Science

In a scientific experiment very big amounts of data are collected. DataMind designs and develops advanced algorithms and software solutions for data analysis and visualization.

Articles / Abstracts:

• A speed of sound aberration correction algorithm for curvilinear ultrasound transducers in ultrasound-based image-guided radiotherapy
  (Fontanarosa et al 2013 Phys. Med. Biol. 58 1341 – link: http://iopscience.iop.org)
• Automated cross-modal 3D contouring algorithm for prostate 3D ultrasound-CT co-registered images
  (2nd ESTRO Forum, Geneva – Switzerland – link: http://www.estro.org)
• Automated Computed Tomography-Ultrasound Cross-Modality 3-D Contouring Algorithm for Prostate (Ermacora et al 2015 Ultrasound Med Biol 2015 Oct 21;41 – link: http://www.journals.elsevier.com/ultrasound-in-medicine-and-biology  )
• Hybrid Deformable Registration of 3D Breast Ultrasound Views (Costa et al.) (37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society 2015, Milan, Italy - link: http://embc.embs.org )

Conferences:

• US imaging for image guidance in radiotherapy, Feb 8 2013, Maastricht, the Netherlands
• Hybrid Deformable Registration of Automated 3D Breast Ultrasound Views, International Workshop on Ultrasound Guidance in Radiotherapy 2015, June 25th - 26th, Cookham, United Kingdom.
• Automated Nipple Detection in 3D Breast Ultrasound Scans, European Congress of Radiology, ECR2016, March 2nd - 6th, Vienna, Austria

Projects:

• DM3DEP

  DataMind DM3DEP has been selected as a winner project in the ZDMP Open Call 1. The project started in September 2021 and will last for 9 months. We are currently writing the requirements and specifications for our zComponent and we will soon start the implementation phase.
  
  In the last decades computer vision has developed many standardized features to describe objects represented in video streams; modern industrial defect recognition systems based on camera sources can thus easily take advantage of machine learning techniques for classification. On the contrary no such a standardized feature-based description of structural 3D objects is currently available. The goal of the proposed project is to support developing defect classifiers based on both 3D design-time models (CAD) and 3D object data, computing and exposing a complete set of well-defined and manufacturing-oriented 3D object descriptors.
  
  The ZDMP – Zero Defects Manufacturing Platform – is a project funded by the H2020 Framework Programme of the European Commission under Grant Agreement 825631 and conducted from January 2019 until December 2022. It engages 31 partners (Users, Technology Providers, Consultants and Research Institutes) with a mission to “Provide the platform, components, services, and marketplace to achieve the right product, at the right time, with the right conditions using the right resources.". Further information can be found at www.zdmp.eu. ZDMP channels 3.2M€ of SME orientated funding to subprojects, such as this one to both facilitate SMEs with their innovations and increase the value of the ZDMP ecosystem.
• 
• Click here to download the project brochure
• 
• Click here to download the project brochure
• 
• La Commissione Europea con decisione CE(2015) 4814 del 14/07/2015 ha approvato il Programma Operativo del Fondo Europeo Di Sviluppo Regionale (FESR) 2014-2020 “Investimenti a favore della crescita e dell’occupazione” del Friuli Venezia Giulia. Il Programma ha una dotazione complessiva di risorse (FESR, Stato, Regione) articolate su 5 Assi tematici corrispondenti a determinati obiettivi Tematici (OT) di cui all’art. 9 del Regolamento 1303/2013.
  Nell’ambito dell’Asse I (Obiettivo Tematico 1 - Rafforzare la ricerca, lo sviluppo tecnologico e l'innovazione), e nello specifico dell’Attività 1.3.a “Attività di ricerca e sviluppo realizzate attraverso la cooperazione tra soggetti economici e tra soggetti economici e strutture scientifiche”, la Regione Friuli Venezia Giulia ha co-finanziato il progetto di ricerca e sviluppo congiunto denominato “SMART METAL - Macchina intelligente per la metallizzazione di componenti plastici in fanaleria auto”. I progetto coinvolge le tre aziende regionali: Automotive Lighting Italia S.p.A., DataMind S.r.l. e C.S.R. ITALIA S.r.l.. Per tale iniziativa, la Regione Friuli Venezia Giulia ha previsto la concessione complessiva di contributo di 482.056,05 euro, per una spesa complessiva ammessa pari a 1.162.104,71 euro.
  L’obiettivo principale del progetto è l’implementazione di una nuova macchina di metallizzazione intelligente, che integra metodologie avanzate di visione artificiale e metodi innovativi per l’ottimizzazione in tempo reale del processo, nell’ottica miglioramento di efficienza produttiva e qualità di prodotto. Sarà inoltre sviluppato un tool di progettazione integrata prodotto/processo con l’obiettivo di prevedere a calcolo il processo di deposito del coating sugli elementi ottici del fanale.
  Nell’ottica di miglioramento continuo verso una fabbrica intelligente e con lo scopo di ridurre le attività non-valore aggiunto, tale progetto si pone come scopo principale l’automazione del processo di metallizzazione per quel che riguarda principalmente due aspetti principali:
  • implementazione di un sistema di visione che rilevi in automatico gli scarti del processo e consenta di eliminare le parti non conformi
  • messa a punto di un sistema di feedback in loop chiuso che consenta la regolazione automatica del sistema metallizzatore misurandone i pezzi in uscita (mediante misurazione di spessore di alluminio con sistema basato su caratterizzazione elettrica)
  I principali vantaggi apportati da questa trasformazione radicale nel reparto di metallizzazione sono i seguenti:
  • riduzione degli scarti, grazie al controllo dei parametri di processo in loop chiuso con misurazione diretta dello spessore di metallizzazione;
  • riduzione del lavoro a non-valore aggiunto, con l’introduzione di un sistema automatico per il controllo degli scarti e l’eliminazione degli stessi;
  • riduzione dei resi dal campo, grazie all’introduzione di un processo più oggettivo di selezione dei campioni scarti
  • riduzione degli inquinanti: tutti i pezzi plastici metallizzati scarti non possono essere rilavorati o riciclati, inoltre oltre alla plastica di scarto è presente su ogni componente un sottile spessore di metallo che contribuisce all’aumento degli inquinanti.
• 
  
  
• Click here to download the project brochure