O papel da visão computacional nas tarefas de manutenção urbana

A manutenção de uma cidade exige muito trabalho, mas a maioria destas tarefas passa despercebida. Por exemplo, à noite, as equipas de manutenção reparam estradas, removem resíduos, verificam a iluminação e garantem que a cidade continua segura e funcional.

Estradas degradadas, ralos entupidos e candeeiros de rua avariados podem parecer problemas menores à primeira vista. Mas, se não forem resolvidos, podem rapidamente transformar-se em problemas maiores. Estas tarefas de manutenção de rotina são importantes para a segurança pública. No entanto, com o crescimento da população e a escassez de funcionários municipais, os métodos tradicionais de manutenção podem ter dificuldade em acompanhar as necessidades.

A visão computacional, um ramo da IA que se concentra no processamento e na compreensão de dados visuais, oferece uma abordagem mais rápida e eficiente para a manutenção diária em cidades inteligentes. Ao analisar transmissões de vídeo ou imagens aéreas, soluções de IA visual podem detectar e acompanhar problemas automaticamente, reduzindo a carga de trabalho das equipes de campo.

Com modelos avançados de visão computacional, como o Ultralytics YOLO11, as cidades podem realizar tarefas como identificar resíduos, buracos nas vias ou galhos caídos. Tarefas de IA visual, como detecção de objetos e segmentação de instâncias, podem ajudar as equipes de manutenção a responder rapidamente e manter os espaços públicos organizados, limpos e seguros.

Fig. 1. Deteção de resíduos com as capacidades de deteção de objetos do Ultralytics YOLO11. (Fonte)

Neste artigo, vamos explorar como a visão computacional contribui para a manutenção urbana, algumas aplicações comuns e os benefícios que oferece.

Visão geral da visão computacional na manutenção urbana#

As autoridades urbanas estão a usar tecnologias como a visão computacional para compreender e gerir melhor as infraestruturas das cidades. Os dados visuais são recolhidos por drones, câmaras e sensores e, em seguida, processados com modelos de visão computacional como o Ultralytics YOLO11 para obter informações rápidas e precisas.

Por exemplo, nas cidades inteligentes, a visão computacional é usada para detetar graffiti automaticamente através de imagens aéreas e câmaras ao nível da rua, ajudando as equipas municipais a removê-lo rapidamente e a manter os espaços públicos acolhedores.

Eis uma breve apresentação de algumas das principais tarefas de visão computacional que permitem o funcionamento dos sistemas de cidades inteligentes:

• Detecção de objetos: modelos de visão computacional como o Ultralytics YOLO11 podem identificar e localizar objetos específicos em uma imagem ou transmissão de vídeo. Na manutenção urbana, isso ajuda as equipes a detectar itens como cones de trânsito, latas de lixo ou placas de rua danificadas que podem precisar de atenção.
• Classificação de imagens: atribui um rótulo a uma imagem inteira com base em sua aparência. Por exemplo, imagens aéreas de estradas podem ser classificadas como limpas, rachadas ou alagadas, ajudando as equipes a organizar e responder a diferentes situações com mais eficiência.
• Rastreamento de objetos: acompanha objetos em movimento ao longo dos quadros de vídeo para mapear suas trajetórias. Nas cidades, ajuda a monitorar veículos e pedestres, melhorando o gerenciamento do tráfego e a segurança.
• Segmentação de instâncias: essa técnica separa instâncias individuais do mesmo objeto. Em ambientes urbanos, pode ser usada para distinguir vários postes de iluminação, árvores ou veículos estacionados, facilitando o rastreamento e a manutenção.

Aplicações da visão computacional na manutenção urbana#

Agora que entendemos melhor como a visão computacional contribui para a manutenção urbana, vamos explorar algumas aplicações no mundo real.

