RoadAnalyzer @ Evolve SRL

Pipeline end-to-end per analisi automatizzata dello stato delle strade tramite computer vision.

Cosa fa

Acquisizione video da dashcam (HIK, VIOFO) → estrazione frame con GPS → inference CV su GPU per rilevare ammaloramenti stradali → aggregazione rilievi → visualizzazione geografica sul frontend.

Architettura

• Acquisizione: video da device installati su veicoli, sincronizzati con GPS via container Docker dedicato
• Processing CV: pipeline su GPU (RTX 5060 Ti) per performance (~2s per immagine vs ~97s su CPU)
• Storage: AWS DynamoDB per rilievi + stream per propagazione eventi
• Geocoding: server Overpass locale con concorrenza controllata
• Dedup cross-device: run_id per isolare sessioni su stessa area con device diversi
• Frontend: Next.js + Mapbox datasets per visualizzazione rilievi su mappa
• Deploy: AWS Amplify

Stack

• Infra: AWS (DynamoDB, Amplify, S3), Linux (VM dedicate), Docker
• CV: PyTorch su GPU CUDA
• Backend: Python per pipeline, Node per API
• Frontend: Next.js + Mapbox GL
• Data: PostGIS per dedup spaziale

Ruolo

Sviluppo e manutenzione della pipeline completa: dall'acquisizione al frontend. Scripting operativo (resync, unlink, backfill, validate), debug pipeline production, gestione rilievi in-place senza re-run CV.

Cosa mostra

Capacità di gestire sistemi production complessi con vincoli reali: costi GPU, latenze, consistenza dati cross-device, integrazione hardware/cloud, geospatial. Progetto aziendale, dettagli sensibili omessi.