ETD

• Artificial intelligence
• Patent

This thesis explores the potential and limitations of generative Artificial Intelligence (AI) tools and advanced algorithms applied to the analysis of patent documents. The study is structured around the practical implementation of a pipeline for information extraction: RAG (Retrieval-Augmented Generation) systems are employed for textual analysis, while MAE (Masked Autoencoders) models are utilized to process the visual assets and technical drawings.
The investigation is contextualized within a specific case study related to the eyewear sector, with the objective of identifying the standard product design and its geometric variants. The computational workflow involves the application of generative image-processing models for the colorization and segmentation of flat patent images, followed by the use of neural architectures (such as SAM-3D) for volumetric reconstruction, transforming 2D drawings into 3D meshes.
Finally, the research concludes with a physical materialization phase: the extracted meshes are physically produced using Additive Manufacturing (3D printing) technologies. This transition from a legal digital format to a physical prototype demonstrates how AI can concretely support product engineering in the testing, prototyping, and experimental Reverse Engineering phases.

La presente tesi esplora le potenzialità e i limiti degli strumenti di Intelligenza Artificiale (IA) generativa e degli algoritmi avanzati applicati all'analisi dei documenti brevettuali. Lo studio si articola attraverso l'implementazione pratica di una pipeline per l'estrazione di informazioni: per l'analisi testuale vengono impiegati sistemi RAG (Retrieval-Augmented Generation), mentre per l'elaborazione del patrimonio visivo e dei disegni tecnici ci si avvale di modelli MAE (Masked Autoencoders).
L'indagine si contestualizza in un caso di studio specifico relativo al settore dell'occhialeria, con l'obiettivo di identificare il design standard di prodotto e le sue varianti geometriche. Il flusso di lavoro informatico prevede l'applicazione di modelli generativi di image-processing per la colorazione e la segmentazione delle immagini brevettuali piatte, seguita dall'utilizzo di architetture neurali (come SAM-3D) per la ricostruzione volumetrica, trasformando i disegni 2D in mesh 3D.
Infine, la ricerca conclude in una fase di materializzazione fisica: le mesh estratte vengono prodotte fisicamente tramite tecnologie di Additive Manufacturing (stampa 3D). Questa transizione dal formato digitale legale al prototipo fisico dimostra come l'IA possa supportare concretamente l'ingegneria di prodotto nelle fasi di test, prototipazione e Reverse Engineering sperimentale.