Hệ thống computer vision và phát hiện graffiti bằng AI trong các thành phố thông minh

Graffiti, bao gồm chữ viết, hình vẽ hoặc ký hiệu, có thể kể nhiều câu chuyện. Graffiti thêm màu sắc và cá tính cho các bức tường đô thị, đồng thời được dùng để thể hiện quan điểm. Mặc dù đôi khi graffiti được xem là nghệ thuật, nhưng thường được thực hiện mà không được phép. Trên thực tế, graffiti thường xuất hiện qua đêm trên các tòa nhà, cầu và tàu hỏa, trong khi việc làm sạch chúng cần thời gian, nguồn lực và công sức.

Các thành phố trên khắp thế giới chi hàng triệu đô la để cố gắng giữ cho không gian công cộng sạch sẽ. Chỉ riêng tại Hoa Kỳ, chi phí dọn dẹp graffiti đã vượt quá 12 tỷ đô la mỗi năm. Ngoài ra, tại nhiều thành phố, việc xử lý graffiti trước khi vấn đề lan rộng là một thách thức đáng kể. Số lượng đội dọn dẹp có hạn và họ không thể có mặt ở mọi nơi cùng một lúc.

Đó là lý do các nhà quy hoạch đô thị hiện đang chuyển sang thị giác máy tính, một nhánh của trí tuệ nhân tạo cho phép máy móc phân tích và diễn giải hình ảnh. Sử dụng các model thị giác máy tính như Ultralytics YOLO11, camera tích hợp AI có thể nhanh chóng quét các bức tường đô thị, phát hiện graffiti theo thời gian thực và xác định chính xác vị trí để các đội xử lý.

Trong bài viết này, chúng ta sẽ tìm hiểu kỹ hơn về cách thị giác máy tính được sử dụng để nhận dạng graffiti tự động trong các đô thị thông minh. Hãy bắt đầu!

Vai trò của thị giác máy tính trong các đô thị thông minh#

Các đô thị thông minh đang sử dụng công nghệ tiên tiến để giải quyết các thách thức hằng ngày hiệu quả hơn. Cụ thể, họ đang tận dụng các model thị giác máy tính như Ultralytics YOLO11 để phân tích dữ liệu hình ảnh, giám sát không gian công cộng và hỗ trợ việc ra quyết định nhanh hơn, dựa trên dữ liệu, trong nhiều hệ thống đô thị khác nhau.

Dưới đây là một số cách phổ biến mà vision AI được sử dụng trong các đô thị thông minh:

• Quản lý giao thông: vision AI có thể phân tích các luồng video trực tiếp để giám sát lưu lượng giao thông, phát hiện ùn tắc và điều chỉnh đèn tín hiệu theo thời gian thực nhằm cải thiện lưu thông và giảm chậm trễ.
• Tự động hóa tái chế: Thị giác máy tính có thể giúp nhận diện và phân loại vật liệu có thể tái chế khỏi dòng chất thải trong các thùng rác công cộng hoặc trung tâm tái chế, cải thiện độ chính xác phân loại và giảm tạp nhiễm.
• Giám sát giao thông công cộng: Các hệ thống giao thông công cộng có thể sử dụng thị giác máy tính để theo dõi số lượng hành khách, giám sát hành vi trên phương tiện và phát hiện các vấn đề an toàn, qua đó cải thiện cả hiệu quả vận hành lẫn mức độ an toàn.
• Ứng phó thảm họa: Thị giác máy tính có thể nhận diện các dấu hiệu trực quan của hỏa hoạn, lũ lụt hoặc hư hỏng kết cấu sau thảm họa, cho phép ứng phó khẩn cấp nhanh chóng và hiệu quả hơn.

Hình 1. Giám sát giao thông bằng YOLO11 trong các đô thị thông minh.

Tổng quan về giám sát graffiti đô thị bằng AI#

Sau khi tìm hiểu cách thị giác máy tính đang giúp các thành phố trở nên thông minh hơn, hãy cùng xem xét kỹ hơn lý do công nghệ này đặc biệt cần thiết cho việc nhận dạng graffiti tự động.

Theo cách truyền thống, các thành phố đã sử dụng nhiều phương pháp để quản lý graffiti. Một số dựa vào báo cáo của người dân, trong khi những nơi khác cử đội ngũ đi kiểm tra các điểm nóng đã biết. Trong một số trường hợp, ứng dụng di động cho phép cư dân gửi khiếu nại hoặc tải lên hình ảnh. Mặc dù các phương pháp này có thể hữu ích, chúng tốn nhiều thời gian, phụ thuộc đáng kể vào sự tham gia của con người và thường không thể bao phủ toàn bộ thành phố.

Thị giác máy tính mang đến cho các thành phố một cách nhanh hơn và đáng tin cậy hơn để quản lý graffiti. Các hệ thống nhận dạng graffiti tự động thường dựa trên hai tác vụ thị giác máy tính chính: phân loại hình ảnh và phát hiện đối tượng.

Ở bước đầu tiên, phân loại hình ảnh phân tích một bức ảnh để xác định ảnh đó thể hiện graffiti, nghệ thuật đường phố hay bề mặt sạch. Nếu phát hiện graffiti, tính năng phát hiện đối tượng sẽ xác định chính xác vị trí của graffiti trong hình ảnh. Điều này cho phép các đội đô thị phản ứng nhanh chóng và chính xác. Theo thời gian, dữ liệu giúp xác định các xu hướng để thành phố có thể tập trung vào những điểm nóng thường xuyên và cải thiện các nỗ lực phòng ngừa.

