Nell'ambito della sua attività di ricerca il DINFO partecipa a numerosi progetti di ricerca promossi dalla regione.
PR FESR TOSCANA 2021-2027 - AZIONE 1.1.4 Ricerca e sviluppo per le imprese anche in raggruppamento con organismi di ricerca - Bando n.2 Progetti di ricerca e sviluppo per le MPMI e Midcap (Concessione finanziamento Bando N. 2 - D.D. n. 25829 del 21/11/2024)
Responsabile: Prof. Enrico Vicario
Responsabile: Prof. Marco Bertini
GENHAPI integrates AI chatbots into legacy applications to enhance accessibility and usability, providing intelligent and interactive support for navigating and interacting with enterprise systems.
PROJECT OBJECTIVES
EXPECTED RESULTS
PARTNERS
Responsabile: Prof. Marco Bertini
SPARCLI – Technological development and implementation of an integrated digital platform for the crystal sector, featuring an archive, AI customizer, 3D prototyping, and XR/VR experiences.
PROJECT OBJECTIVES
EXPECTED RESULTS
PARTNERS
Website link and flyer link.
Responsabile: Prof. Marco Bertini
Smart Food Supply Chain is being developed with the aim of reducing food waste and improving sustainability in collective catering, acting across the entire supply chain: procurement, production, distribution, and consumption. Through a platform based on artificial intelligence and blockchain technology, the project aims to optimize food resource management, minimize waste, and enhance transparency and control over processes. The initiative aligns with the European Farm to Fork strategy and the United Nations 2030 Agenda for Sustainable Development Goals, particularly SDG 12, which promotes responsible production and consumption patterns.
PROJECT OBJECTIVES
EXPECTED RESULTS
PARTNERS
Website link and flyer link.
Responsabile: Prof. Pierfrancesco Bellini
SADI-MIAC: Sistema di Assistenza alle Decisioni Integrato con Modelli Digital Twin e Intelligenza Artificiale per le attività commerciali La creazione di un Digital Twin per ambienti commerciali incorpora una visione olistica, abbracciando aspetti strutturali, servizi, mobilità, attrazioni, offerte commerciali, sostenibilità, e comportamenti dei consumatori sia all’interno che all’esterno dell'esercizio commerciale e dell’area stessa. Questo modello digitale avanzato serve come base per un Framework Integrato per il Supporto alle Decisioni, SADI-MIAC, potenziato dalle tecnologie di punta come IoT, Big Data, generative AI e business intelligence. Tale approccio data-driven mira a ottimizzare l'efficienza operativa e rinnovare strategie e modelli di business attraverso l'uso intelligente dei dati. Include strategie di marketing integrate e di co-marketing, facilitando la condivisione di informazioni in grande scala e rispettando normative quali GDPR, AI Act, e altri regolamenti significativi. L'implementazione di modelli AI generativi e di deep learning consente previsioni accurate su profili di clientela e tendenze di mercato, mentre gli strumenti IoT migliorano l'analisi dei comportamenti dei consumatori, lo sviluppo di predizione e di modelli di simulazione per scenari. Il Digital Twin supporta l'elaborazione di strategie innovative per migliorare l'attrattività commerciale, integrare canali di vendita fisici e online, e sviluppare nuove opportunità di business, garantendo al contempo la sostenibilità e la tutela del consumatore.
Sfruttando delle Soluzioni operative a servizio di Framework Integrato per il Supporto alle Decisioni
Responsabile: Prof. Lorenzo Mucchi
Il progetto TALIA mira a sviluppare una piattaforma basata sull'intelligenza artificiale (AI) per l'integrazione e l'analisi dei dati clinici oncologici. Gli obiettivi principali includono la raccolta, gestione e anonimizzazione dei dati clinici e delle immagini istopatologiche, lo sviluppo di algoritmi di machine learning per l'analisi dei dati, e la creazione di un modulo di tele-consulto per facilitare la collaborazione tra medici. La piattaforma intende migliorare la diagnosi, il trattamento e il follow- up dei pazienti oncologici, garantendo al contempo la sicurezza e la privacy dei dati. Inoltre, il progetto prevede la validazione clinica della piattaforma e la valutazione del suo impatto in ambito sanitario.
Gli obiettivi dell'Università degli Studi di Firenze (UNIFI) nel progetto TALIA includono la raccolta, gestione e valutazione dei dati clinici oncologici, garantendo la conformità alle normative sulla privacy e la sicurezza dei dati. UNIFI si occupa anche dello sviluppo del modulo di tele-consulto per facilitare la collaborazione tra medici e della validazione della piattaforma, verificando le prestazioni tecniche degli algoritmi e l'impatto clinico della soluzione. L'obiettivo finale è migliorare la diagnosi, il trattamento e il follow-up dei pazienti oncologici, assicurando al contempo la protezione dei dati sensibili.
