Integrazione tra modellazione CAD e Realtà Aumentata

Negli ultimi anni, il settore manifatturiero è stato trasformato dall'industria 4.0, che promuove la digitalizzazione e l'integrazione tra progettazione, produzione e gestione dei dati. In questo ambito, la Realtà Aumentata (AR) risulta fondamentale per il controllo qualità, permettendo di sovrapporre il modello CAD al prodotto fisico per rilevare discrepanze in tempo reale. Tuttavia, l'efficacia dei sistemi di visione artificiale (computer vision) alla base dell'AR dipende dai dati di addestramento. Poiché raccogliere ampi dataset fotografici di componenti reali è complesso e costoso, i modelli CAD 3D offrono una soluzione strategica per generare dataset sintetici illimitati. Questa tesi si concentra sulle metodologie per colmare il divario visivo tra la perfezione dei rendering 3D e le immagini reali, creando algoritmi robusti per l'industria. Il lavoro nasce dall'esperienza industriale presso Curti Costruzioni Meccaniche S.p.A., dove è emersa la centralità della modellazione CAD 3D e dei sistemi PLM (Product Lifecycle Management) nella gestione dei flussi progettuali. Questa base pratica si è poi unita alla ricerca accademica presso lo UX LAB dell'Università di Bologna, con l'obiettivo di evolvere la gestione del dato CAD verso nuove tecnologie. La ricerca dimostra come il modello CAD possa generare i dataset sintetici necessari per addestrare l'intelligenza artificiale, abilitando applicazioni AR che non solo riconoscono i componenti, ma restituiscono i risultati dell'ispezione al sistema PLM aziendale. Il contributo finale dell'elaborato è la creazione di un dataset specifico di componenti meccanici, che funge da ponte per trasformare il modello geometrico statico in uno strumento dinamico per il controllo qualità intelligente e integrato nell'intero ciclo di vita del prodotto.