Design, Development and Analysis of Computer Vision Pipelines for Industrial Safety and Multi-Robot Surveillance

La sicurezza sul lavoro rappresenta una sfida fondamentale in tutti gli ambienti industriali, dove la prevenzione degli incidenti e il rispetto delle normative rivestono un'importanza prioritaria. I metodi tradizionali di monitoraggio, spesso basati su ispezioni manuali o sistemi di sorveglianza fissi, risultano dispendiosi in termini di tempo, soggetti a errori e limitati in adattabilità. I recenti progressi nella Computer Vision e nella robotica offrono il potenziale per trasformare questo settore, consentendo soluzioni intelligenti, automatizzate e rispettose della privacy per il monitoraggio in tempo reale. Questa tesi indaga la progettazione e l’implementazione di pipeline basate sull’IA per il rilevamento dei Dispositivi di Protezione Individuale (DPI), con particolare attenzione a caschi di sicurezza e giubbotti riflettenti. Il sistema proposto si avvale di architetture basate su YOLO (YOLOv8 e YOLOv11) per il rilevamento delle persone e di strategie di ritaglio guidate dalla posa per isolare le regioni di testa e torso, che vengono poi anonimizzate per rispettare i requisiti di privacy e analizzate per valutare la conformità ai DPI. È stato costruito un dataset dedicato, unendo e bilanciando più dataset pubblici certificati, con l’obiettivo di migliorarne la robustezza e ridurre i falsi positivi. Inoltre, è stata sviluppata una pipeline di sorveglianza aerea tramite l’analisi video basata su droni per rilevare persone e veicoli da prospettive dall’alto. Lo studio esplora le tecniche di preprocessing dei dataset, le strategie di bilanciamento delle classi e il confronto tra modelli di rilevamento unificati e specializzati. I risultati sperimentali dimostrano i punti di forza e le limitazioni di entrambe le pipeline, sottolineando il ruolo cruciale della qualità dei dataset, delle tecniche di anonimizzazione e dei vincoli di prestazioni in tempo reale. Oltre al contesto industriale, i risultati evidenziano le più ampie implicazioni della combinazione tra Computer Vision e robotica nella costruzione di sistemi di monitoraggio intelligenti, contribuendo a creare ambienti di lavoro più sicuri ed efficienti.