Systèmes de vision par ordinateur et de détection des graffitis par IA dans les villes intelligentes

Les graffitis, qui consistent en des inscriptions, des dessins ou des symboles, peuvent raconter de nombreuses histoires. Ils ajoutent de la couleur et du caractère aux murs des villes et servent à exprimer des opinions. Bien que les graffitis soient parfois considérés comme de l’art, ils sont le plus souvent réalisés sans autorisation. En fait, les graffitis apparaissent fréquemment pendant la nuit sur les bâtiments, les ponts et les trains, et leur nettoyage demande du temps, des ressources et des efforts.

Les villes du monde entier dépensent des millions pour maintenir leurs espaces publics propres. Aux États-Unis seulement, le coût du nettoyage des graffitis dépasse 12 milliards de dollars par an. De plus, dans de nombreuses villes, garder une longueur d’avance sur les graffitis représente un défi considérable. Le nombre d’équipes de nettoyage est limité, et elles ne peuvent pas être partout à la fois.

C’est pourquoi les urbanistes se tournent désormais vers la vision par ordinateur, une branche de l’intelligence artificielle qui permet aux machines d’analyser et d’interpréter des images. Grâce à des modèles de vision par ordinateur comme Ultralytics YOLO11, des caméras dotées d’IA peuvent scanner rapidement les murs des villes, détecter les graffitis en temps réel et indiquer précisément leur emplacement afin que les équipes puissent intervenir.

Dans cet article, nous allons examiner de plus près comment la vision par ordinateur est utilisée pour la reconnaissance automatisée des graffitis dans les villes intelligentes. Commençons !

Le rôle de la vision par ordinateur dans les villes intelligentes#

Les villes intelligentes utilisent des technologies de pointe pour gérer plus efficacement les défis du quotidien. Plus précisément, elles s’appuient sur des modèles de vision par ordinateur comme Ultralytics YOLO11 pour analyser les données visuelles, surveiller les espaces publics et accélérer la prise de décision fondée sur les données dans divers systèmes urbains.

Voici quelques utilisations courantes de l’IA de vision dans les villes intelligentes :

• Gestion du trafic : l’IA de vision peut analyser des flux vidéo en direct pour surveiller la circulation, détecter les embouteillages et ajuster les feux de signalisation en temps réel afin d’améliorer la fluidité et de réduire les retards.
• Automatisation du recyclage: la vision par ordinateur peut aider à identifier et à trier les matières recyclables dans les flux de déchets des poubelles publiques ou des centres de recyclage, améliorant la précision du tri et réduisant la contamination.
• Surveillance des transports publics : les réseaux de transport public peuvent utiliser la vision par ordinateur pour suivre le nombre de passagers, surveiller les comportements à bord et détecter les problèmes de sécurité, améliorant ainsi leur efficacité et leur sûreté.
• Intervention en cas de catastrophe : la vision par ordinateur peut identifier les signes visuels d’incendies, d’inondations ou de dommages structurels après une catastrophe, permettant une intervention d’urgence plus rapide et plus efficace.

Fig 1. Surveillance du trafic à l’aide de YOLO11 dans les villes intelligentes.

Vue d’ensemble de la surveillance des graffitis urbains grâce à l’IA#

Maintenant que nous avons vu comment la vision par ordinateur contribue à rendre les villes plus intelligentes, examinons de plus près pourquoi elle est particulièrement nécessaire pour la reconnaissance automatisée des graffitis.

Traditionnellement, les villes ont utilisé différentes approches pour gérer les graffitis. Certaines s’appuient sur les signalements du public, tandis que d’autres envoient des équipes inspecter les zones connues. Dans certains cas, des applications mobiles permettent aux habitants de déposer des plaintes ou de téléverser des images. Bien que ces méthodes puissent être utiles, elles prennent du temps, reposent largement sur l’intervention humaine et ne permettent souvent pas de couvrir entièrement la ville.

La vision par ordinateur offre aux villes un moyen plus rapide et plus fiable de gérer les graffitis. Les systèmes de reconnaissance automatisée des graffitis reposent généralement sur deux principales tâches de vision par ordinateur : la classification d’images et la détection d’objets.