Inspeção de infraestruturas inteligentes com IA#

A manutenção de esgotos subterrâneos é um trabalho difícil, mas essencial, porque os danos podem causar problemas graves de saúde ou ambientais. A visão computacional está agora a ser usada para tornar estas inspeções mais seguras e eficientes. Drones com câmaras, sensores e sistemas de deteção e medição da distância por luz (LiDAR) são utilizados para inspecionar túneis e recolher dados em tempo real sobre elementos como os níveis de gás, a temperatura e os danos.

Em Michigan, nos EUA, o condado de Macomb é um bom exemplo de como a tecnologia está aprimorando as inspeções subterrâneas. Após o colapso de uma tubulação em 2016, o condado começou a abandonar as inspeções manuais e passou a usar sistemas automatizados.

Agora, usam drones, como o Elios 3 e o Asio X, para explorar túneis subterrâneos com segurança. Os drones recolhem dados de vídeo e dos sensores, que são depois analisados com visão computacional para identificar problemas estruturais. Desde que adotou esta abordagem, o condado reduziu os custos de inspeção em quase 40% e tornou o trabalho muito mais seguro para as equipas.

Fig. 2. O drone Elios 3 pode ser utilizado para inspecionar esgotos. (Fonte)

Visão computacional para obras rodoviárias públicas#

Da mesma forma, a manutenção das estradas e a gestão do trânsito são fundamentais para o bom funcionamento de uma cidade. As estradas podem degradar-se com o tempo devido ao trânsito intenso e às condições meteorológicas, provocando fissuras, buracos e sinais danificados.

Para resolver esse problema, muitas cidades estão usando drones e câmeras instaladas em veículos, equipados com visão computacional, para monitorar as condições das estradas e o tráfego em tempo real. Essa tecnologia ajuda a detectar problemas com antecedência, aumentar a segurança, reduzir congestionamentos e realizar reparos com mais rapidez e precisão.

É exatamente por isso que a cidade de Ahmedabad, na Índia, está equipando veículos municipais com câmeras de painel com IA que analisam as estradas em tempo real. Essas câmeras detectam buracos nas vias, rachaduras e desgaste da superfície, registrando imagens e marcando geograficamente os danos. Os dados coletados são enviados a um centro de controle, onde as autoridades geram relatórios e mapas de calor para priorizar os reparos e acelerar a manutenção das estradas.

Fig. 3. Um exemplo de deteção de buracos com estimativa do tamanho usando visão computacional. (Fonte)

Monitorização de espaços verdes nas cidades com visão computacional#

Com o crescimento da população humana, as cidades se expandem e, à medida que isso acontece, os espaços verdes diminuem. Infelizmente, isso pode afetar negativamente a qualidade do ar, a temperatura e a vida selvagem. As árvores ajudam a absorver dióxido de carbono, resfriar áreas urbanas e preservar a biodiversidade.

Com foco na sustentabilidade, muitas cidades estão começando a usar drones, modelos de visão, LiDAR e sistemas de informações geográficas (GIS) para monitorar a cobertura vegetal. Essas tecnologias ajudam a mapear a localização das árvores, avaliar sua saúde e orientar iniciativas de conservação, replantio e desenvolvimento. Isso torna a gestão das áreas verdes mais precisa, algo essencial para o planejamento urbano sustentável.

Fig. 4. Identificação de árvores urbanas com dados aéreos de alta resolução. (Fonte)

Um exemplo interessante é Nova Deli, na Índia, onde a cidade tem enfrentado problemas de poluição atmosférica. Para resolver o problema, foi lançado um recenseamento de árvores com a duração de quatro anos, liderado pelo Instituto de Investigação Florestal.

Com drones, LiDAR e GIS, estão a mapear e monitorizar as árvores urbanas, acompanhando as espécies, o estado de saúde e a localização. A utilização desta tecnologia está a ajudar a cidade a gerir os espaços verdes com maior eficácia, o que pode melhorar a qualidade do ar e contribuir para o objetivo da Índia de alcançar emissões líquidas nulas até 2070.

