O papel da visão computacional nas tarefas de manutenção das cidades

Há muito trabalho envolvido na manutenção de uma cidade, mas a maior parte dessas tarefas passa despercebida. Por exemplo, à noite, as equipas de manutenção trabalham na reparação de estradas, na limpeza de resíduos, na verificação de luzes e na garantia de que a cidade se mantém segura e funcional.

Estradas desgastadas, esgotos entupidos e candeeiros de iluminação pública avariados podem, à partida, parecer insignificantes. Mas se não forem controlados, podem rapidamente transformar-se em problemas maiores. Estas tarefas de manutenção de rotina são importantes para a segurança pública. No entanto, com o aumento da população e a limitação do pessoal municipal, os métodos de manutenção tradicionais podem ter dificuldade em acompanhar o ritmo.

A visão computacional, um ramo da IA que se concentra no processamento e compreensão de dados visuais, oferece uma abordagem mais rápida e eficiente à manutenção quotidiana em cidades inteligentes. Ao analisar feeds de vídeo ou imagens aéreas, as soluções de IA de visão podem detetar e seguir automaticamente os problemas, reduzindo a carga sobre as equipas manuais.

Utilizando modelos avançados de visão computacional como o Ultralytics YOLO11, as cidades podem facilmente realizar tarefas como a identificação de resíduos, buracos ou ramos caídos. As tarefas de IA de visão, como a deteção de objectos e a segmentação de instâncias, podem ajudar as equipas de manutenção a responder rapidamente e a manter os espaços públicos arrumados, limpos e seguros.

‍

Neste artigo, vamos explorar a forma como a visão computacional apoia a manutenção urbana, algumas aplicações comuns e os benefícios que oferece. Vamos começar!

Uma panorâmica da visão computacional na manutenção de cidades

As autoridades urbanas estão a utilizar tecnologias como a visão por computador para melhor compreender e gerir as infra-estruturas urbanas. Os dados visuais são recolhidos através de drones, câmaras e sensores e, em seguida, processados utilizando modelos de visão computacional como o YOLO11 para obter informações rápidas e precisas. 

Por exemplo, nas cidades inteligentes, a visão computacional está a ser utilizada para detetar automaticamente graffiti através de imagens aéreas e câmaras ao nível da rua, ajudando as equipas da cidade a limpá-los rapidamente e a manter os espaços públicos acolhedores

Eis um vislumbre de algumas das principais tarefas de visão computacional que permitem sistemas de cidades inteligentes

• Deteção de objectos: Os modelos de visão por computador, como o YOLO11, podem identificar e localizar objectos específicos numa imagem ou num vídeo. Na manutenção urbana, isto ajuda as equipas a detetar objectos como cones de trânsito, caixotes do lixo ou sinais de trânsito partidos que possam necessitar de atenção.

• Classificação de imagens: Atribui uma etiqueta a uma imagem inteira com base no seu aspeto. Por exemplo, as imagens aéreas de estradas podem ser classificadas como limpas, com fissuras ou inundadas, ajudando as equipas a classificar e a responder a diferentes cenários de forma mais eficiente.

• Seguimento de objectos: O rastreio é utilizado para seguir objectos em movimento através de fotogramas de vídeo para seguir os seus percursos. Nas cidades, ajuda a monitorizar os veículos e os peões, melhorando a gestão do tráfego e a segurança.

• Segmentação de instâncias: Esta técnica separa instâncias individuais do mesmo objeto. Em ambientes urbanos, pode ser utilizada para distinguir entre vários candeeiros de rua, árvores ou veículos estacionados para um melhor seguimento e manutenção.

Visão computacional em aplicações de manutenção urbana

Agora que temos uma ideia melhor de como a visão computacional apoia a manutenção de cidades urbanas, vamos explorar algumas das suas aplicações no mundo real.

Inspeção inteligente de infra-estruturas com IA

A manutenção de drenos subterrâneos é um trabalho desafiante mas essencial, porque os danos podem conduzir a graves problemas de saúde ou ambientais. A visão computacional está agora a ser utilizada para tornar estas inspecções mais seguras e mais eficientes. Os drones com câmaras, sensores e sistemas de deteção de luz e alcance (LiDAR) são utilizados para verificar os túneis e recolher dados em tempo real sobre aspectos como os níveis de gás, a temperatura e os danos.

No Michigan, EUA, o condado de Macomb é um excelente exemplo de como a tecnologia está a melhorar as inspecções subterrâneas. Após o colapso de uma conduta em 2016, o condado começou a abandonar as verificações manuais e a utilizar sistemas automatizados. 

Atualmente, utilizam drones como o Elios 3 e o Asio X para explorar túneis subterrâneos em segurança. Os drones recolhem dados de vídeo e de sensores, que são depois analisados com visão computorizada para detetar quaisquer problemas estruturais. Desde que passou a utilizar esta abordagem, o município reduziu os custos de inspeção em quase 40% e tornou o trabalho muito mais seguro para as suas equipas.

‍

Visão computacional para obras públicas rodoviárias

Do mesmo modo, a manutenção das estradas e a gestão do tráfego é uma parte fundamental para manter uma cidade a funcionar corretamente. As estradas podem desgastar-se com o tempo devido ao tráfego intenso e às condições climatéricas, provocando fissuras, buracos e sinais danificados. 

Para resolver este problema, muitas cidades estão agora a utilizar drones e câmaras montadas em veículos, alimentadas por visão computacional, para monitorizar as condições das estradas e o tráfego em tempo real. Esta tecnologia ajuda a detetar problemas precocemente, a melhorar a segurança, a reduzir o congestionamento e a efetuar reparações mais rápidas e precisas.