Responsabile: Prof. Luca Facheris
Il progetto mira allo sviluppo di un innovativo radar compatto in banda C, con funzionalità Doppler, in grado di operare in due modalità distinte:
L’elemento di innovazione risiede nella progettazione di un radar in banda C, meno soggetto all’attenuazione da pioggia rispetto ad altre bande di frequenza, consentendo una maggiore profondità di osservazione delle nubi. Ciò permette di rilevare con anticipo l’avvicinarsi di sistemi temporaleschi estesi e caratterizzati da forti precipitazioni. Allo stesso tempo, la realizzazione in un formato compatto — attualmente non disponibile sul mercato — ne consente l’installazione in prossimità della pista aeroportuale, rendendolo particolarmente efficace nel rilevamento tempestivo del wind shear.
I progetti hanno avuto come obietivo quello di bandire gli assegni di ricerca sotto elencati, DD 12698 del 16/07/2021, per ognuno dei quali è stato concesso un conributo di 28000 €.
Assegnao attivati nell’ambito del progetto REINSPECT - Remote Inspection for Industrial and Manufacturing CompanieS, CUP D17G21000050002
Responsabile: Prof. Stefano Berretti
Lo scopo del progetto è implementare una serie di sistemi di AI per l’implementazione di sistemi avanzati per l’ispezione remota di apparati industriali e manifatturieri. In molti contesti industriali è necessario effettuare ispezioni di macchinari, sia per manutenzione che per controllo della loro rispondenza agli standard industriali. Questo processo in molti casi è effettuato in modo virtuale da remoto, inviando con appositi dispositivi, tipicamente indossabili, video che vengono visionati da un ispettore che, a sua volta, fornisce indicazioni sui passi da compiere per effettuare manutenzioni o azioni volte alla valutazione della funzionalità degli apparati. Un punto critico di questo processo è la codifica e trasmissione video, dato che questa spesso introduce distorsioni indesiderabili causate dagli algoritmi di compressione lossy. Questo problema è particolarmente grave nel caso l’installazione industriale sia localizzata in posti disagevoli da raggiungere e con ridotta disponibilità di banda. Scopo principale del progetto è implementare sistemi basati su AI che effettuino un miglioramento visuale dei fotogrammi sul dispositivo dell’ispettore, senza dover modificare alcuna componente del sistema di codifica e trasmissione video. Il progetto mira a migliorare ulteriormente il processo di ispezione implementando altri due sistemi basati su AI: sviluppare una componente che identifichi le parti dei fotogrammi che contengono gli apparecchi da ispezionare e mascheri le restanti parti, così da garantire le necessità di riservatezza e sicurezza dell’impianto industriale; sviluppare una componente adattabile facilmente a diversi tipi di macchinari per identificare in modo automatico una serie di difetti e segnali diagnostici, allo scopo di automatizzare il processo di ispezione rendendolo più veloce e meno costoso.
Assegno attivato nell’ambito del progetto REWIRE- REmote WIldlife monitoring in Real-Time - CUP
D17G21000040002
Responsabile: Prof. Lorenzo Seidenari
Il progetto si pone l’ambizioso obiettivo di valutare in tempo reale l’impatto ambientale delle industrie manifatturiere sul territorio nell’ambito delle loro innovazioni di cicli di processo. In particolare, è noto che la presenza sul territorio di aziende manifatturiere può alterare la fauna e la flora selvatica. I moderni modelli ecologici sono basati sul campionamento di immagini tramite foto-trappole. L’idea del progetto è sfruttare questi sistemi di rilevamento, unitamente all’intelligenza artificiale per poter analizzare le variazioni dell’ecosistema in tempo reale. Il fine del progetto è quindi quello di creare una piattaforma per gestire i dati sulla fauna selvatica ottenuti dalle foto-trappole, integrando intelligenza artificiale (IA) e visione artificiale con metodologie ecologiche. Le foto-trappole sono telecamere automatiche a distanza che scattano immagini e video di animali di passaggio e sono diventate, negli ultimi 10-15 anni, lo strumento preferito per studiare e monitorare i mammiferi selvatici in tutto il pianeta. Ciò contribuirà, a sua volta, ad affrontare le principali sfide sociali di Horizon 2020, in particolare riguardo alle misurazioni degli obiettivi di gestione e conservazione sostenibili della biodiversità.
