Multimodal vision and Artificial Intelligence for the characterization of construction and demolition and municipal solid waste

La gestione sostenibile dei rifiuti solidi richiede sistemi di caratterizzazione automatica che integrino robustezza metrologica e scalabilità industriale. Questa tesi propone un framework basato su visione artificiale multimodale e algoritmi di intelligenza artificiale applicato a due domini: rifiuti da costruzione e demolizione (CDW) e rifiuti solidi urbani indifferenziati (MSW). Per i CDW sono stati sviluppati modelli di riconoscimento basati su immagini RGB operanti in tempo reale su impianto pilota, affiancati da protocolli di caratterizzazione spettrale in laboratorio. Mediante termografia IR attiva è stata stimata l’emissività di materiali da costruzione (calcestruzzo, legno, mattoni, ceramica), mentre l’analisi iperspettrale ha consentito l’estrazione di firme spettrali distintive. I dati, classificati con SAM, MLP e CNN, hanno raggiunto accuratezze superiori al 90%, dimostrando la trasferibilità del modello da ambiente controllato a scenario operativo. Per i MSW è stata integrata una stereo camera su linea di vagliatura industriale. Sono stati ottimizzati i parametri di acquisizione e addestrati modelli di segmentazione per il riconoscimento delle principali classi presenti. Parallelamente è stato sviluppato un algoritmo deterministico per la stima del volume da nuvole di punti; combinando il volume con la densità media sperimentale è stata stimata la massa. L’analisi di incertezza ha evidenziato un’incertezza