É exatamente por isso que a cidade de Ahmedabad, na Índia, está a equipar os veículos municipais com câmaras de bordo alimentadas por IA que analisam as estradas em tempo real. Estas câmaras detectam buracos, fissuras e desgaste da superfície, capturando imagens e marcando geograficamente os danos. Os dados recolhidos são enviados para um centro de controlo, onde os funcionários geram relatórios e mapas de calor para dar prioridade às reparações, ajudando a acelerar a manutenção das estradas.

‍

Monitorização de espaços verdes nas cidades com visão computacional

À medida que a população humana aumenta, as cidades expandem-se e, à medida que as cidades se expandem, os espaços verdes diminuem. Infelizmente, este facto pode ter um impacto negativo na qualidade do ar, na temperatura e na vida selvagem. As árvores ajudam a absorver os gases de carbono, arrefecem as zonas urbanas e apoiam a biodiversidade. 

Com o objetivo de se tornarem verdes, muitas cidades estão a começar a utilizar drones, modelos de visão, LiDAR e sistemas de informação geográfica (SIG) para monitorizar a cobertura verde. Estas tecnologias ajudam a mapear a localização das árvores, a avaliar a sua saúde e a orientar os esforços de conservação, replantação e desenvolvimento. Isto ajuda a tornar a gestão dos espaços verdes mais precisa e essencial para um planeamento urbano sustentável.

‍

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

Utilizando drones, LiDAR e GIS, estão a mapear e a monitorizar as árvores urbanas, acompanhando as suas espécies, saúde e localização. Esta utilização da tecnologia está a ajudar a cidade a gerir os seus espaços verdes de forma mais eficaz, o que pode melhorar a qualidade do ar e apoiar o objetivo da Índia de atingir emissões líquidas nulas até 2070.

Aplicações de visão da IA no planeamento e monitorização urbanos

A construção ilegal cria problemas graves nas cidades. Pode bloquear estradas, exercer pressão sobre os serviços públicos e interferir com o desenvolvimento planeado. Uma abordagem emergente para lidar com este problema utiliza a visão por computador para comparar imagens aéreas tiradas ao longo do tempo. Isto torna possível detetar precocemente até mesmo pequenas alterações nos edifícios ou na utilização dos terrenos, permitindo às autoridades responder antes que o problema se agrave.

Por exemplo, na Baviera, Alemanha, os investigadores desenvolveram métodos que utilizam a IA e a visão por computador para analisar imagens de satélite e mapas geoespaciais, a fim de detetar edifícios não autorizados. Também se basearam no Modelo Digital Temporal de Superfície (tDSM), que regista as alterações na elevação da superfície ao longo do tempo. 

Combinando estas ferramentas, os investigadores podem identificar novas construções monitorizando as mudanças de elevação e comparando imagens. Esta abordagem ajuda as autoridades locais a aplicar os regulamentos de construção de forma mais eficaz, a planear o desenvolvimento sustentável e a manter registos precisos.

‍

Prós e contras da visão computacional na manutenção de cidades

Eis alguns dos principais benefícios da utilização da visão computacional para a manutenção de cidades inteligentes:

• Escalável cobertura: A visão computacional pode monitorizar grandes áreas urbanas utilizando infra-estruturas existentes, como CCTV ou drones, reduzindo a necessidade de inspecções manuais.
  
  
• Utilização dinâmica de recursos: A análise em tempo real ajuda a dar prioridade às tarefas com base na urgência, tornando a manutenção mais eficiente e económica.
  
  
• Alertas de emergência mais rápidos: Os sistemas de visão alimentados por IA podem detetar incidentes como incêndios, acidentes ou inundações quase instantaneamente, permitindo uma resposta mais rápida e danos reduzidos.

Embora os sistemas de visão computacional forneçam um apoio fiável para a manutenção das cidades, também apresentam algumas limitações. Eis alguns factores-chave a ter em conta quando se utilizam estas tecnologias:

• Custos iniciais elevados: A implementação de sistemas de visão computacional requer um investimento inicial significativo em câmaras, sensores e infra-estruturas de IA. Os municípios mais pequenos podem ter dificuldade em suportar estas despesas inicialmente.
  
  
• Questões de privacidade: A monitorização visual constante pode suscitar preocupações sobre a vigilância e a privacidade pessoal entre os residentes da cidade.
  
  
• Desafios em termos de infra-estruturas: As cidades mais antigas podem não ter as infra-estruturas digitais necessárias para uma implementação em grande escala (por exemplo, conetividade estável, energia ou redes de sensores).

Principais conclusões

As cidades inteligentes estão a transformar a vida urbana através da utilização da visão computacional para melhorar a manutenção das infra-estruturas. Com a monitorização em tempo real e as percepções preditivas, esta tecnologia ajuda as cidades a responder a problemas mais rapidamente, a utilizar os recursos de forma mais eficiente e a manter os residentes seguros. Cada vez mais, os municípios estão a mudar de soluções reactivas para um planeamento proactivo e baseado em dados.

Olhando para o futuro, a IA e a visão computacional desempenharão provavelmente um papel mais importante para tornar as cidades mais ecológicas, mais justas e mais eficientes. Ferramentas como os gémeos digitais e a IA generativa complementam estas tecnologias, permitindo aos planeadores testar novas ideias, melhorar os serviços públicos e colmatar lacunas no acesso. Em conjunto, estas inovações estão a ajudar a moldar ambientes urbanos que não só são mais inteligentes e seguros, como também respondem melhor às necessidades das suas comunidades.

Junte-se à nossa comunidade e explore o nosso repositório GitHub para saber mais sobre visão computacional. Descubra várias aplicações relacionadas com a IA no fabrico e a visão computacional nos cuidados de saúde nas nossas páginas de soluções. Consulte as nossas opções de licenciamento para começar a utilizar a IA de visão.