Acquisizione e analisi di dati accelerometrici mediante Power Spectral Density (PSD)

Basato su Machine Learning per il monitoraggio predittivo del degrado strutturale dei beni culturali.

Analizza dati accelerometrici (PSD), clinometrici e ambientali per definire la baseline dinamica della struttura, rilevare anomalie e generare alert precoci a supporto di interventi tempestivi di conservazione e manutenzione.

Descrizione tecnica della soluzione

Sviluppato in Python, il DP utilizza algoritmi di Machine Learning non supervisionato per analizzare dati accelerometrici (PSD), clinometrici e ambientali. Elabora dati CSV tramite pipeline batch, costruisce un modello di riferimento della struttura e confronta le nuove acquisizioni per rilevare anomalie e generare alert. Supporta il deployment sia in ambienti on-premise che cloud.

Metadati e informazioni elaborate

Acquisisce ed elabora dati accelerometrici (PSD), clinometrici e ambientali (temperatura e umidità), generando metadati sullo stato di salute strutturale del bene monitorato. Produce indicatori di anomalia, scostamenti dalla baseline, livelli di allerta e timestamp delle rilevazioni, supportando il monitoraggio continuo e la valutazione dell’evoluzione del degrado.

Casi d’uso principali

Supporto all’analisi e all’addestramento di modelli AI

Target di riferimento

Destinato a enti pubblici e privati, centri di ricerca, università, organizzazioni culturali e sviluppatori interessati a tecnologie avanzate per la gestione, il monitoraggio e la valorizzazione dei dati.

Note aggiuntive

Soluzione progettata per essere facilmente estendibile e integrabile con altri sistemi