{"id":7242,"date":"2021-08-25T14:30:41","date_gmt":"2021-08-25T12:30:41","guid":{"rendered":"https:\/\/dyrecta.com\/lab\/?p=7242"},"modified":"2021-08-31T09:19:10","modified_gmt":"2021-08-31T07:19:10","slug":"nuova-pubblicazione-intelligent-inspection-of-railways-infrastructure-and-risks-estimation-by-artificial-intelligence-applied-on-noninvasive-diagnostic-systems","status":"publish","type":"post","link":"https:\/\/www.dyrecta.com\/lab\/nuova-pubblicazione-intelligent-inspection-of-railways-infrastructure-and-risks-estimation-by-artificial-intelligence-applied-on-noninvasive-diagnostic-systems\/","title":{"rendered":"Nuova pubblicazione: \u201cIntelligent Inspection of Railways Infrastructure and Risks Estimation by Artificial Intelligence Applied on Noninvasive Diagnostic Systems\u201d"},"content":{"rendered":"<p>Il progetto di ricerca sviluppato da Dyrecta Lab, discusso durante la <em>virtual conference <\/em>\u201cMetrology for Industry 4.0 and IoT\u201d, ha riguardato lo sviluppo di una piattaforma informatica per la geolocalizzazione delle mappe di rischio dell\u2019infrastruttura ferroviaria mediante algoritmi di intelligenza artificiale per la manutenzione predittiva.<\/p>\n<p>Il lavoro proposto si \u00e8 concentrato sull\u2019esecuzione delle ispezioni con dispositivi diagnostici mediante metodi non invasivi, basati su Ground Penetrating Radar (GPR), tecnologie di scanner laser e sensori di temperatura autonomi.<\/p>\n<p>Si \u00e8 utilizzato il GPR per il rilevamento di possibili problemi geomorfologici che possono influenzare la stabilit\u00e0 dell&#8217;infrastruttura.<\/p>\n<p>Il laser scanner ha eseguito il dimensionamento e la mappatura geometrica della linea ferroviaria e dell\u2019ambiente circostante, rilevando le anomalie geometriche dei binari.<\/p>\n<p>Di fondamentale importanza sono stati sensori di temperatura, termocamere e sonde endoscopiche che hanno supportato l&#8217;analisi GPR per quanto concerne la previsione dei fenomeni di espansione termica e deformazione dei binari che possono aumentare il rischio di deragliamento.<\/p>\n<p style=\"text-align: left;\">I valori misurati sono stati, quindi, raccolti con tecnologie Internet of Things (IoT) e inviati direttamente al database SQL. Successivamente i dati sono stati elaborati da algoritmi Fast Fourier Transform (FFT) e intelligenza artificiale (AI), comprese le reti neurali di memoria a lungo termine a breve termine (LSTM) e Convolutional Neural Network (CNN) per monitorare i livelli di fouling nel ballast e prevedere l\u2019insorgere di potenziali condizioni pericolose, compresi gli eventi di collisione di treni in galleria, di deformazione del binario ferroviario e altri potenziali cedimenti strutturali.<\/p>\n<p>Mediante un sistema Supporto alle decisioni (DSS) \u00e8 stato possibile abilitare i livelli di allerta per valori fuori soglia.<\/p>\n<h5 style=\"text-align: center;\"><a href=\"https:\/\/www.dyrecta.com\/lab\/wp-content\/uploads\/2021\/08\/1.jpg\" target=\"_blank\" rel=\"noopener noreferrer\"><img loading=\"lazy\" class=\"alignnone wp-image-7278 size-full\" src=\"https:\/\/www.dyrecta.com\/lab\/wp-content\/uploads\/2021\/08\/1.jpg\" alt=\"\" width=\"1280\" height=\"720\" srcset=\"https:\/\/www.dyrecta.com\/lab\/wp-content\/uploads\/2021\/08\/1.jpg 1280w, https:\/\/www.dyrecta.com\/lab\/wp-content\/uploads\/2021\/08\/1-300x169.jpg 300w, https:\/\/www.dyrecta.com\/lab\/wp-content\/uploads\/2021\/08\/1-1024x576.jpg 1024w, https:\/\/www.dyrecta.com\/lab\/wp-content\/uploads\/2021\/08\/1-768x432.jpg 768w\" sizes=\"(max-width: 1280px) 100vw, 1280px\" \/><\/a><span style=\"font-size: 16px;\"><br \/>\nFlusso dei dati della piattaforma<\/span><\/h5>\n<p>&nbsp;<\/p>\n<p>Il progetto di ricerca ha riguardato la realizzazione di una piattaforma diagnostica con dashboard grafiche in grado di fornire un sistema di alerting e monitoraggio strutturale delle ferrovie nell\u2019ambito del progetto italiano intitolato \u201cTecnologie di monitoraggio laser scanner\/georadar integrate a sensoristica endoscopica e di temperatura per la definizione di mappe di rischio e manutenzione predittiva dell\u2019infrastruttura ferroviaria: monitoraggio del rischio e manutenzione predittiva\u201d.<\/p>\n<p>&nbsp;<\/p>\n<p>La pubblicazione completa al link:<\/p>\n<p><a href=\"https:\/\/ieeexplore.ieee.org\/document\/9488467\">https:\/\/ieeexplore.ieee.org\/document\/9488467<\/a><\/p>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Il progetto di ricerca sviluppato da Dyrecta Lab, discusso durante la virtual conference \u201cMetrology for Industry 4.0 and IoT\u201d, ha&#8230;<\/p>\n","protected":false},"author":5,"featured_media":7243,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[97,42,73],"tags":[],"_links":{"self":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/7242"}],"collection":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/comments?post=7242"}],"version-history":[{"count":16,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/7242\/revisions"}],"predecessor-version":[{"id":7279,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/7242\/revisions\/7279"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/media\/7243"}],"wp:attachment":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/media?parent=7242"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/categories?post=7242"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/tags?post=7242"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}