Tecniche di Embedded Machine Learning per la rilevazione delle cadute di pacchi in spedizioni

In order to optimize shipping processes, automatic detection of dropped packages can guarantee the integrity of the contents and improve the logistical aspect of transportation. This thesis proposes a solution, based on Embedded Machine Learning techniques, capable of monitoring any falls through sensors. The developed system uses Arduino Nano 33 BLE Sense, equipped with an accelerometer and gyroscope, to collect data during transport. The collected data have been processed in Python for training and evaluating ML models. The ultimate goal is to create an embedded system that can run the model on low-powered devices, such as Arduino, reducing the need for continuous data transmission and enabling real-time drop detection.

Al fine di ottimizzare i processi di spedizione, la rilevazione automatica delle cadute di pacchi può garantire l'integrità del contenuto e migliorare l'aspetto logistico dei trasporti. In questa tesi viene proposta una soluzione, basata su tecniche di Embedded Machine Learning, in grado di monitorare eventuali cadute grazie all'utilizzo di sensori. Il sistema sviluppato utilizza Arduino Nano 33 BLE Sense, dotato di accelerometro e giroscopio, per raccogliere dati durante il trasporto. I dati raccolti sono stati elaborati per l'addestramento e la valutazione di modelli ML in linguaggio Python. L'obiettivo finale è creare un sistema embedded in grado di eseguire il modello su dispositivi a bassa potenza, come Arduino, riducendo la necessità di una trasmissione dati continua e consentendo la rilevazione in tempo reale delle cadute.