Il ruolo della visione artificiale nelle attività di manutenzione urbana

Mantenere una città richiede molto lavoro, ma la maggior parte di queste attività passa inosservata. Ad esempio, di notte le squadre di manutenzione riparano le strade, rimuovono i rifiuti, controllano l'illuminazione e si assicurano che la città resti sicura e funzionale.

Strade usurate, scarichi ostruiti e lampioni rotti possono sembrare inizialmente problemi di poco conto. Ma se trascurati, possono trasformarsi rapidamente in problemi più gravi. Queste attività di manutenzione ordinaria sono importanti per la sicurezza pubblica. Tuttavia, con una popolazione in crescita e personale comunale limitato, i metodi di manutenzione tradizionali possono faticare a stare al passo.

La visione artificiale, un ramo dell'IA che si occupa di elaborare e comprendere i dati visivi, offre un approccio più rapido ed efficiente alla manutenzione quotidiana nelle città intelligenti. Analizzando flussi video o immagini aeree, le soluzioni di IA visiva possono rilevare e tracciare automaticamente i problemi, riducendo il carico di lavoro delle squadre addette alle ispezioni manuali.

Usando modelli avanzati di visione artificiale come Ultralytics YOLO11, le città possono svolgere attività come individuare rifiuti, buche o rami caduti. Le attività di IA visiva, come il rilevamento degli oggetti e la segmentazione delle istanze, possono aiutare le squadre di manutenzione a intervenire rapidamente e a mantenere gli spazi pubblici ordinati, puliti e sicuri.

Fig. 1. Rilevamento dei rifiuti con le funzionalità di rilevamento degli oggetti di Ultralytics YOLO11. (Fonte)

In questo articolo vedremo come la visione artificiale supporta la manutenzione urbana, alcune applicazioni comuni e i vantaggi che offre.

Panoramica sulla computer vision nella manutenzione cittadina#

Le amministrazioni urbane usano tecnologie come la computer vision per comprendere e gestire meglio le infrastrutture cittadine. I dati visivi vengono raccolti tramite droni, telecamere e sensori, quindi elaborati con modelli di computer vision come Ultralytics YOLO11 per ottenere informazioni rapide e accurate.

Ad esempio, nelle smart city la computer vision viene usata per rilevare automaticamente i graffiti tramite immagini aeree e telecamere a livello stradale, aiutando le squadre comunali a rimuoverli rapidamente e a mantenere accoglienti gli spazi pubblici.

Ecco una panoramica di alcune delle principali attività di computer vision che rendono possibili i sistemi per le smart city:

• Rilevamento degli oggetti: i modelli di visione artificiale come Ultralytics YOLO11 possono identificare e localizzare oggetti specifici in un'immagine o in un flusso video. Nella manutenzione urbana, aiutano le squadre a rilevare elementi che potrebbero richiedere un intervento, come coni stradali, cestini o cartelli stradali danneggiati.
• Classificazione delle immagini: assegna un'etichetta a un'intera immagine in base al suo aspetto. Per esempio, le riprese aeree delle strade possono essere classificate come pulite, crepate o allagate, aiutando le squadre a organizzare i diversi scenari e a intervenire in modo più efficiente.
• Tracciamento degli oggetti: segue gli oggetti in movimento attraverso i fotogrammi di un video per tracciarne i percorsi. In città aiuta a monitorare veicoli e pedoni, migliorando la gestione del traffico e la sicurezza.
• Segmentazione delle istanze: questa tecnica separa le singole istanze dello stesso oggetto. In ambito urbano può essere usata per distinguere diversi lampioni, alberi o veicoli parcheggiati, facilitandone il tracciamento e la manutenzione.

La computer vision nelle applicazioni di manutenzione cittadina#

Ora che abbiamo un quadro più chiaro di come la visione artificiale supporta la manutenzione urbana, esaminiamo alcune sue applicazioni concrete.

