Attenzione: Questa pagina è in continuo aggiornamento


CAPTOR
CAPTOR

CAPTOR

CAPTOR è un progetto che ha sviluppato sensori a basso costo, open source ed alta precisione, per monitorare l'inquinamento da ozono in Italia Spagna e Austria. Le due tipologie di sensori sviluppati sono state realizzate dal Politecnico di Barcellona (UPC) e dall’Università di Clermont Ferrand (UBP). Gli strumenti creati si basano su scheda Arduino (una tipologia) e su scheda raspberry (la seconda tipologia) con sensori di umidità, temperatura, ozono (O3) e biossido di Azoto (NO2); entrambe le tipologie di strumento dispongono di connessione internet che trasmette i dati su piattaforma web per la visualizzazione del dato in real time.
Italy


CAPTOR

Captor partners (UPC, CSIC, UBP, EEA, LEGAMBIENTE, GLOBAL2000, GUIFI.NET, ZSI)

Andrea Minutolo nato a Roma nel 1978, laureato in Geologia. Ho cominciato a lavorare come geologo presso una società privata romana trattando oltre alle tematiche più prettamente geologiche anche quelle ambientali, come la bonifica dei siti inquinati, monitoraggi ambientali su inquinamento atmosferico e delle acque, indagini per le grandi opere e infrastrutture. Nel 2012 sono entrato a far parte dell'ufficio scientifico di Legambiente mettendo a disposizione non solo le competenze tecniche ma anche quelle umane e sociali che hanno sempre fatto parte della mia esperienza di vita.
Attualmente ricopro il ruolo di coordinatore dell'ufficio scientifico.

Jorge García Vidal (Ferrol, A Coruña, Spagna, 1965), laureato in ingegneria delle telecomunicazioni (UPC, 1988) e PhD (Universitat Politècnica de Catalunya, UPC, 1992, Premio alla Tesi di Telecomunicazione UPC). Dal 2003 è professore ordinario presso il Dipartimento di architettura informatica di UPC, dove è a capo del gruppo di ricerca Analisi statistiche di reti e sistemi (SANS). Dal 2012 è responsabile della "Smart and Resilient Cities Initiative" presso il Barcelona Supercomputing Centre (BSC-CNS). Il suo attuale interesse di ricerca riguarda la modellazione e l'analisi statistica dei sistemi, comprese le reti di sensori ambientali, l'analisi dei modelli di mobilità, i dati geospaziali e le informazioni provenienti da fonti di informazioni testuali. Attualmente è coordinatore della ricerca nazionale SEMIOTIC, del progetto quadro H2020 CAPTOR (http://captor-project.eu) e responsabile della partecipazione di BSC-CNS ai progetti quadro H2020 GrowSmarter (http: // www.grow -smarter.eu) e ASGARD (http://www.asgard-project.eu).

Kun Mean HOU è nato in Cambogia nel 1956. Ha conseguito un dottorato di ricerca nel 1984 e una laurea in HDR nel 1996 in Computer Science presso l'Università di Tecnologia di Compiègne (UTC), Francia. Ha lavorato come professore associato presso l'UTC dal 1984 al 1986. Nel 1986 è entrato in IN2 come capo del gruppo di ingegneri R & D per sviluppare super-minicomputer fault-tolerant. Dal 1989 al 1996, ha creato un gruppo di ricerca, che ha studiato l'architettura parallela dedicata all'elaborazione delle immagini in tempo reale presso il laboratorio HEUDIASYC UMR 6599 CNRS (UTC). Nel 1997 è entrato a far parte del collegio della scuola di ingegneria "ISIMA: Institut Supérieur d'Informatique de Modélisation et de leurs Applications" in qualità di professore ordinario, dove ha creato la SMIR "Systèmes"
Multisensoriels Intelligents integers et team di Répartis del laboratorio LIMOS UMR 6158 CNRS (10 ricercatori). Il team SMIR si concentra sullo sviluppo delle tecnologie di base: hardware e software di base dedicati alla rete di sensori wireless o IoT. Diversi nodi IoT (Bluetooth, Wi-Fi, ZigBee, LoRa e SigFox), comunicazione wireless integrata e kernel real-time incorporato (SDREAM, LIMOS, HEROS e uSu-OS) sono implementati e distribuiti in diverse applicazioni come la raccolta di dati ambientali, sistema di trasporto intelligente e agricoltura intelligente.


Stand F9 (pav. 6) - Legambiente Onlus

Back
 
Dati aggiornati il 04/12/2018 - 10.56.27

Pensi che il catalogo espositori sia utile a migliorare la tua esperienza con Maker Faire Rome? Esprimi un voto da 1 (inutile) a 5 (molto utile).

[Voti: 369    Media Voto: 4.1/5]