EO_490

LIGHTING 24 - NOVEMBRE/DICEMBRE 2020 MACHINE LEARNING … e reti neurali Per implementare la funzionalit à di apprendimento automatico il pro- getto SALUS ha fatto ricorso alle reti neurali, grazie alle quali il sistema è in grado di differenziare i diversi oggetti. “La parte critica del progetto – ha detto il prof. Hubert Mantz dell’Universit à per le scienze applicate di Ulm – è la classificazione degli oggetti rilevati, un’operazione mai tentata finora. Grazie a essa il sistema sar à in grado di prevedere il mo- vimento degli oggetti, una funzionalit à che conferisce al sistema stesso un’intelligenza in tempo reale che gli permetter à di prevedere l’insor- gere di situazioni di pericolo”. Si tratta quindi di una notevole evolu- zione rispetto al semplice rilevamento del movimento. Il digitalizzatore Spectrum PCIe mod. M2p.5926-x4 permette di effettuare l’acquisizione su 4 canali differenziali e prevede convertitori A/D con risoluzione di 16 bit. La risoluzione verticale a 16 bit garantisce un livello di accuratezza superiore di un fattore pari a 16 rispetto a quello di una scheda a 12 bit. Questa scheda PCIe, che può contare su una memoria fino a 512 Msample, consente di elabo- rare tutti i dati richiesti simul- taneamente in tempo reale. Si tratta di un dispositivo molto semplice e intuivo da utilizzare, il che ha permesso al team di sviluppo di concen- trarsi sugli aspetti critici del progetto piuttosto che sulla programmazione. La scheda è coperta da una garanzia di cinque anni, men- tre gli aggiornamenti software e firmware sono gratuiti per l’intera vita operative del pro- dotto. Il digitalizzatore Spectrum PCIe M2p.5926-x4 prevede 4 canali ed è caratterizzato da risoluzione a 16 bit e ampiezza di banda 10 10 MHz Il progetto prevede l’installazione di radar stradali “intelligenti” sotto forma di pali alimentati mediante energia fotovoltaica posti sulle strade di tutta la Germania