Machine learning e IoT in un’app per la cura delle piante e monitoraggio della qualità dell’aria

Frattini, Francesca (2021) Machine learning e IoT in un’app per la cura delle piante e monitoraggio della qualità dell’aria. [Laurea], Università di Bologna, Corso di Studio in Ingegneria e scienze informatiche [L-DM270] - Cesena, Documento ad accesso riservato.
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (9MB) | Contatta l'autore

Abstract

Negli ultimi anni il settore della coltivazione di piante ornamentali da interno ha avuto un notevole aumento di interesse. Questa passione è stata incentivata anche da studi che hanno dimostrato come le piante possano influire positivamente sulle condizioni dei luoghi in cui sono coltivate.Questo volume di tesi ha come obiettivo la progettazione e lo sviluppo di un'applicazione Android che possa rappresentare un punto di riferimento per principianti ed esperti del settore dell’allevamento delle piante da interno. Uno dei temi chiave è proprio la qualità dell'aria ed il contributo fornito dalle piante per migliorarla. Questo argomento è stato sviluppato grazie all’utilizzo di iot, che permette all'applicazione di comunicare direttamente con un sensore che rileva la qualità dell'aria, misurandone alcuni parametri, quali temperatura, pressione, umidità, rumore e concentrazione di CO₂. Inoltre, è presente la tecnologia del machine learning con un modello per la classificazione delle specie di vegetali. La trattazione inizia con una panoramica sul contesto in cui si inserisce l'applicazione e alle tecnologie utilizzate per la sua implementazione. Infine, è presentato il progetto finale con la descrizione delle sue componenti e funzionalità.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Frattini, Francesca
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
android,iot,machine learning,room,app mobile,mobile computing,ai,tensorflow lite,crowdsensing,pervasive computing
Data di discussione della Tesi
7 Ottobre 2021
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^