Aplicações de IA visual no planeamento e na monitorização urbana#

Construções ilegais criam problemas graves nas cidades. Elas podem bloquear estradas, pressionar os serviços públicos e interferir no desenvolvimento planejado. Uma abordagem emergente para lidar com esse problema usa visão computacional para comparar imagens aéreas capturadas ao longo do tempo. Assim, é possível detectar com antecedência até mesmo pequenas mudanças em edifícios ou no uso do solo, permitindo que as autoridades respondam antes que o problema se agrave.

Por exemplo, na Baviera, Alemanha, investigadores desenvolveram métodos que usam IA e visão computacional para analisar imagens de satélite e mapas geoespaciais com o objetivo de detetar edifícios não autorizados. Também recorreram ao Modelo Digital de Superfície Temporal (tDSM), que acompanha as alterações da elevação da superfície ao longo do tempo.

Ao combinar estas ferramentas, os investigadores podem identificar novas construções monitorizando as alterações de elevação e comparando imagens. Esta abordagem ajuda as autoridades locais a fazer cumprir as normas de construção com maior eficácia, a planear um desenvolvimento sustentável e a manter registos precisos.

Fig. 5. Mapa que mostra os edifícios documentados e não documentados na cidade. (Fonte)

Vantagens e desvantagens da visão computacional na manutenção urbana#

Eis algumas das principais vantagens da utilização da visão computacional na manutenção de cidades inteligentes:

• Cobertura escalável: a visão computacional pode monitorar grandes áreas urbanas usando infraestruturas existentes, como câmeras de circuito fechado ou drones, reduzindo a necessidade de inspeções manuais.
• Utilização dinâmica de recursos: A análise em tempo real ajuda a definir prioridades com base na urgência, tornando a manutenção mais eficiente e económica.
• Alertas de emergência mais rápidos: Os sistemas de visão com IA podem detetar incidentes como incêndios, acidentes ou inundações quase instantaneamente, permitindo uma resposta mais rápida e reduzindo os danos.

Embora os sistemas de visão computacional ofereçam apoio fiável à manutenção das cidades, também apresentam algumas limitações. Eis alguns fatores importantes a ter em conta ao utilizar estas tecnologias:

• Custos iniciais elevados: A implementação de sistemas de visão computacional exige um investimento inicial significativo em câmaras, sensores e infraestrutura de IA. As autarquias mais pequenas podem ter dificuldade em suportar estes custos inicialmente.
• Questões de privacidade: o monitoramento visual constante pode gerar preocupações entre os moradores da cidade sobre vigilância e privacidade pessoal.
• Desafios de infraestrutura: As cidades mais antigas podem não dispor da infraestrutura digital necessária para uma implementação em larga escala (por exemplo, conectividade estável, energia ou redes de sensores).

Principais conclusões#

As cidades inteligentes estão transformando a vida urbana ao usar visão computacional para manter melhor as infraestruturas. Com monitoramento em tempo real e informações preditivas, essa tecnologia ajuda as cidades a responder mais rapidamente aos problemas, usar os recursos com mais eficiência e manter os moradores em segurança. Cada vez mais, os municípios estão deixando de lado os reparos reativos e adotando um planejamento proativo e orientado por dados.

Olhando para o futuro, é provável que a IA e a visão computacional tenham um papel maior em tornar as cidades mais verdes, justas e eficientes. Ferramentas como gêmeos digitais e IA generativa complementam essas tecnologias, permitindo que os planejadores testem novas ideias, aprimorem os serviços públicos e reduzam as desigualdades de acesso. Juntas, essas inovações ajudam a moldar ambientes urbanos que não são apenas mais inteligentes e seguros, mas também mais atentos às necessidades de suas comunidades.

Junte-se à nossa comunidade e explore nosso repositório do GitHub para saber mais sobre visão computacional. Conheça várias aplicações de IA na manufatura e visão computacional na área da saúde em nossas páginas de soluções. Confira nossas opções de licenciamento para começar a usar IA visual.