Internet of Things (2025) - Università del Salento

B.U.S. nasce per rendere il trasporto scolastico più sicuro, trasparente e connesso, grazie all’integrazione di tecnologie intelligenti. L’obiettivo è monitorare in modo automatico e preciso la presenza dei bambini a bordo dello scuolabus, superando i limiti degli attuali sistemi manuali basati su elenchi cartacei o memoria individuale.

Students: Alessia Prima - Francesco Bisanti

ChillChain is an IoT platform for refrigerated transport sharing, combining a logistics marketplace for shipment booking with cold chain monitoring and ML-based anomaly detection.

Students: Antonio Bello

DeliveryGo è un sistema avanzato di logistica intelligente che ottimizza la gestione delle consegne in tempo reale. Progettato per migliorare l'efficienza dei camionisti e ridurre i tempi di consegna, DeliveryGo integra l'ottimizzazione delle rotte, il tracciamento in tempo reale, e la gestione delle anomalie.

Students: Simone Settimo - Carmelo Mandorino

Il controllo della qualità dell’aria rappresenta una delle priorità ambientali più importanti del nostro tempo. Con l’intensificarsi dell’urbanizzazione, dell’industrializzazione e dei cambiamenti climatici, il monitoraggio preciso e tempestivo degli inquinanti atmosferici è diventato fondamentale per la tutela della salute pubblica e la sostenibilità ambientale. Nel contesto territoriale pugliese, il progetto DigitAIR è stato ideato per superare i limiti dei tradizionali sistemi di monitoraggio, grazie all’implementazione di tecnologie innovative come l’Internet of Things (IoT) e l’Intelligenza Artificiale (AI) con l'obiettivo di sviluppare una rete di controllo della qualità dell’aria ad alta densità, in grado di fornire dati accurati e tempestivi per supportare decisioni informate in materia di salute pubblica e politiche ambientali.

Students: Andrea Andrenucci - Martina De Gaetanis

DriveMood è una piattaforma end‑to‑end che integra un’app mobile, un backend FastAPI e una dashboard React per monitorare in modo continuo lo stile di guida e stimare in tempo reale l’urgenza di manutenzione dei veicoli.

Students: Ilenia Nestola - Beatrice Pagano

Students: Yassine Ben Hamadi

FastGo è una piattaforma logistica e di food delivery di nuova generazione che integra tecnologie Internet of Things (IoT), Machine Learning e Blockchain per garantire l'integrità delle merci trasportate. A differenza dei servizi di consegna tradizionali, che si limitano a tracciare la posizione geografica del pacco, FastGo sposta il focus sulla garanzia della qualità del trasporto. Il sistema monitora attivamente le condizioni fisiche della spedizione (vibrazioni, urti, orientamento e temperatura) durante l'intero processo, utilizzando sensori embedded.

Students: Daniele Massari - Francesco Grassi - Alessio Santantonio

GymTrackerAI è un'applicazione progettata per offrire un sistema completo di monitoraggio delle attività fisiche, pensato per l'allenamento in palestra. Si basa sull'uso del dispositivo SensorTile.box PRO di STMicroelectronics per la raccolta dei dati biometrici e prevede l'utilizzo di due modelli di Machine Learning: uno eseguito direttamente sulla board e uno integrato nello smartphone.

Students: Pierluigi Causio - Davide Rizzo

Il degrado stradale causa migliaia di incidenti annui. La nostra missione è trasformare la manutenzione da reattiva a proattiva digitalizzando il rilevamento dei dissesti.

Students: Alessio Calogiuri

Il sistema sviluppato fornisce assistenza informativa agli studenti universitari tramite un agente conversazionale intelligente. Lutente può porre domande su scadenze, moduli, regolamenti e ricevere risposte mirate e aggiornate, grazie all'integrazione tra modelli linguistici e documenti ufficiali del sito unisalento.it.

Students: Francesco Maggio - Andrea Barone

Un'applicazione IoT per la previsione del consumo energetico.

Students: Mara Montinari - Giuseppe Ruberto

Il progetto si propone di sviluppare un sistema intelligente per la protezione uditiva e la comunicazione in ambienti di lavoro rumorosi, utilizzando una infrastruttura IoT composta da Raspberry Pi, cuffie Bluetooth e beacon BLE.

Students: Francesco Stabile - Gabriele Romano

Il sistema T-Shirt Smart rappresenta una soluzione per il monitoraggio continuo e non invasivo dei parametri fisiologici attraverso una t-shirt dotata di sensori biomedici integrati. Il sistema sfrutta modelli di Intelligenza Artificiale per l'esecuzione di tecniche di anomaly detection sui segnali biometrici acquisiti, con l'obiettivo di identificare tempestivamente comportamenti anomali o potenzialmente pericolosi rispetto al profilo fisiologico dell'utente.

Students: Andrea De Dominicis - Niccolò Miccoli

This work was described in a scientific paper: Link to the paper

Taxi AI è un progetto Python che utilizza tecniche di Natural Language Processing (NLP) per riconoscere richieste di prenotazione taxi in linguaggio naturale, estrarre date e orari, e verificare la disponibilità degli autisti su un database CSV.

Students: Luigi Roberti - Cristian Golia

Tremor Monitoring è un sistema intelligente per il rilevamento continuo dei tremori nei pazienti affetti da Parkinson. Il progetto si pone l'obiettivo di essere uno strumento per il personale sanitario specializzato, per ottenere statistiche sull'andamento della malattia nel corso del tempo. L'obiettivo principale è stato quello di realizzare un'applicazione il meno invasiva possibile per il paziente, e il quanto più indipendente possibile da una sua interazione

Students: Francesco Piccinno - Francesco Festa

Il progetto nasce con l'obiettivo di sviluppare un sistema intelligente e non invasivo per il monitoraggio continuo di pazienti affetti da malattie neurodegenerative, come Alzheimer, Parkinson e SLA. Utilizzando lo smartwatch Google Pixel Watch 2, il sistema rileva automaticamente parametri vitali e comportamentali, tra cui frequenza cardiaca, durata del sonno, tempo trascorso fuori casa e minuti di conversazione telefonica. I dati vengono trasmessi allo smartphone Android del paziente tramite Bluetooth Low Energy (BLE) e da lì inviati al backend cloud, dove sono analizzati da algoritmi di intelligenza artificiale per rilevare segnali di deterioramento sociale. In caso di comportamenti anomali, il sistema invia notifiche personalizzate al paziente e, se necessario, al caregiver, favorendo interventi tempestivi e mirati.

Students: Andrea Cioffi - Desiree Pizzolante

This project NILM Smart House implements a solution for house appliances monitoring in a non-intrusive way, in order to increase the awareness of inhabitants about their households consumption without installing any power sensors as Shelly Plugs on every devices.

Students: Gabriele De Santis - Cristian Rollo

This work was described in a scientific paper: Link to the paper