Sistemi di visione artificiale e rilevamento AI dei graffiti nelle smart city

I graffiti, che consistono in scritte, disegni o simboli, possono raccontare molte storie. Aggiungono colore e carattere ai muri della città e sono usati per esprimere opinioni. Sebbene a volte i graffiti siano visti come arte, più spesso sono realizzati senza autorizzazione. Infatti, i graffiti compaiono frequentemente durante la notte su edifici, ponti e treni, e ripulirli 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, i costi di rimozione dei graffiti superano i 12 miliardi di dollari ogni anno. Inoltre, in molte città, stare al passo con i graffiti rappresenta una sfida sostanziale. Le squadre di pulizia sono in numero limitato e non possono essere ovunque contemporaneamente.

Ecco perché gli urbanisti si stanno rivolgendo alla computer vision, un ramo 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 i muri della città, rilevare i graffiti in tempo reale e individuare le posizioni esatte per permettere alle squadre di intervenire.

In questo articolo, esamineremo più da vicino come la computer vision viene utilizzata per il riconoscimento automatizzato dei graffiti nelle smart city. Iniziamo!

Link to this sectionIl ruolo della computer vision nelle smart city#

Le smart city utilizzano tecnologie all'avanguardia per gestire le sfide quotidiane in modo più efficiente. Nello specifico, sfruttano modelli di computer vision come YOLO11 per analizzare 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:

• Gestione del traffico: la vision AI può analizzare feed video in tempo reale per monitorare il flusso del traffico, rilevare la congestione e regolare i semafori in tempo reale per migliorare la circolazione e ridurre i ritardi.
• Automazione del riciclaggio: La computer vision può aiutare a identificare e smistare i materiali riciclabili dai flussi di rifiuti nei contenitori pubblici o nei centri di riciclaggio, migliorando l'accuratezza dello smistamento e riducendo la contaminazione.
• Monitoraggio del trasporto pubblico: I sistemi di trasporto pubblico possono utilizzare la computer vision per tenere traccia del numero di passeggeri, monitorare il comportamento a bordo e rilevare problemi di sicurezza, migliorando sia l'efficienza che la sicurezza stessa.
• Risposta ai disastri: La computer vision può identificare segnali visivi di incendi, inondazioni o danni strutturali dopo i disastri, consentendo una risposta di emergenza più rapida ed efficace.

Fig 1. Monitoraggio del traffico utilizzando YOLO11 nelle smart city.

Link to this sectionUna panoramica del monitoraggio urbano dei graffiti con l'AI#

Ora che abbiamo esplorato come la computer vision sta aiutando a rendere le città più intelligenti, diamo un'occhiata più da vicino al motivo per cui è particolarmente necessaria per il riconoscimento automatizzato dei graffiti.

Tradizionalmente, le città hanno utilizzato una serie di approcci per gestire i graffiti. Alcune si affidano alle segnalazioni pubbliche, mentre altre inviano squadre a ispezionare i punti critici noti. In alcuni casi, le app mobili consentono ai residenti di inviare reclami o caricare immagini. Sebbene questi metodi possano essere utili, richiedono molto tempo, dipendono fortemente dall'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 di riconoscimento automatizzato dei graffiti si basano solitamente su due compiti di computer vision principali: classificazione delle immagini e rilevamento degli oggetti.

Nel primo passaggio, la classificazione delle immagini analizza una foto per determinare se mostra graffiti, street art o una superficie pulita. Se vengono trovati graffiti, il rilevamento degli oggetti ne individua la posizione esatta nell'immagine. Ciò consente alle squadre comunali di intervenire in modo rapido e preciso. Nel tempo, i dati aiutano a identificare le tendenze in modo che le città possano concentrarsi sui punti critici frequenti e migliorare le azioni di prevenzione.

Fig 2. Un esempio di come funzionano i sistemi di riconoscimento automatizzato dei graffiti.

Link to this sectionEsplorazione dei sistemi di rilevamento dei graffiti tramite AI in varie città#

Molte città stanno provando nuovi modi per gestire i graffiti. Invece di dipendere solo dalle pattuglie o dalle segnalazioni pubbliche, stanno iniziando a utilizzare modelli di computer vision in grado di individuare, identificare e persino aiutare a pulire i graffiti. Diamo un'occhiata a come alcune città stanno mettendo in pratica questi nuovi strumenti.

Link to this sectionSistemi di rilevamento graffiti tramite AI integrati con telecamere sui veicoli#

I veicoli di servizio pubblico vengono ora utilizzati in molte città per aiutare a rilevare i graffiti durante i loro percorsi di pattugliamento regolari. Dotando questi veicoli di soluzioni di computer vision, le città possono scansionare le strade in tempo reale, senza bisogno di pattuglie extra. Ciò rende più facile cogliere i graffiti tempestivamente 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 le organizzazioni locali per sviluppare un sistema utilizzando telecamere montate sui veicoli di servizio pubblico. Mentre questi veicoli si muovevano attraverso i quartieri, hanno catturato immagini di muri e spazi pubblici.

