Visual Engines, socio affiliato al Centro di Competenza ARTES 4.0, è un’impresa innovativa fondata nel 2013 da alcuni ricercatori del CNR e della società INERA Srl, entrambi Soci di ARTES 4.0.
La missione dell’azienda, che ha un focus sulla ricerca applicata, è legata allo sviluppo di tecnologie per la ricerca di immagini, al riconoscimento di oggetti in immagini e alla loro applicazione per lo sviluppo, ingegnerizzazione e commercializzazione di prodotti software e servizi.
Tecnologie visuali di ultima generazione
Visual Engines dispone di tecnologie visuali per:
- Large-Scale Image/Video Archives Similarity Search
- Images recognition e Object Retrieval
- Deep Learning e Neural Networks
- Visual Analysis per Smart Cameras e Single Board Computer
Le tecnologie disponibili si prestano per l’applicazione in molteplici contesti quali:
- Smart City.
- Sicurezza sul lavoro.
- Industria/manifattura.
- Trasporti.
- Sicurezza delle persone.
- Sicurezza degli edifici.
- Domotica.
- Agricoltura.
Soluzioni per analisi visuale con dispositivi intelligenti
Le soluzioni di Visual Engines, disponibili e in corso di progettazione, sono incentrate su funzionalità di analisi visuale effettuata con dispositivi intelligenti. Esse si basano su tecnologie di Intelligenza Artificiale (AI), più specificatamente di Machine e Deep Learning, sviluppate sia internamente sia in stretta collaborazione con il laboratorio Nemis dell’ISTI- CNR di Pisa.
Le soluzioni utilizzano reti neurali per l’analisi di immagini effettuate da sistemi hardware/software, basati su Single Board Computer, che possono essere stand alone o collegati con server remoti. In funzione dell’infrastruttura ICT disponibile nei diversi contesti, sono possibili diverse modalità di implementazione delle soluzioni.
Il peculiare vantaggio dell’impiego di tecnologie di AI è la rilevazione ed il riconoscimento in tempo reale di situazioni ed eventi anomali in maniera automatica e con confidenza parametrizzabile, senza necessità di un presidio di personale di sorveglianza o di un’analisi a posteriori di registrazioni video. Altri vantaggi delle soluzioni sono l’impiego di reti neurali specializzate che possono essere riprogrammate ed il contenimento dei costi mediante
l’utilizzo di dispositivi low cost.
La piattaforma IVAWS per la gestione integrata ed automatizzata della prevenzione delle situazioni pericolose negli ambienti di lavoro
In base ai dati INAIL, tra il 2002 e il 2021 le denunce di infortuni mortali sul lavoro sono state oltre 26 mila. La piattaforma software di Visual Engines è finalizzata alla gestione integrata ed
automatizzata della prevenzione delle situazioni pericolose negli ambienti di lavoro grazie a un sistema che impiega moduli di intelligenza artificiale, eventuali telecamere e sensori di diverso tipo, disseminati negli ambienti di lavoro e/o indossati dai lavoratori.
L’obiettivo del software è quello di identificare situazioni di rischio e di incidente predeterminate (sollevando gli opportuni allarmi) e di tracciare gli eventi critici che sono occorsi, in modo da poter avere una esperienza storica sulla base della quale aggiornare i processi, ottimizzandoli rispetto alla safety.
In particolare, gli scenari di pericolo che la piattaforma potrà individuare in maniera automatica nella sua prima fase di sviluppo sono:
- persona distesa a terra, presumibilmente priva di sensi, o che segnala di essersi infortunata tramite un apposito dispositivo indossabile;
- situazioni di avvicinamento pericoloso fra persone e carrelli elevatori (o tra carrelli elevatori);
- conduzione di carrelli elevatori da parte di personale non autorizzato;
- presenza di persone in aree critiche “ad accesso limitato” in cui può trovarsi al massimo un dato numero di persone (eventualmente nessuno, o comunque non i visitatori);
- presenza di persone in aree critiche in cui, essendoci un macchinario in funzione, può trovarsi al massimo un dato numero di persone (eventualmente nessuno, o comunque non i visitatori);
- presenza di persone senza gli opportuni Dispositivi di Protezione Individuale (DPI) in aree critiche in cui tali DPI sono obbligatori.
