Intelligenza artificiale per la diagnostica

L’intelligenza artificiale costituisce un filone trasversale dell’attività scientifica. Le prime ricerche del Prof. Silvano Vergura hanno riguardato reti neurali non supervisionate per estrarre caratteristiche, riconoscere dati anomali e ridurre la ridondanza di dataset ambientali. Successivamente, reti neurali, visione artificiale e logica fuzzy sono state applicate alla diagnostica fotovoltaica, all’elaborazione delle immagini termografiche, al controllo di sistemi energetici ibridi e alla gestione del microclima delle serre. L’approccio combina apprendimento automatico, statistica, conoscenza fisica e controllo in tempo reale.

I dati provenienti da impianti e sensori possono essere rumorosi, incompleti, ridondanti o scarsamente etichettati. I guasti reali sono meno numerosi delle condizioni normali e le prestazioni cambiano con il contesto ambientale. Un modello addestrato su un singolo impianto può quindi non generalizzare ad altri siti o tecnologie. Nelle applicazioni diagnostiche è inoltre essenziale comprendere perché un componente sia stato segnalato e con quale grado di incertezza. Un algoritmo accurato ma opaco è difficilmente utilizzabile per decisioni manutentive o di sicurezza.

Le reti neurali sono state utilizzate per apprendere il comportamento normale delle stringhe fotovoltaiche e riconoscere perdite dovute a invecchiamento, sporcamento o altri modi di guasto. Nelle piattaforme termografiche, la visione artificiale identifica moduli e celle, elabora le immagini e classifica le anomalie. La logica fuzzy gestisce invece sistemi non lineari e incerti: regola temperatura e umidità nelle serre, controlla convertitori e batterie, realizza strategie MPPT e ottimizza il raffreddamento dei sistemi fotovoltaici-termici. Le implementazioni su FPGA permettono di trasferire tali controlli su dispositivi embedded con risposta rapida.

Le future ricerche saranno orientate verso dataset multimodali, apprendimento semi-supervisionato e modelli physics-informed, nei quali le reti neurali rispettino i vincoli fisici del sistema. L’intelligenza artificiale dovrà fornire diagnosi spiegabili, regioni dell’immagine rilevanti e intervalli di confidenza. L’elaborazione sarà distribuita tra dispositivi edge, droni, FPGA e cloud, garantendo velocità, cybersecurity e tracciabilità. Il passaggio successivo sarà dalla semplice rilevazione alla prognostica: stimare perdita energetica, probabilità di evoluzione, vita residua e priorità manutentiva, lasciando all'esperto la responsabilità della decisione finale.