Assegno nell’ambito del progetto ANDROMEDA AdvaNceDmicROservices for supply chain manageMEnt Digital trAnsition, CUP D17G21000030002
Respesponsabile: Prof. Enrico Vicario
ANDROMEDA svilupperà un ecosistema di microservizi a supporto della transizione digitale nella gestione della filiera di un distretto manifatturiero, attraverso metodi di Model Driven Engineering capaci di connettere dati operativi con modelli e metodi di elaborazione ad elevato valore aggiunto, tra cui in particolare servizi a supporto della tracciabilità attraverso consolidamento su blockchain e servizi di analisi predittiva a supporto della prevedibilità dei tempi di completamento delle produzioni. L’ecosistema di microservizi fornirà una rappresentazione digitale delle componenti del dominio, tra cui la pianificazione di un processo di produzione (Bill of Process, distinta base), le parti coinvolte (integratori e diversi tipi di terzisti), l’assegnamento delle lavorazioni e la loro programmazione. L’ecosistema abiliterà lo sviluppo incrementale di varie capacità funzionali tra cui il progetto focalizzerà servizi per: la tracciabilità di processi di produzione; il consolidamento su blockchain di dati salienti per modelli di certificazione rispetto a requisiti specifici di economia circolare e sostenibilità ambientale, made in Italy, diritti del i lavoratori; l’analisi predittiva dei tempi di completamento di un processo produttivo in presenza di incertezza sul tempo di risposta dei subfornitori. ANDROMEDA costituirà uno strumento per l’indicizzazione e interoperabilità di dati e la loro elaborazione attraverso metodi di intelligenza artificiale e il suo sviluppo offrirà occasione di avanzamento scientifico in vari ambiti, tra cui: metodi di Model Driven Engineering per derivare modelli quantitativi di processi produttivi a partire da artefatti documentali della pratica industriale e dalla loro rappresentazione in un metamodello strutturato; metodi di consolidamento su Blockchain capaci di garantire non-ripudiabilità pur preservando segretezza industriale; metodi di analisi composizionale di sistemi concorrenti con attività di durata stocastica non-Markoviana capaci di adattarsi a dati osservati e processi della pratica. I risultati di ANDROMEDA saranno dimostrati nell’ambito del distretto tessile pratese, validando la tecnologia proposta nei livelli 4 e 5 di Technology Readiness Level (TRL) e conseguendo badges di Repeatability, Reproducibility e Replicability di in una Artifact Review come intesa nelle linee guida di ACM.
Responsabile: Prof. Francesco Grasso
Il progetto TAAS prevede la progettazione, prototipazione e sperimentazione operativa di un Servizio di e- Ticketing, in grado di fornire informazioni per la pianificazione strategica e la gestione di aziende di trasporto pubblico locale (TPL), anche ai fini dell’integrazione con sistemi MaaS, attraverso l’impiego di tecniche IoT e Big Data Analysis per la raccolta ed elaborazione dei dati dalla rete di trasporto.
Responsabile: Prof. Francesco Grasso
Il progetto E-EARTH si pone l'obbiettivo di implementare un prototipo di un sistema di gestione ottimizzata di comunità energetiche rinnovabili aperto a tutti. Si tratta infatti di un progetto di ricerca e sviluppo di prodotti e servizi di Demand Response, Sector Coupling e Smart Charge di Veicoli Elettrici a supporto di comunità energetiche rinnovabili innovative e dei loro utenti, per la gestione e l’ottimizzazione dell’autoconsumo ed il monitoraggio dei parametri di qualità dell’aria.
Responsabile: Prof. Paolo Nesi
Arte, Moda e arredo in un Processo Elettrochimico innovativo con controllo da Remoto 4.0 - circular Ecofriendly
Responsabile: Prof. Luca Facheris
INStruments for Intelligent Detection and Estimation of Rain for Agricultural Innovation
flyer link
Responsabile: Prof. Francesco Grasso
Sviluppo di unità intelligenti in ottica industria 4.0 ad alta sicurezza ed affidabilità per la gestione e l'intercettazione della CO2 gassosa e liquida per futuri impieghi in ambito di progetti «Carbon Capture & Storage»
Responsabile: Prof.ssa Claudia Manfredi
Sistema Per Il Supporto Alla Pratica Clinica Per La Valutazione Ed Il Monitoraggio Dei Disturbi Dello Spettro Autistico In Fase Diagnostica
Responsabile: Prof. Paolo Nesi
Flexible Advanced User Engagement Exploiting Profile, Product and Production Knowledge
Responsabile: Prof. Enrico Vicario
Ingegnerizzazione di un sistema elettro-meccanico per l’esecuzione e l’interpretazione automatica di analisi biologiche attraverso uno scanner e un processatore integrato
Responsabile: Prof. Alessandro Fantechi
Sviluppo di un dispositivo INtelligente per la DIagnosi e il monitoragGiO di sistemi ferroviari
Responsabile: Prof. Paolo Nesi
Ricerca, progettazione e sviluppo di un sistema informativo sperimentale, incentrato su una piattaforma cloud accessibile in modalità multicanale per la fruizione di servizi avanzati miranti a facilitare, attraverso soluzioni innovative in ambito di Internet of Things e di semantic computing, l’interconnessione fra gestori e utenti di servizi per la definizione e la pianificazione dei servizi
Prof. Alberto Del Bimbo
Studio e sviluppo di un sistema integrato per la mappatura ed il posizionamento della persona all'interno degli edifici
Ultimo aggiornamento
03.07.2025