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

Les graffitis, qui comprennent des inscriptions, des dessins ou des symboles, peuvent raconter bien des histoires. Ils apportent de la couleur et du caractère aux murs des villes et servent à exprimer des opinions. Si le graffiti est parfois considéré comme de l’art, il est le plus souvent réalisé 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 garder les 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, lutter efficacement contre 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 rapidement balayer les murs de la ville, détecter les graffitis en temps réel et en localiser précisément l’emplacement pour permettre aux équipes d’intervenir.

Dans cet article, nous allons examiner de plus près comment la vision par ordinateur sert à reconnaître automatiquement les graffitis dans les villes intelligentes. C’est parti !

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

Les villes intelligentes utilisent des technologies de pointe pour relever les défis du quotidien plus efficacement. Plus précisément, elles exploitent des modèles de vision par ordinateur comme Ultralytics YOLO11 pour analyser des données visuelles, surveiller les espaces publics et favoriser une prise de décision plus rapide et fondée sur les données dans différents systèmes urbains.

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

• Gestion du trafic : l’IA pour la vision peut analyser des flux vidéo en direct afin de surveiller la circulation, détecter les embouteillages et ajuster les feux de signalisation en temps réel pour fluidifier les déplacements et 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, ce qui améliore la précision du tri et réduit la contamination.
• Surveillance des transports publics : les réseaux de transport public peuvent utiliser la vision par ordinateur pour compter les passagers, surveiller les comportements à bord et détecter les problèmes de sécurité, afin d’améliorer leur efficacité et leur sécurité.
• Intervention en cas de catastrophe : la vision par ordinateur peut détecter des signes visuels d’incendie, d’inondation ou de dégâts structurels après une catastrophe, ce qui permet d’intervenir plus rapidement et efficacement en cas d’urgence.

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

Aperçu de la surveillance des graffitis urbains par 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 reconnaître automatiquement les 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. Ces méthodes peuvent être utiles, mais elles prennent du temps, dépendent fortement de l’intervention humaine et ne permettent souvent pas de couvrir toute la ville.

La vision par ordinateur permet aux villes de gérer les graffitis plus rapidement et plus fiablement. Les systèmes de reconnaissance automatique des graffitis reposent généralement sur deux principales tâches de vision par ordinateur : la classification d’images et la détection d’objets.

Dans un premier temps, 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 localise précisément l’emplacement dans l’image. Les équipes municipales peuvent ainsi intervenir rapidement et avec précision. Au fil du temps, les données aident à repérer les tendances afin que les villes puissent cibler les zones les plus touchées et améliorer leurs efforts de prévention.

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

Étude des systèmes de détection des graffitis par l’IA dans différentes villes#

De nombreuses villes testent de nouvelles façons de gérer les graffitis. Au lieu 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 l’IA intégrés à des caméras embarquées dans des véhicules#

Dans de nombreuses villes, des véhicules de service public sont désormais utilisés pour détecter les graffitis pendant leurs tournées habituelles. En équipant ces véhicules de solutions de vision par ordinateur, les villes peuvent balayer les rues en temps réel sans organiser 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 qui utilise cette technologie. La ville s’est associée à des organisations locales pour mettre au point un système utilisant des caméras installées sur des véhicules de service public. En traversant les quartiers, ces véhicules ont capturé des images de murs et d’espaces publics.

Un modèle d’IA pour la vision a analysé les images et signalé tous les graffitis qu’il détectait. 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 le nombre de plaintes du public.

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

Fig. 3. Détection des graffitis par l’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 passages supérieurs, les tunnels et les structures en hauteur. Le nettoyage de ces zones nécessite généralement du matériel supplémentaire, des dépenses accrues et davantage de temps. Pour améliorer la sécurité et la rapidité des interventions, certaines villes commencent à utiliser des drones capables de détecter et de supprimer les graffitis sans envoyer d’équipes 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 balayer les surfaces publiques à la recherche de marques et, lorsqu’un graffiti est détecté, ils utilisent un pulvérisateur intégré pour le recouvrir de peinture.

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

Les efforts de Seattle pour détecter les graffitis comprennent également des caméras à énergie solaire installées dans les zones où ils sont fréquents. Ces caméras surveillent l’activité et envoient des alertes lorsqu’une personne s’approche d’un lieu marqué. En combinant des drones et des points de surveillance fixes, Seattle peut réagir plus rapidement aux graffitis et réduire les risques physiques pour les équipes d’entretien.

Cartographie des zones où les graffitis sont fréquents grâce à l’IA pour la vision#

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

Par exemple, São Paulo, au 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 recueillies à l’aide de Google Street View. Les graffitis repérés dans ces images ont été cartographiés dans 96 districts, révélant les zones où ils étaient les plus concentrés.

Au lieu de s’appuyer sur des signalements épars ou des inspections ponctuelles, cette approche a fourni une vue d’ensemble des graffitis dans la ville, fondée sur les données. La carte qui en a résulté a offert à São Paulo une ressource précieuse pour suivre les changements 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 l’IA pour la vision#

Voici quelques avantages clés de l’utilisation de la vision par ordinateur pour gérer les graffitis :

• Réduction du travail manuel : la surveillance automatisée réduit le besoin de faire inspecter physiquement les rues par le personnel, qui peut ainsi consacrer ses ressources à d’autres tâches.
• Soutien aux efforts de prévention : en repérant les zones où les graffitis sont fréquents, les systèmes de vision par ordinateur permettent aux villes de privilégier des mesures dissuasives, comme un meilleur éclairage ou une surveillance accrue dans ces zones.
• Intégration à d’autres systèmes : les outils de vision par ordinateur peuvent être reliés aux tableaux de bord municipaux ou aux applications de maintenance afin de rationaliser les processus.
• Génération automatique de rapports : les systèmes d’IA pour la vision peuvent aider à produire des rapports réguliers, réduisant ainsi la charge administrative du personnel municipal.

Les systèmes de vision par ordinateur sont utiles pour détecter les graffitis, mais ils présentent aussi quelques limites. Voici certains éléments à prendre en compte lors de leur mise en place :

• Entretien régulier nécessaire : les caméras, les modèles et les logiciels doivent être mis à jour et entretenus régulièrement 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 autorisation, des permis ou le respect des lois sur la protection des données.
• Confusion liée à la langue ou aux symboles : les graffitis utilisant des langues étrangères, des symboles ou de l’argot risquent de 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 risque de prendre des fresques, de l’art urbain ou des peintures murales légales pour 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 approche proactive. Grâce à de meilleures données et à des outils plus intelligents, les villes s’orientent vers la prévention des problèmes avant qu’ils ne surviennent et prennent des décisions plus éclairées à chaque étape.

Rejoins notre communauté en pleine croissance ! Consulte notre dépôt GitHub pour en savoir plus sur l’IA, et découvre nos options de licence pour lancer tes projets d’IA pour la vision. Tu t’intéresses à des innovations comme l’IA dans le secteur de la santé et la vision par ordinateur en agriculture ? Consulte nos pages de solutions pour en savoir plus !