Lors de la première étape, la classification d’images analyse une photo pour déterminer si elle montre un graffiti, de l’art urbain ou une surface propre. Si un graffiti est détecté, la détection d’objets en indique précisément l’emplacement dans l’image. Les équipes municipales peuvent ainsi intervenir rapidement et avec précision. Au fil du temps, ces données contribuent à identifier les tendances afin que les villes puissent cibler les zones fréquemment touchées et améliorer leurs efforts de prévention.

Fig 2. Exemple de fonctionnement des systèmes de reconnaissance automatisée des graffitis.

Les systèmes de détection des graffitis par IA dans différentes villes#

De nombreuses villes testent de nouvelles façons de gérer les graffitis. Plutôt que de dépendre uniquement des patrouilles ou des signalements du public, elles commencent à utiliser des modèles de vision par ordinateur capables de repérer et d’identifier les graffitis, et même de contribuer à leur nettoyage. Voyons comment certaines villes utilisent ces nouveaux outils.

Systèmes de détection des graffitis par IA intégrés à des caméras embarquées sur des véhicules#

Dans de nombreuses villes, des véhicules de service public sont désormais utilisés pour aider à détecter les graffitis pendant leurs tournées habituelles. En équipant ces véhicules de solutions de vision par ordinateur, les villes peuvent scanner les rues en temps réel sans effectuer de patrouilles supplémentaires. Il devient ainsi plus facile de repérer rapidement les graffitis et d’envoyer des alertes aux équipes de nettoyage avant que le problème ne s’étende.

Tempe, en Arizona, est un excellent exemple de ville utilisant cette technologie. La ville s’est associée à des organisations locales pour développer un système utilisant des caméras installées sur des véhicules de service public. En circulant dans les quartiers, ces véhicules capturaient des images des murs et des espaces publics.

Un modèle d’IA de vision analysait les images et signalait les graffitis détectés. Les résultats étaient envoyés vers un tableau de bord en direct afin que les responsables puissent consulter les mises à jour sur leur téléphone et intervenir rapidement. Cela a permis à Tempe d’agir plus vite et de réduire les plaintes du public.

De même, à Lisbonne, la capitale du Portugal, un système de validation de principe a été développé à l’aide de caméras installées sur des véhicules municipaux pour détecter automatiquement les graffitis.

Fig 3. Détection des graffitis par IA à Lisbonne, au Portugal.

Détection et suppression des graffitis par drone#

Les graffitis peuvent apparaître dans des endroits difficiles ou dangereux d’accès, comme les échangeurs, les tunnels et les structures surélevées. Le nettoyage de ces zones nécessite généralement du matériel supplémentaire, des coûts plus élevés et davantage de temps. Pour améliorer la sécurité et la rapidité d’intervention, certaines villes commencent à utiliser des drones capables à la fois de détecter et de supprimer les graffitis, sans que des équipes doivent intervenir manuellement sur place.

Par exemple, Seattle, une grande ville de l’État de Washington, a récemment lancé une solution basée sur des drones pour surveiller les zones difficiles d’accès. Les drones sont équipés de caméras et d’outils de pulvérisation. Ils peuvent scanner les surfaces publiques à la recherche de marquages et, lorsqu’un graffiti est détecté, utiliser un pulvérisateur intégré pour le recouvrir et le masquer.

Fig 4. Un drone doté d’IA nettoyant des graffitis à Seattle, dans l’État de Washington.

Les efforts de Seattle en matière de détection des graffitis comprennent également des caméras alimentées à l’énergie solaire installées dans les zones connues pour être touchées. Ces caméras surveillent l’activité et envoient des alertes lorsqu’une personne s’approche d’un emplacement marqué. En combinant les drones à des points de surveillance fixes, Seattle peut intervenir plus rapidement face aux graffitis et réduire les risques physiques pour les équipes de maintenance.

