematiche tecniche mirate.
-
Responsabili scientifici
-
Team di ricerca
Area di ricerca
Linee di ricerca
- Sistemi di rilevamento di eventi sonori per il monitoraggio intelligente
- Architetture distribuite AIoT ed edge computing per apiari intelligenti
- Sistemi intelligenti di monitoraggio e previsione della salute delle api
- Studio e sviluppo di reti sensoriali innovative progettate per migliorare le capacità tattili dei robotDevelopment of artificial skin solutions
- Sistemi di AI embedded e TinyML per il monitoraggio degli alveari
- Sensing multimodale ed elaborazione dei segnali per l’analisi delle colonie di api
- Sistemi integrati tattili e di visione per la robotica
- Raccolta robotica manuale per l’agricoltura eroica
- Sviluppo di robot umanoidi per l’insegnamento della robotica
- Sistemi elettronici embedded per applicazioni industriali
Competenze
Settori ERC
Keywords
Pubblicazioni da archivio istituzionale
Pubblicazioni da archivio istituzionale
-
Varaldi, Alessandro; Genta, Claudio; Manzone, Alberto; Vacca, Marco (2026)
STORM: Hardware-Aware Tiny Transformer Co-Design for Low-Power Inertial Human Activity Recognition. In: ELECTRONICS, vol. 15. ISSN 2079-9292 -
De Simone, Andrea; Turvani, Giovanna; Riente, Fabrizio (2025)
Incremental firmware update over-the-air for low-power IoT devices over LoRaWAN. In: INTERNET OF THINGS, vol. 34. ISSN 2542-6605 -
Ruo Roch, Massimo; Martina, Maurizio (2024)
A Low Cost Open Platform for Development and Performance Evaluation of IoT and IIoT Systems. In: International Conference on Applications in Electronics Pervading Industry, Environment and Society, APPLEPIES 2023, Genova (Ita), 28-29 settembre 2023, pp. 155-161. ISSN 1876-1100. ISBN: 9783031481208 -
Barbisan, Luca; Turvani, Giovanna; Riente, Fabrizio (2024)
A Machine Learning Approach for Queen Bee Detection Through Remote Audio Sensing to Safeguard Honeybee Colonies. In: IEEE TRANSACTIONS ON AGRIFOOD ELECTRONICS., vol. 2, pp. 236-243. ISSN 2771-9529 -
De Simone, Andrea; Barbisan, Luca; Turvani, Giovanna; Riente, Fabrizio (2024)
Advancing Beekeeping: IoT and TinyML for Queen Bee Monitoring Using Audio Signals. In: IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, vol. 73, pp. 1-9. ISSN 0018-9456 -
Mo, Fabrizio; Spano, CHIARA ELFI; Ardesi, Yuri; Ruo Roch, M.; Piccinini, Gianluca; ... (2023)
Design of Pyrrole-Based Gate-Controlled Molecular Junctions Optimized for Single-Molecule Aflatoxin B1 Detection. In: SENSORS, vol. 23. ISSN 1424-8220 -
Turvani, Giovanna; Fiore, Melania; Rodriguez-Duarte, David O.; Demichelis, Francesca; ... (2023)
Enabling high-quality compost for a smart domestic production. In: IEEE International Workshop on Metrology for Agriculture and Forestry 2023, Pisa (Ita), 6-8 novembre 2023, pp. 837-841. ISBN: 979-8-3503-1272-0 -
Bellino, Francesco; Turvani, Giovanna; Garlando, Umberto; Riente, Fabrizio (2022)
An Integrated Multi-Sensor System for Remote Bee Health Monitoring. In: 2022 IEEE Workshop on Metrology for Agriculture and Forestry, Perugia, Italy, 03-05 November 2022, pp. 334-338. ISBN: 978-1-6654-6998-2 -
Ruo Roch, Massimo; Martina, Maurizio (2022)
VirtLAB: A Low-Cost Platform for Electronics Lab Experiments. In: SENSORS, vol. 22, pp. 1-18. ISSN 1424-8220 -
Rossi, Fabio; Mongardi, Andrea; Ros, Paolo Motto; Roch, Massimo Ruo; Martina, Maurizio; ... (2021)
Tutorial: A Versatile Bio-Inspired System for Processing and Transmission of Muscular Information. In: IEEE SENSORS JOURNAL, pp. 1-1. ISSN 1530-437X -
Capra, Maurizio; Peloso, Riccardo; Masera, Guido; Roch, Massimo Ruo; Martina, Maurizio (2019)
Edge Computing: A Survey On the Hardware Requirements in the Internet of Things World. In: FUTURE INTERNET, vol. 11, pp. 100-124. ISSN 1999-5903 -
Gnoli, L.; Carnicelli, Giuseppe; Parisi, Alessio; Urbinati, L.; Kabashi, B.; ... (2019)
Fault tolerant photovoltaic array: a repair circuit based on memristor sensing. In: 32nd IEEE International Symposium on Defect and Fault Tolerance in VLSI and Nanotechnology Systems, DFT 2019, Noordwijk (NL), 2019. ISBN: 978-1-7281-2260-1 -
Casu, MARIO ROBERTO; Vacca, Marco; TOBON VASQUEZ, JORGE ALBERTO; Pulimeno, Azzurra; ... (2017)
A COTS-Based Microwave Imaging System for Breast-Cancer Detection. In: IEEE TRANSACTIONS ON BIOMEDICAL CIRCUITS AND SYSTEMS, vol. 11, pp. 804-814. ISSN 1932-4545 -
Tobon Vasquez, J. A.; Scapaticci, R.; Turvani, G.; Vacca, M.; Sarwar, I.; Casu, M. R.; ... (2017)
A feasibility study for cerebrovascular diseases monitoring via microwave imaging. In: 19th International Conference on Electromagnetics in Advanced Applications, ICEAA 2017, Verona (I), 2017, pp. 1280-1282. ISBN: 9781509044511 -
Vacca, Marco; RUO ROCH, Massimo; Masera, Guido; Frulla, Giacomo; Gili, Piero (2013)
"WindDesigner: An Open Tool for Analysis and Design of Wind Generators". In: 2013 International Conference on Clean Electrical Power (ICCEP), Alghero, 11-13 jun 2013, pp. 391-394. ISBN: 9781467344296