Un modello di vision AI ha analizzato le immagini e segnalato ogni graffito 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.

Analogamente, a Lisbona, capitale del Portogallo, è stato sviluppato un sistema proof-of-concept utilizzando telecamere montate sui veicoli comunali per rilevare automaticamente i graffiti.

Fig 3. Rilevamento dei graffiti tramite AI a Lisbona, Portogallo.

Link to this sectionRilevamento e rimozione dei graffiti tramite droni#

I graffiti possono apparire in luoghi difficili o non sicuri da raggiungere, come cavalcavia, tunnel e strutture sopraelevate. La pulizia in queste aree solitamente richiede attrezzature extra, costi aggiuntivi e più tempo. Per migliorare la sicurezza e la velocità, alcune città stanno iniziando a utilizzare droni in grado di rilevare e rimuovere i graffiti senza la necessità di squadre manuali sul posto.

Ad esempio, Seattle, un'importante 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 segni e, quando vengono rilevati graffiti, utilizzano uno spruzzatore integrato per dipingerci sopra e coprirli.

Fig 4. Un drone alimentato da AI che pulisce i graffiti a Seattle, Washington.

Gli sforzi di rilevamento dei graffiti a Seattle includono anche telecamere a energia solare installate in noti punti critici. Queste telecamere monitorano l'attività e inviano avvisi quando qualcuno si avvicina a una posizione contrassegnata. 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.

Link to this sectionMappatura dei punti critici dei graffiti abilitata dalla vision AI#

In alcuni casi, il rilevamento dei graffiti non riguarda solo la pulizia, ma anche la comprensione dei pattern di tale attività in tutta la città. Con l'aiuto dell'AI, le città possono ora trasformare le immagini a livello stradale in mappe visive che mostrano dove si verificano più spesso i graffiti. Queste mappe rivelano tendenze che potrebbero non essere ovvie attraverso le segnalazioni pubbliche e aiutano gli urbanisti a concentrare i propri 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 affidarsi a segnalazioni sparse o ispezioni occasionali, questo approccio ha fornito una visione su larga scala 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.

Fig 5. Rilevamento dei graffiti a San Paolo, Brasile.

Link to this sectionPro e contro dei sistemi di rilevamento dei graffiti tramite vision AI#

Ecco alcuni vantaggi chiave dell'utilizzo della computer vision per la gestione dei graffiti:

• Riduzione dello sforzo manuale: Il monitoraggio automatizzato riduce la necessità per il personale di ispezionare fisicamente le strade, liberando risorse per altri compiti.
• Supporto alle attività di prevenzione: Identificando i punti critici dei graffiti, i sistemi di computer vision consentono alle città di concentrarsi su deterrenti come una migliore illuminazione o sorveglianza in quelle aree.
• Integrazione con altri sistemi: Gli strumenti di computer vision possono essere collegati a dashboard cittadine o app di manutenzione per un flusso di lavoro più snello.
• Abilitazione della reportistica automatizzata: i sistemi di vision AI possono aiutare a generare report regolari, riducendo l'onere amministrativo per il personale comunale.

Sebbene i sistemi di computer vision siano utili per il rilevamento dei graffiti, presentano anche alcune limitazioni. Ecco alcune cose da tenere a mente quando si implementano tali sistemi:

• Richiede una manutenzione continua: Le telecamere, i modelli e il software devono essere aggiornati e mantenuti regolarmente per garantire precisione e funzionalità.
• Barriere legali e normative: In alcune città, l'installazione di sistemi di sorveglianza negli spazi pubblici può richiedere approvazioni, permessi o la conformità alle leggi sulla protezione dei dati.
• Confusione linguistica o simbolica: I graffiti che utilizzano lingue straniere, simboli o gergo potrebbero non essere riconosciuti correttamente senza dati di addestramento su misura.
• Rischi di errata identificazione: Se il sistema non è addestrato su un dataset completo e diversificato, potrebbe identificare erroneamente murales, street art o dipinti murali legali come graffiti.

Link to this sectionPunti chiave#

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 reportistica e la pianificazione urbana.

L'attenzione si sta spostando dalle reazioni rapide a una consapevolezza proattiva. Con dati migliori e strumenti più intelligenti, le città si stanno muovendo verso la prevenzione dei problemi prima che inizino e verso decisioni più informate in ogni fase del percorso.

Unisciti alla nostra crescente community! Esplora il nostro repository GitHub per saperne di più sull'AI e controlla le nostre opzioni di licenza per iniziare i tuoi progetti di vision AI. Sei interessato a innovazioni come l'AI nell'assistenza sanitaria e la computer vision in agricoltura? Visita le nostre pagine dedicate alle soluzioni per scoprirne di più!