Il progetto StreamER continua a compiere progressi significativi su più fronti. Di seguito un aggiornamento sui risultati raggiunti nei principali ambiti di sviluppo.

Sviluppo dell’eDNA sampler (WP3)

Il team di StreamER ha completato il primo design preliminare del campionatore di DNA ambientale (eDNA sampler), un elemento chiave per il monitoraggio ambientale. Il sistema si basa su un’architettura MASTER+SLAVEs, in cui ogni modulo SLAVE costituisce un’unità autonoma di campionamento. Ogni modulo integra un circuito completamente indipendente, composto da una pompa peristaltica, un filtro, un recipiente per i rifiuti, un recipiente RNAlater e un’elettronica dedicata, garantendo così l’assenza di contaminazione tra campioni successivi.

Un’innovazione del sistema è rappresentata dall’adozione di cartucce sostituibili (indicate nel riquadro rosso in Figura 2), che includono il filtro, il recipiente per i rifiuti e il recipiente RNAlater. A fine missione, queste cartucce possono essere facilmente sostituite, consentendo al sistema di essere rapidamente pronto per una nuova missione e facilitando l’analisi biologica dei campioni. L’unità centrale MASTER, invece, coordina il funzionamento dei moduli SLAVE, ricevendo i comandi dall’operatore e gestendo le operazioni di campionamento.

Il prossimo passo sarà condurre test su banco di laboratorio per verificare il corretto funzionamento dei componenti scelti e avviare la miniaturizzazione dei circuiti. Questa fase è cruciale per ridurre l’ingombro e massimizzare il numero di filtri installabili, rendendo il sistema compatibile con la struttura modulare del drone Blucy. Questi sviluppi miglioreranno ulteriormente l’efficienza del sistema, rendendo il campionatore eDNA una piattaforma versatile e avanzata per la raccolta e l’analisi dei dati ambientali.

Test dei modelli di AI per il riconoscimento di specie marine (WP4)

Nell’ambito del WP4, il team sta sviluppando modelli di intelligenza artificiale (AI) per il riconoscimento di specie marine. In questa prima fase, il lavoro si è concentrato sull’Holothuria tubulosa, utilizzando dataset raccolti durante precedenti missioni del drone Blucy. Questi test preliminari hanno permesso di validare la capacità dei modelli di identificare con precisione la specie target e di analizzare la potenza computazionale richiesta per eseguire tali operazioni in tempo reale. SI sta inoltre parallelamente siluppando un’Interfaccia Grafica Scientifica per il controllo e le analisi dei dati ricevuti dal drone.

In futuro, il software AI sarà implementato direttamente sul drone Blucy, utilizzando la piattaforma NVIDIA Jetson. Questo consentirà l’elaborazione locale dei dati raccolti dai sensori e la generazione di output visualizzabili in tempo reale dagli operatori durante le missioni. Questa capacità di elaborazione a bordo migliorerà l’efficienza operativa, riducendo la dipendenza dalla trasmissione dei dati alla superficie e abilitando interventi immediati basati sulle informazioni raccolte.

Questi sviluppi rappresentano un passo importante verso l’integrazione di tecniche avanzate di intelligenza artificiale nel contesto operativo marino. Il riconoscimento in tempo reale di specie come l’Holothuria tubulosa costituisce un caso d’uso significativo, con prospettive future per la classificazione di altre specie e il rilevamento di anomalie ecologiche.