Gli allarmi che possono essere generati, di tipo rischio o incidente, possono essere sonori e visivi nell’ambiente di lavoro stesso, oltre alla segnalazione via messaggio a referenti interni. Gli allarmi sono caratterizzati dalla ubicazione così da poter filtrare gli eventi occorsi rispetto ai diversi ambienti aziendali e per proiettarli in sovrimpressione alla planimetria.
Le possibili partnership
Visual Engines intende sviluppare collaborazioni strategiche, dedicate in una prima fase al raffinamento del progetto. Sono due le tipologie di possibili partner con cui pervenire ad una soluzione ottimale del risultato:
- imprese interessate ad utilizzare la piattaforma al fine di monitorare e rafforzare la propria safety interna, grazie alle quali si potranno individuare eventuali difetti e possibili miglioramenti del software;
- aziende produttrici di macchinari, per realizzare integrazioni della piattaforma con i relativi impianti, rilevandone o interrompendone il funzionamento al verificarsi di specifiche condizioni di sicurezza.
Le conclusioni sono state affidate ad Antonio Mazzeo, Presidente del Consiglio Regionale Toscana.
Un focus speciale è stato dedicato al Progetto Amesphere di AME, uno dei beneficiari del finanziamento, che migliora la gestione della sicurezza con una piattaforma per l’analisi in tempo reale dei rischi grazie all’uso di sensori di prossimità, telecamere e sistemi laser.
L’innovatività del progetto risiede proprio nella capacità di questo EVA di creare autonomamente la propria Knowledge Base, bypassando la necessità degli enterprise virtual assistant attualmente sul mercato di dover disporre di una grande base di conoscenza e di risorse che ne effettuino l’addestramento manuale specifico per poter funzionare. La funzione aziendale target di Jiminy è quella del “Customer Care” (CC). Tale funzione è stata scelta perché trasversale alla quasi totalità delle aziende e, solitamente, caratterizzata da grossi problemi di scalabilità dovuti al grande stress che il personale, sottoposto a forti pressioni tipiche del settore, vive. Oltre che un EVA in grado di supportare gli operatori CC durante le normali attività lavorative, con Jiminy ci si prefigge di realizzare un copilota in grado di facilitare anche la formazione di nuove risorse poichè potrà generare automaticamente telefonate di training, simulando conversazioni basate su interazioni passate, con cui i nuovi operatori potranno sperimentare e imparare a gestire situazioni versomili in un contesto di comfort e sicurezza.
Il funzionamento di Jiminy si può riassumere come segue:
quando un cliente chiama, viene accolto da un voicebot che effettua un primo triage del problema; le informazioni raccolte vengono utilizzate per creare automaticamente un ticket, che viene poi verificato da un operatore umano. Durante la chiamata, Jiminy ascolta e analizza la conversazione, fornendo suggerimenti in tempo reale all'operatore basandosi sulla sua conoscenza accumulata. In un secondo momento, questa stessa conoscenza viene riutilizzata per creare degli scenari simulati con cui i neo assunti possono “allenarsi”.
Il funzionamento di Jiminy si articola in diversi passaggi:
Inoltre, oltre il 
Se si vuole brevettare il metodo, la tutela viene offerta a uno specifico metodo, implementato attraverso un computer, che comprende una serie di fasi dettagliatamente descritte, per istruire una rete neurale da utilizzare per ottenere un determinato risultato tecnico.
Il fatto che il metodo sia attuato con un hardware e che serva per ottenere un risultato tecnico lo priva dell’astrattezza teorica e lo rende brevettabile. Anche se lo scopo è limitato, la protezione che si ottiene è molto alta.
Si può brevettare anche il programma per computer che attua le fasi del metodo di cui abbiamo appena detto che viene utilizzato per raggiungere un risultato tecnico.
Apparentemente sembra che si tratti della stessa protezione, ma se c’è una