Progetto di Tesi – Università degli Studi del Sannio, Corso di Ingegneria Informatica
Pention-System è una piattaforma avanzata per la simulazione, l’analisi e la localizzazione di sorgenti di emissione tramite dati di sensori distribuiti. Il progetto integra modelli di machine learning e fisica computazionale per stimare la dispersione di sostanze nell’aria, rendendolo un potente strumento per studi ambientali e di sicurezza industriale.
- Simulazione della dispersione: utilizzo di modelli Gaussian Puff per la predizione della distribuzione di sostanze nell’aria.
- Localizzazione della sorgente: stima della posizione di emissioni tramite dati sensoriali.
- Classificazione NPS: implementazione di modelli DNN e Balanced Random Forest per l’analisi di spettri di sostanze.
- Interfaccia interattiva: visualizzazione dei dati e delle mappe tramite Streamlit e Folium.
- Robustezza e scalabilità: struttura modulare e gestione dei dati tramite file LFS.
Pention-System/
│
├─ ClassificatoreNPS/ # Modelli e script per la classificazione NPS
├─ CorrectionDispersion/ # Moduli per la correzione della dispersione simulata
├─ EmissionSouceLocalization/ # Algoritmi per la localizzazione della sorgente
├─ PentionSystem/ # Applicazione principale e API
├─ gaussianPuff/ # Modello di simulazione della dispersione
├─ docker-compose.yml # Configurazione Docker per deploy
├─ .gitignore
├─ .gitattributes
└─ README.md
- Python 3.10.11
- TensorFlow / Keras
- Scikit-learn
- Streamlit & Folium
- Docker & Docker-Compose
- Git LFS per gestire file di grandi dimensioni
Il progetto è containerizzato per semplificare l’esecuzione e garantire la riproducibilità.
Dalla root del progetto:
docker-compose up --buildPer avviare la dashboard locale:
streamlit run application.py- Mappe di concentrazione dinamiche e interattive
- Predizione accurata della posizione della sorgente di emissione
- Classificazione dei dati NPS dai sensori
Questo progetto è rilasciato sotto MIT License – vedi il file LICENSE per i dettagli.
Email: mininnoclaudio@gmail.com
Questo progetto è stato sviluppato come parte della tesi triennale in Ingegneria Informatica presso l’Università degli Studi del Sannio.