Grazie a BackRep e all’Intelligenza Artificiale – e al Centro di ricerca CLACK del dip. di Ingegneria dell’Impresa “Mario Lucertini” – è più facile riconoscere i macrorifiuti nell’ambiente

Rifiuti abbandonati in natura, ricercatori di “Tor Vergata” mettono a punto un sistema per differenziare rifiuti direttamente sul posto

A cura dell’Ufficio Stampa di Ateneo

 

Si chiama “BackRep” e utilizza l’aumento dei dati per reti neurali e algoritmi per Intelligenza Artificiale

Gli studi sulla raccolta automatizzata dei rifiuti (Automated Waste Sorting) stanno contribuendo notevolmente a rendere più efficiente l’intero processo di riciclaggio. Una questione rilevante tuttavia rimane ancora irrisolta, ovvero come gestire la grande quantità di rifiuti che viene dispersa nell’ambiente invece di essere raccolta correttamente?

La ricerca condotta dall’Università degli Studi di Roma “Tor Vergata”, pubblicata sulla rivista internazionale MDPI con il titolo “Data Augmentation Using Background Replacement for Automated Sorting of Littered Waste”, ha come obiettivo principale quello di costruire sistemi di smistamento automatico dei rifiuti per identificare e classificare i rifiuti gettati in natura. I ricercatori del Dipartimento dell’Ingegneria dell’Impresa “Mario Lucertini” di “Tor Vergata”, hanno sviluppato un sistema per la classificazione automatica di immagini, chiamato “BackRep”, in grado di riconoscere i rifiuti nell’ambiente in cui sono stati abbandonati. Il modello utilizza una procedura di aumento di dati per reti neurali, in particolare, e per algoritmi di Intelligenza Artificiale, in generale.

«BackRep espande i set di dati esistenti ritagliando i rifiuti solidi in immagini scattate su uno sfondo uniforme (bianco) e sovrapponendoli a sfondi più realistici», spiega il professor Fabio Massimo Zanzotto, autore della ricerca, docente di Natural Language Processing presso l’Università degli Studi di Roma “Tor Vergata”  e coordinatore del Centro di Ricerca Interdipartimentale Artificial Intelligence Research su Linguaggio, Conoscenza e Cognizione” (CLAK)” presso il Dipartimento di Ingegneria dell’impresa ‘Mario Lucertini”.

La ricerca è stata portata avanti con la collaborazione di Arianna Patrizi, studentessa del corso di laurea magistrale in informatica a “Tor Vergata” e del Professor Giorgio Gambosi, Dipartimento di Ingegneria dell’Impresa, e ha potuto contare, in parte, su un finanziamento di INAIL, l’Istituto nazionale Assicurazione Infortuni sul Lavoro, per la realizzazione di un sistema di informazione su parchi avventura e ambienti non-wild che prevede una parte di analisi delle immagini.

«Per sperimentare la nostra procedura di aumento dei dati, abbiamo prodotto un nuovo set di dati in ambienti realistici (“Littered waste Testset”) e abbiamo osservato che i riconoscitori di rifiuti “addestrati” sui dati aumentati superano quelli addestrati sui set di dati esistenti. La procedura di aumento dei dati che abbiamo adottato sembra essere dunque un approccio praticabile per supportare lo sviluppo di riconoscitori di rifiuti per ambienti urbani e selvaggi», ha dichiarato Arianna Patrizi, tra gli autori della ricerca.

Il “Littered waste Testset” è composto da 114 immagini classificate secondo le categorie del dataset CompostNet, uno tra i primi sistemi di classificazione automatica dei rifiuti tramite immagini che utilizza una rete neurale per identificare differenti tipi di rifiuti compostabili e riciclabili. Un gruppo di volontari ha scattato le foto in contesti domestici ed esterni con diversi tipi di sfondi e luci. Il gruppo ha utilizzato la fotocamera del telefono e le immagini sono state quindi ridimensionate a 500 × 400 pixel. La distribuzione delle classi di rifiuti è stata determinata dai volontari. Questi sono rifiuti trovati nell’ambiente urbano e nelle loro case. Ai volontari è stato chiesto di produrre almeno dieci campioni per classe.

«I sistemi finora in uso sono in grado di classificare i rifiuti soltanto sullo sfondo omogeneo di nastri trasportatori. Il nostro sistema – continua Zanzotto – è in grado di classificare i rifiuti dove si trovano. Quindi, potrebbe in futuro equipaggiare robot che possono essere possono essere utilizzati per pulire boschi, foreste, coste e ambienti urbani rimuovendo i macrorifiuti.  “BackRep” è un modello generale di aumento dei dati che può essere utilizzato per diverse attività di riconoscimento delle immagini e aprire un interessante filone di ricerca».

 

A cura dell’Ufficio Stampa di Ateneo

 

Tirocini: MSF cerca per l’area Database & Marketing Analysis

Medici Senza Frontiere pubblica un bando per una posizione di stage curriculare all’interno dell’area Database & Marketing Analysis.

Il tirocinio si svolgerà nel Dipartimento di Raccolta Fondi, all’interno dell’area Database & Marketing Analysis. Lo stage avrà l’obiettivo di far acquisire al tirocinante competenze specifiche nell’area della gestione dati per il non profit, la reportistica e il monitoraggio delle campagne di raccolta fondi.

Partecipazione alle attività di:

  • Gestione dati per le campagne di raccolta fondi online e offline, tramite l’utilizzo di software di database management e CRM
  • Reportistica e analisi dati per monitorare l’andamento delle campagne di raccolta fondi, tramite l’utilizzo del software QlikView e quello di altri strumenti online e offline
  • Utilizzo di tecniche statistiche tradizionali e/o di Machine Learning per lo sviluppo di modelli di segmentazione del target mediante l’utilizzo del software SPSS Modeler e/o altri strumenti

Requisiti della posizione

  • Laurea in Statistica, Ingegneria dell’informazione, Data Science o affini
  • Ottima conoscenza dell’inglese
  • Conoscenze del pacchetto office (in particolare Excel e Access)
  • Conoscenza dei concetti di base di informatica e programmazione
  • Conoscenza dei concetti di base sui database e il linguaggio SQL
  • Conoscenza dei concetti base di modellazione statistica e delle tecniche di apprendimento automatico
  • Ottime capacità comunicative
  • Propensione al lavoro in team
  • Gestione delle priorità
  • Gestione dello stress
  • Precisione
  • Motivazione ai temi umanitari e in particolare ai principi MSF

Condizioni

Inizio: luglio 2021 con pausa estiva dal 9 al 20 agosto
Tipologia: stage curriculare fino al 14 gennaio 2022
Disponibilità: full time, dal lunedì al venerdì h 09.00 – 18.00
Sede: via Magenta 5 – 00185 Roma. La modalità di stage attualmente prevista è da remoto. Potrebbe variare e diventare mista (in presenza e da remoto) a seconda delle disposizioni legislative in materia di sicurezza covid.
Rimborso spese: 450 euro mensili e un buono pasto del valore di 5 Euro per ogni giornata lavorativa.

I candidati interessati possono candidarsi tramite il sito web, allegando CV e lettera di motivazione, entro e non oltre il 22/07/2021