10 aprile 2025
Scopri come le smart city utilizzano sistemi di rilevamento di graffiti basati sull'IA e la computer vision per migliorare la manutenzione degli spazi pubblici affrontando rapidamente i problemi legati ai graffiti.
I graffiti, che consistono in scritte, disegni o simboli, possono raccontare molte storie. Aggiungono colore e carattere alle pareti della città e vengono utilizzati per esprimere opinioni. Anche se a volte i graffiti sono visti come arte, più spesso vengono realizzati senza permesso. Infatti, i graffiti compaiono frequentemente durante la notte su edifici, ponti e treni, e la loro pulizia richiede tempo, risorse e impegno.
Le città di tutto il mondo spendono milioni per cercare di mantenere puliti gli spazi pubblici. Solo negli Stati Uniti, la pulizia dei graffiti costa più di 12 miliardi di dollari all'anno. Inoltre, in molte città, stare al passo con i graffiti è una sfida notevole. Ci sono solo così tante squadre di pulizia e non possono essere ovunque contemporaneamente.
Ecco perché gli urbanisti si stanno ora rivolgendo alla computer vision, una branca dell'intelligenza artificiale che consente alle macchine di analizzare e interpretare le immagini. Utilizzando modelli di computer vision come Ultralytics YOLO11, le telecamere dotate di AI possono essere utilizzate per scansionare rapidamente le mura della città, rilevare i graffiti in tempo reale e individuare le posizioni esatte in cui le squadre devono intervenire.
In questo articolo, esamineremo più da vicino come la computer vision viene utilizzata per il riconoscimento automatico dei graffiti nelle smart city. Iniziamo!
Le città intelligenti utilizzano tecnologie all'avanguardia per affrontare le sfide quotidiane in modo più efficiente. In particolare, sfruttano modelli di computer vision come YOLO11 per analizzare i dati visivi, monitorare gli spazi pubblici e supportare un processo decisionale più rapido e basato sui dati in vari sistemi urbani.
Ecco alcuni modi comuni in cui la Vision AI viene utilizzata nelle smart city:
Ora che abbiamo esplorato come la computer vision sta contribuendo a rendere le città più intelligenti, diamo un'occhiata più da vicino al motivo per cui è particolarmente necessaria per il riconoscimento automatico dei graffiti.
Tradizionalmente, le città hanno utilizzato una serie di approcci per gestire i graffiti. Alcuni si affidano a segnalazioni pubbliche, mentre altri inviano squadre per ispezionare i punti critici noti. In alcuni casi, le app mobili consentono ai residenti di presentare reclami o caricare immagini. Sebbene questi metodi possano essere utili, richiedono molto tempo, si basano fortemente sull'input umano e spesso non possono fornire una copertura completa in tutta la città.
La computer vision offre alle città un modo più rapido e affidabile per gestire i graffiti. I sistemi automatizzati di riconoscimento dei graffiti si basano in genere su due principali attività di computer vision: la classificazione delle immagini e il rilevamento degli oggetti.
Nella prima fase, la classificazione delle immagini analizza una foto per determinare se mostra graffiti, street art o una superficie pulita. Se vengono trovati graffiti, l'object detection individua la loro posizione esatta nell'immagine. Ciò consente ai team della città di rispondere rapidamente e con precisione. Nel tempo, i dati aiutano a identificare le tendenze in modo che le città possano individuare i punti caldi frequenti e migliorare gli sforzi di prevenzione.
Molte città stanno sperimentando nuovi modi per gestire i graffiti. Invece di dipendere solo da pattuglie o segnalazioni pubbliche, stanno iniziando a utilizzare modelli di computer vision in grado di individuare, identificare e persino aiutare a ripulire i graffiti. Diamo un'occhiata a come alcune città stanno mettendo in pratica questi nuovi strumenti.
I veicoli di servizio pubblico vengono ora utilizzati in molte città per aiutare a rilevare i graffiti durante i loro normali percorsi di pattugliamento. Dotando questi veicoli di soluzioni di computer vision, le città possono scansionare le strade in tempo reale, senza la necessità di pattuglie extra. Questo rende più facile individuare i graffiti in anticipo e inviare avvisi alle squadre di pulizia prima che il problema si diffonda.
Tempe, in Arizona, è un ottimo esempio di città che utilizza questa tecnologia. La città ha collaborato con organizzazioni locali per sviluppare un sistema che utilizza telecamere montate su veicoli di servizio pubblico. Mentre questi veicoli si spostavano nei quartieri, catturavano immagini di muri e spazi pubblici.
