Theses

@mastersthesis{amslaurea20929,
title = {Inventory management con mini-droni: architettura e implementazione},
author = {Davide Cristiani},
url = {https://amslaurea.unibo.it/id/eprint/20929},
year = {2020},
date = {2020-01-01},
abstract = {Nella logistica industriale l’inventario è una attività di massima importanza. Per automatizzare questo processo, è stato proposto l’uso di UAV di piccole dimensioni. I vantaggi legati a questa proposta sono molteplici, dall’automatizzazione del processo all’incremento di sicurezza per i lavoratori. L’uso di tecnologie UAV in quest’ambito deve affrontare diverse difficoltà tecniche, come il volo indoor, l’identificazione dei pacchi e la limitata autonomia di volo dei droni. Questo elaborato approfondisce gli aspetti tecnici e informatici dell’uso di UAV per l’inventario, espandendo il lavoro svolto nel paper ”Inventory Managementthrough Mini-Drones: Architecture and Proof-of-Concept Implementation”:

- Una proposta di architettura per un sistema di gestione dell'inventario basato su UAV, che includa il calcolo del percorso del UAV, l'identificazione dei pacchetti (via QRCode), la validazione dei dati (via Blockchain) e la ricarica wireless.

- Una analisi delle performance del sistema, nello specifico il trade-off fra accuratezza dell'inventario (ovvero il tasso di identificazione di un pacco) e tempo di esecuzione del processo

- Un framework di calcolo dei parametri ottimali per in termini di velocità e numero di visite per ogni scaffale},
keywords = {Blockchain, DIGITAL TWIN, DRONI, IIOT, INDUSTRY 4.0, INVENTARIO, IoT, TSDB, UAV},
pubstate = {published},
tppubtype = {mastersthesis}
}

@mastersthesis{amslaurea17496,
title = {Droni e sensori low-power per applicazioni IoT di monitoraggio: una valutazione sperimentale.},
author = {Paride Martinelli},
url = {https://amslaurea.unibo.it/id/eprint/17496},
year = {2019},
date = {2019-01-01},
abstract = {Stiamo vivendo in un mondo popolato da oggetti intelligenti chiamato Internet Of Things. Un mondo popolato da oggetti digitali di piccole dimensioni, capaci di raccogliere una grandissima quantità di dati, di elaborarli e di creare da essi intelligenza. Uno dei principali utilizzi della tecnologia LPWAN è in agricoltura con la smart agriculture. Ogni singola fase della produzione agricola potrebbe essere migliorata ed agevolata dalle nuove tecnologie: dalla gestione del suolo, alla minimizzazione del consumo di acqua; dalla protezione delle piante; fino ad arrivare alla salute degli animali e all’automazione degli allevamenti. È proprio dalla smart agriculture, e in generale dagli scenari outdoor, che prende spunto questo progetto di tesi. Infatti questo progetto si basa su un’analisi qualitativa di una rete wireless composta da sensori. Per effettuare le analisi si è utilizzato un ambiente simulato implementato in OMNET++.},
keywords = {DRONI, IEEE, IEEE 802.15.4, Internet of Things, IoT, sensori, UAV},
pubstate = {published},
tppubtype = {mastersthesis}
}

@mastersthesis{amslaurea19131,
title = {Progettazione e valutazione sperimentale di una piattaforma di mobilità controllata per UAV-aided sensor networks},
author = {Leonardo Montecchiari},
url = {https://amslaurea.unibo.it/id/eprint/19131},
year = {2019},
date = {2019-01-01},
abstract = {Con “mobilità controllata” s’intende la tecnica attraverso la quale si utilizzano veicoli (droni/rover) sprovvisti di equipaggio ed in grado di controllare in maniera autonoma la propria posizione.
Molte applicazioni della mobilità controllata fanno riferimento a scenari nel quale il veicolo a guida autonoma funge da collettore dati raccolti da installazione di sensori a terra.

Questo elaborato presenta Sybelius, un piattaforma di mobilità controllata per UAV-aided sensor networks. È stato progettato un sistema di controllo autonomo per "Unmanned Aerial Vehicle" (UAV), in grado di eseguire delle intere "Missioni" di volo con lo scopo di raccogliere dati da sensori a terra. La sperimentazione è stata effettuata in ambiente outdoor usando un drone "manned" ed equipaggiandolo di apposito coordinatore di bordo e di modulo per l'acquisizione dati dai sensori a terra.