Ispezione intelligente delle infrastrutture con l'IA#

La manutenzione degli scarichi sotterranei è un'attività complessa ma essenziale, perché i danni possono causare gravi problemi sanitari o ambientali. Oggi si usa la computer vision per rendere queste ispezioni più sicure ed efficienti. Droni dotati di telecamere, sensori e sistemi di rilevamento e misurazione della distanza tramite luce (LiDAR) vengono impiegati per ispezionare i tunnel e raccogliere dati in tempo reale su elementi come i livelli di gas, la temperatura e i danni.

Nello stato del Michigan, negli Stati Uniti, la contea di Macomb è un buon esempio di come la tecnologia stia migliorando le ispezioni delle infrastrutture sotterranee. Dopo il crollo di una condotta nel 2016, la contea ha iniziato ad abbandonare i controlli manuali e a usare sistemi automatizzati.

Oggi usa droni come Elios 3 e Asio X per esplorare in sicurezza i tunnel sotterranei. I droni raccolgono video e dati dei sensori, che vengono poi analizzati con la computer vision per individuare eventuali problemi strutturali. Da quando è passato a questo approccio, il costo delle ispezioni nella contea è diminuito di quasi il 40% e il lavoro è diventato molto più sicuro per le squadre.

Fig. 2. Il drone Elios 3 può essere usato per ispezionare le fognature. (Fonte)

Computer vision per i lavori stradali pubblici#

Allo stesso modo, la manutenzione delle strade e la gestione del traffico sono fondamentali per il buon funzionamento di una città. Con il tempo, il traffico intenso e le condizioni meteorologiche possono deteriorare le strade, causando crepe, buche e cartelli danneggiati.

Per affrontare il problema, molte città stanno usando droni e telecamere montate sui veicoli, basati sulla visione artificiale, per monitorare in tempo reale le condizioni delle strade e del traffico. Questa tecnologia aiuta a individuare tempestivamente i problemi, migliorare la sicurezza, ridurre la congestione e rendere le riparazioni più rapide e accurate.

È proprio per questo che la città di Ahmedabad, in India, sta dotando i veicoli comunali di dashcam basate sull'IA, che scansionano le strade in tempo reale. Queste telecamere rilevano le buche, le crepe e l'usura del manto stradale, acquisendo immagini e geolocalizzando i danni. I dati raccolti vengono inviati a un centro di controllo, dove i funzionari generano rapporti e mappe di calore per stabilire le priorità degli interventi, accelerando la manutenzione stradale.

Fig. 3. Un esempio di rilevamento delle buche con stima delle dimensioni tramite computer vision. (Fonte)

Monitoraggio degli spazi verdi nelle città con la computer vision#

Con l'aumento della popolazione, le città si espandono e, man mano che si espandono, gli spazi verdi diminuiscono. Purtroppo, questo può avere effetti negativi sulla qualità dell'aria, sulla temperatura e sulla fauna selvatica. Gli alberi contribuiscono ad assorbire l'anidride carbonica, rinfrescare le aree urbane e sostenere la biodiversità.

Per promuovere la sostenibilità ambientale, molte città iniziano a usare droni, modelli di visione, LiDAR e sistemi informativi geografici (GIS) per monitorare la copertura vegetale. Queste tecnologie aiutano a mappare la posizione degli alberi, valutarne lo stato di salute e orientare le iniziative di conservazione, riforestazione e sviluppo. In questo modo la gestione degli spazi verdi diventa più precisa, un aspetto essenziale per una pianificazione urbana sostenibile.

Fig. 4. Individuazione degli alberi urbani tramite dati aerei ad alta risoluzione. (Fonte)

Un esempio interessante è Nuova Delhi, in India, dove la città è alle prese con l'inquinamento atmosferico. Per affrontare il problema, ha avviato un censimento degli alberi della durata di quattro anni, coordinato dall'Istituto di ricerca forestale.

Con droni, LiDAR e GIS, la città sta mappando e monitorando gli alberi urbani, rilevandone le specie, lo stato di salute e la posizione. Questo impiego della tecnologia aiuta la città a gestire gli spazi verdi in modo più efficace, migliorando la qualità dell'aria e contribuendo all'obiettivo dell'India di raggiungere emissioni nette pari a zero entro il 2070.