Cartographie des zones touchées par les graffitis grâce à l’IA de vision#

Dans certains cas, la détection des graffitis ne sert pas uniquement au nettoyage : elle permet aussi de comprendre les habitudes liées à cette activité dans la ville. Grâce à l’IA, les villes peuvent désormais transformer des images prises au niveau de la rue en cartes visuelles montrant les endroits où les graffitis apparaissent le plus souvent. Ces cartes révèlent des tendances qui peuvent ne pas être évidentes dans les signalements du public et aident les urbanistes à concentrer leurs efforts là où ils sont le plus nécessaires.

Par exemple, São Paulo, une ville du Brésil, a étudié cette approche dans le cadre d’une étude de cas fondée sur la recherche. Une équipe a utilisé la vision par ordinateur pour analyser plus de 275 000 images prises au niveau de la rue dans toute la ville et collectées à l’aide de Google Street View. Les graffitis identifiés sur ces images ont été cartographiés dans 96 districts, révélant les zones où ils étaient les plus concentrés.

Plutôt que de s’appuyer sur des signalements dispersés ou des inspections occasionnelles, cette approche a fourni une vision à grande échelle et fondée sur les données des graffitis présents dans la ville. La carte obtenue a fourni à São Paulo une ressource précieuse pour suivre les évolutions au fil du temps et soutenir des efforts plus ciblés de nettoyage, de prévention et de planification urbaine.

Fig 5. Détection des graffitis à São Paulo, au Brésil.

Avantages et inconvénients des systèmes de détection des graffitis par IA de vision#

Voici quelques avantages clés de l’utilisation de la vision par ordinateur pour la gestion des graffitis :

• Réduction des efforts manuels : la surveillance automatisée réduit le besoin pour le personnel d’inspecter physiquement les rues et libère des ressources pour d’autres tâches.
• Soutien aux efforts de prévention : en identifiant les zones fréquemment touchées par les graffitis, les systèmes de vision par ordinateur permettent aux villes de concentrer leurs moyens de dissuasion, comme un meilleur éclairage ou une surveillance accrue, dans ces secteurs.
• Intégration à d’autres systèmes : les outils de vision par ordinateur peuvent être connectés aux tableaux de bord municipaux ou aux applications de maintenance afin de fluidifier les workflows.
• Génération automatisée de rapports : les systèmes d’IA de vision peuvent contribuer à générer des rapports réguliers, réduisant ainsi la charge administrative du personnel municipal.

Bien que les systèmes de vision par ordinateur soient utiles pour détecter les graffitis, ils présentent également quelques limites. Voici certains éléments à garder à l’esprit lors de leur mise en place :

• Nécessite une maintenance continue : les caméras, les modèles et les logiciels doivent être régulièrement mis à jour et entretenus pour garantir leur précision et leur bon fonctionnement.
• Obstacles juridiques et réglementaires : dans certaines villes, l’installation de systèmes de surveillance dans les espaces publics peut nécessiter une approbation, des permis ou le respect des lois sur la protection des données.
• Confusion liée aux langues ou aux symboles : les graffitis utilisant des langues étrangères, des symboles ou de l’argot peuvent ne pas être correctement reconnus sans données d’entraînement adaptées.
• Risques d’identification erronée : si le système n’est pas entraîné sur un jeu de données complet et diversifié, il peut identifier à tort des fresques, de l’art urbain ou des peintures murales autorisées comme des graffitis.

Points clés à retenir#

La détection des graffitis n’est qu’un exemple de la façon dont la vision par ordinateur transforme la gestion des espaces publics par les villes. Ces systèmes sont de plus en plus intégrés à des outils de maintenance, de signalement et de planification urbaine.

L’accent passe des réactions rapides à une démarche de prévention proactive. Grâce à de meilleures données et à des outils plus intelligents, les villes s’orientent vers la prévention des problèmes avant leur apparition et vers des décisions mieux informées à chaque étape.

Rejoins notre communauté grandissante ! Explore notre dépôt GitHub pour en apprendre davantage sur l’IA, et consulte nos options de licence pour commencer tes projets d’IA de vision. Tu t’intéresses à des innovations comme l’IA dans le domaine de la santé et la vision par ordinateur dans l’agriculture ? Consulte nos pages de solutions pour en découvrir davantage !