Sono stati eseguiti test sperimentali relativi alla direzionalità, distanza e potenza della comunicazione drone-sensore, alla precisione del puntamento verso la coordinata GPS del sensore a terra e all'efficienza energetica in fase di comunicazione, volo stazionario e volo continuo.},
keywords = {localization and navigation systems, Mobilità Controllata, UAV, UAV-aided sensor networks, WSN},
pubstate = {published},
tppubtype = {mastersthesis}
}

@mastersthesis{amslaurea15432,
title = {ArduNeT++: Sviluppo di un simulatore multi-drone e validazione mediante studio di un caso d'uso critico},
author = {Luca Zenesini},
url = {https://amslaurea.unibo.it/id/eprint/15432},
year = {2018},
date = {2018-01-01},
abstract = {Il tentativo di combinare campi di ricerca nell’ambito networking e dei sistemi di controllo ha da sempre portato interessanti innovazioni. Diverse soluzioni in ambito simulativo sono state proposte al riguardo, alcune di esse si focalizzano esclusivamente sul controllo di veicoli, altre invece si concentrano solamente sulle comunicazioni di rete, altre ancora fondono i due aspetti. In questa tesi viene proposto un applicativo software capace di simulare le dinamiche di volo di uno sciame di veicoli aerei senza pilota/Unmanned Aerial Vehicles (UAVs) e, nel contempo, di gestirne il coordinamento tramite comunicazioni di rete. Il sistema di simulazione proposto si appoggia a due soluzioni già note nel panorama opensource:
L’applicativo software SITL della suite ArduPilot, capace di simulare svariate tipologie di veicolo, ed il framework di simulazione OMNeT++, con il quale è possibile progettare e simulare infrastrutture di rete. Lo scopo di questa tesi è: (i) proporre uno strumento di simulazione che combini il controllo di UAVs e la loro cooperazione, (ii) dimostrare le potenzialità di tale sistema su di un caso d’uso realistico che trova applicazione in diversi scenari.},
keywords = {ArdunNeT++, ArduPilot, OMNeT++, SITL, UAV},
pubstate = {published},
tppubtype = {mastersthesis}
}

@mastersthesis{amslaurea15478,
title = {Evaluation of deep learning techniques for object detection on embedded systems},
author = {Alice Valentini},
url = {https://amslaurea.unibo.it/id/eprint/15478},
year = {2018},
date = {2018-01-01},
abstract = {Area surveying is an important tool used to inspect and study in detail a given area, it is especially useful to monitor the movements and the settlement of populations located in a developing country.
Unmanned Aerial Vehicles (UAV), given the recent developments, could represent a suitable technology in order to carry out this task in an easier and cheaper way.
The use of UAV based surveys techniques poses many challenges in terms of accuracy, speed and efficiency.
The target is to build an autonomous flight system which is able to define optimal flight paths using the gathered information from the environment.
In this thesis we will focus on the development of the perception system which has to capture the desired information with accurate and fast detections.
More in detail, we will explore and evaluate the use of object detection models based on Deep Learning techniques who will sense and collect data which will later use for on-board elaboration. The object detection model has to be accurate in order to detect all the objects encountered on the ground and fast in order to not introduce too much latency into the on-board decision system. Fast and accurate decisions could permit an efficient coverage of the area.
Different embedded platforms will be considered and examined in order to meet the model's computational requirements and to provide an efficient use in terms of battery consumption.
Different training configurations will be tested in order to maximize our detection accuracy metric, minimum average precision (mAP).
The detection speed will be then evaluated on our board using Frame Per Second (FPS) metric. In addition to YOLO we also tested TinyYOLO, a smaller and faster network. Results will be then compared in order to find the best configuration in terms of accuracy/speed.
We will show that our system is able to meet all the requirements even if we do not achieve our ideal detection speed.},
keywords = {area surveying, deep learning, drones, DRONI, Machine Learning, object detection, UAV, yolo},
pubstate = {published},
tppubtype = {mastersthesis}
}