Applicazioni di Vision AI nella pianificazione e nel monitoraggio urbani#

L'edilizia abusiva crea seri problemi nelle città. Può bloccare le strade, mettere sotto pressione i servizi pubblici e ostacolare lo sviluppo pianificato. Un approccio emergente per affrontare il problema usa la visione artificiale per confrontare immagini aeree acquisite nel tempo. In questo modo è possibile rilevare tempestivamente anche piccole variazioni negli edifici o nell'uso del suolo, consentendo alle autorità di intervenire prima che il problema si aggravi.

Ad esempio, in Baviera, in Germania, i ricercatori hanno sviluppato metodi che usano l'IA e la computer vision per analizzare immagini satellitari e mappe geospaziali al fine di rilevare edifici non autorizzati. Hanno inoltre fatto ricorso al modello digitale temporale della superficie (tDSM), che traccia nel tempo le variazioni di quota della superficie.

Combinando questi strumenti, i ricercatori possono individuare le nuove costruzioni monitorando le variazioni di quota e confrontando le immagini. Questo approccio aiuta le autorità locali a far rispettare le norme edilizie con maggiore efficacia, pianificare uno sviluppo sostenibile e mantenere registri accurati.

Fig. 5. Mappa degli edifici documentati e non documentati in città. (Fonte)

Vantaggi e svantaggi della computer vision nella manutenzione cittadina#

Ecco alcuni dei principali vantaggi dell'uso della computer vision per la manutenzione delle smart city:

• Copertura scalabile: la visione artificiale può monitorare vaste aree urbane usando infrastrutture esistenti come telecamere a circuito chiuso o droni, riducendo la necessità di ispezioni manuali.
• Uso dinamico delle risorse: l'analisi in tempo reale aiuta a stabilire la priorità delle attività in base all'urgenza, rendendo la manutenzione più efficiente e conveniente.
• Avvisi di emergenza più rapidi: i sistemi di Vision AI possono rilevare quasi istantaneamente incidenti come incendi, sinistri o allagamenti, consentendo interventi più rapidi e riducendo i danni.

I sistemi di computer vision offrono un supporto affidabile per la manutenzione delle città, ma presentano anche alcuni limiti. Ecco alcuni fattori importanti da tenere presenti quando usi queste tecnologie:

• Costi iniziali elevati: distribuire sistemi di computer vision richiede investimenti iniziali consistenti in telecamere, sensori e infrastrutture di IA. Per i comuni più piccoli, sostenere queste spese all'inizio può essere difficile.
• Problemi di privacy: il monitoraggio visivo costante può suscitare tra i residenti preoccupazioni legate alla sorveglianza e alla privacy personale.
• Sfide infrastrutturali: le città più vecchie potrebbero non disporre dell'infrastruttura digitale necessaria per un'implementazione su larga scala (ad es. connettività stabile, alimentazione o reti di sensori).

Punti chiave#

Le città intelligenti stanno trasformando la vita urbana grazie all’uso della visione artificiale per gestire meglio le infrastrutture. Con il monitoraggio in tempo reale e le analisi predittive, questa tecnologia aiuta le città a rispondere più rapidamente ai problemi, a utilizzare le risorse in modo più efficiente e a proteggere i residenti. Sempre più spesso, le amministrazioni comunali stanno passando dagli interventi reattivi a una pianificazione proattiva basata sui dati.

Guardando al futuro, è probabile che l’IA e la visione artificiale avranno un ruolo sempre più importante nel rendere le città più verdi, eque ed efficienti. Strumenti come i gemelli digitali e l’IA generativa affiancano queste tecnologie, consentendo ai pianificatori di sperimentare nuove idee, migliorare i servizi pubblici e ridurre le disparità di accesso. Insieme, queste innovazioni contribuiscono a plasmare ambienti urbani non solo più intelligenti e sicuri, ma anche più attenti alle esigenze delle loro comunità.

Unisciti alla nostra community ed esplora il nostro repository GitHub per saperne di più sulla visione artificiale. Scopri diverse applicazioni dell'IA nella produzione e della visione artificiale in ambito sanitario nelle nostre pagine dedicate alle soluzioni. Dai un'occhiata alle nostre opzioni di licenza per iniziare a usare l'IA visiva.