Un modello di Vision AI ha analizzato le immagini e segnalato qualsiasi graffiti rilevato. I risultati sono stati inviati a una dashboard in tempo reale, in modo che la direzione potesse controllare gli aggiornamenti sui propri telefoni e rispondere rapidamente. Ciò ha aiutato Tempe ad agire più velocemente e a ridurre i reclami pubblici.
Allo stesso modo, a Lisbona, la capitale del Portogallo, è stato sviluppato un sistema proof-of-concept che utilizza telecamere montate su veicoli cittadini per rilevare automaticamente i graffiti.
I graffiti possono comparire in luoghi difficili o pericolosi da raggiungere, come cavalcavia, tunnel e strutture elevate. La pulizia in queste aree di solito richiede attrezzature extra, costi aggiuntivi e più tempo. Per migliorare la sicurezza e la velocità, alcune città stanno iniziando a utilizzare droni in grado sia di rilevare che di rimuovere i graffiti senza la necessità di squadre manuali sul posto.
Ad esempio, Seattle, una delle principali città dello Stato di Washington, ha recentemente lanciato una soluzione basata su droni per monitorare le aree difficili da raggiungere. I droni sono dotati di telecamere e strumenti di spruzzatura. Possono scansionare le superfici pubbliche alla ricerca di scritte e, quando viene rilevato un graffiti, utilizzano uno spruzzatore integrato per dipingerci sopra e coprirlo.
Gli sforzi di Seattle per il rilevamento dei graffiti includono anche telecamere ad energia solare installate in noti punti caldi per i graffiti. Queste telecamere monitorano l'attività e inviano avvisi quando qualcuno si avvicina a un luogo contrassegnato. Combinando i droni con punti di monitoraggio fissi, Seattle è in grado di rispondere più rapidamente ai graffiti e ridurre i rischi fisici per le squadre di manutenzione.
In alcuni casi, il rilevamento dei graffiti non riguarda solo la pulizia, ma anche la comprensione dei modelli di tale attività in tutta la città. Con l'aiuto dell'IA, le città possono ora trasformare le immagini a livello stradale in mappe visive che mostrano dove i graffiti si verificano più spesso. Queste mappe rivelano tendenze che potrebbero non essere ovvie attraverso i rapporti pubblici e aiutano i pianificatori urbani a concentrare i loro sforzi dove sono più necessari.
Ad esempio, San Paolo, una città del Brasile, ha esplorato questo approccio attraverso un caso di studio basato sulla ricerca. Un team ha utilizzato la computer vision per analizzare oltre 275.000 immagini a livello stradale provenienti da tutta la città, raccolte utilizzando Google Street View. I graffiti identificati in queste immagini sono stati mappati in 96 distretti, rivelando dove i graffiti erano più concentrati.
Invece di fare affidamento su segnalazioni sparse o ispezioni occasionali, questo approccio ha fornito una visione su larga scala e basata sui dati dei graffiti in tutta la città. La mappa risultante ha fornito a San Paolo una risorsa preziosa per monitorare i cambiamenti nel tempo e supportare sforzi più mirati di pulizia, prevenzione e pianificazione urbana.
Ecco alcuni vantaggi chiave dell'utilizzo della computer vision per la gestione dei graffiti:
Sebbene i sistemi di computer vision siano utili per il rilevamento di graffiti, presentano anche alcune limitazioni. Ecco alcune cose da tenere a mente quando si implementano tali sistemi:
Il rilevamento dei graffiti è solo un esempio di come la computer vision stia trasformando il modo in cui le città gestiscono gli spazi pubblici. Questi sistemi vengono sempre più integrati con strumenti per la manutenzione, la segnalazione e la pianificazione urbana.
L'attenzione si sta spostando dalle reazioni rapide alla consapevolezza proattiva. Con dati migliori e strumenti più intelligenti, le città si stanno muovendo verso la prevenzione dei problemi prima che inizino e prendono decisioni più informate in ogni fase del processo.
Unisciti alla nostra community in crescita! Esplora il nostro repository GitHub per conoscere l'IA e dai un'occhiata alle nostre opzioni di licenza per iniziare i tuoi progetti di Vision AI. Sei interessato a innovazioni come l'IA nel settore sanitario e la computer vision in agricoltura? Visita le nostre pagine delle soluzioni per saperne di più!