Hình 2. Ví dụ về cách các hệ thống nhận dạng graffiti tự động hoạt động.

Khám phá các hệ thống AI phát hiện graffiti tại nhiều thành phố#

Nhiều thành phố đang thử nghiệm những cách mới để xử lý graffiti. Thay vì chỉ phụ thuộc vào tuần tra hoặc báo cáo của người dân, họ bắt đầu sử dụng các model thị giác máy tính có thể phát hiện, nhận diện và thậm chí hỗ trợ làm sạch graffiti. Hãy cùng xem một số thành phố đang ứng dụng những công cụ mới này như thế nào.

Các hệ thống AI phát hiện graffiti tích hợp với camera trên phương tiện#

Tại nhiều thành phố, các phương tiện dịch vụ công hiện được sử dụng để hỗ trợ phát hiện graffiti trong các tuyến tuần tra thường lệ. Bằng cách trang bị cho những phương tiện này giải pháp thị giác máy tính, các thành phố có thể quét đường phố theo thời gian thực mà không cần thêm các đợt tuần tra. Điều này giúp phát hiện graffiti sớm hơn và gửi cảnh báo cho các đội dọn dẹp trước khi vấn đề lan rộng.

Tempe, Arizona, là một ví dụ điển hình về thành phố sử dụng công nghệ này. Thành phố đã hợp tác với các tổ chức địa phương để phát triển một hệ thống sử dụng camera gắn trên các phương tiện dịch vụ công. Khi di chuyển qua các khu dân cư, những phương tiện này chụp lại hình ảnh của các bức tường và không gian công cộng.

Một model vision AI đã phân tích các hình ảnh và đánh dấu mọi graffiti mà nó phát hiện. Kết quả được gửi đến một dashboard trực tiếp để ban quản lý có thể kiểm tra cập nhật trên điện thoại và phản hồi nhanh chóng. Điều này giúp Tempe hành động nhanh hơn và giảm số lượng khiếu nại của người dân.

Tương tự, tại Lisbon, thủ đô của Bồ Đào Nha, một hệ thống thử nghiệm khả thi đã được phát triển bằng cách sử dụng camera gắn trên các phương tiện đô thị để tự động phát hiện graffiti.

Hình 3. Phát hiện graffiti bằng AI tại Lisbon, Bồ Đào Nha.

Phát hiện và loại bỏ graffiti bằng drone#

Graffiti có thể xuất hiện ở những nơi khó tiếp cận hoặc không an toàn, như cầu vượt, đường hầm và các công trình trên cao. Việc dọn dẹp ở những khu vực này thường cần thêm thiết bị, phát sinh chi phí và mất nhiều thời gian hơn. Để cải thiện mức độ an toàn và tốc độ xử lý, một số thành phố bắt đầu sử dụng drone có thể vừa phát hiện vừa loại bỏ graffiti mà không cần đội ngũ thủ công có mặt tại hiện trường.

Chẳng hạn, Seattle, một thành phố lớn ở bang Washington, gần đây đã triển khai một giải pháp sử dụng drone để giám sát những khu vực khó tiếp cận. Các drone được trang bị camera và công cụ phun. Chúng có thể quét các bề mặt công cộng để tìm dấu vết, và khi phát hiện graffiti, chúng sử dụng bộ phun tích hợp để sơn phủ, che lấp graffiti.

Hình 4. Một drone hỗ trợ bởi AI đang làm sạch graffiti ở Seattle, Washington.

Các nỗ lực phát hiện graffiti của Seattle cũng bao gồm những camera chạy bằng năng lượng mặt trời được lắp đặt tại các điểm nóng graffiti đã biết. Các camera này giám sát hoạt động và gửi cảnh báo khi có người đến gần một địa điểm bị vẽ graffiti. Bằng cách kết hợp drone với các điểm giám sát cố định, Seattle có thể phản ứng nhanh hơn với graffiti và giảm rủi ro về thể chất cho các đội bảo trì.

Lập bản đồ các điểm nóng graffiti nhờ vision AI#

Trong một số trường hợp, phát hiện graffiti không chỉ nhằm mục đích dọn dẹp mà còn để hiểu các mô hình hoạt động này trên toàn thành phố. Với sự hỗ trợ của AI, các thành phố hiện có thể chuyển hình ảnh ở cấp độ đường phố thành những bản đồ trực quan cho thấy graffiti thường xuất hiện ở đâu nhất. Các bản đồ này làm rõ những xu hướng có thể không dễ nhận thấy qua các báo cáo của người dân và giúp các nhà quy hoạch đô thị tập trung nỗ lực vào những nơi cần thiết nhất.

Ví dụ, São Paulo, một thành phố ở Brazil, đã nghiên cứu phương pháp này thông qua một nghiên cứu tình huống dựa trên nghiên cứu. Một nhóm đã sử dụng thị giác máy tính để phân tích hơn 275.000 hình ảnh ở cấp độ đường phố trên toàn thành phố, được thu thập bằng Google Street View. Graffiti được nhận diện trong các hình ảnh này đã được lập bản đồ trên 96 quận, cho thấy những nơi graffiti tập trung nhiều nhất.

Thay vì dựa vào các báo cáo rời rạc hoặc những đợt kiểm tra không thường xuyên, phương pháp này cung cấp một góc nhìn quy mô lớn, dựa trên dữ liệu, về graffiti trên toàn thành phố. Bản đồ thu được đã mang đến cho São Paulo một nguồn tài nguyên có giá trị để theo dõi những thay đổi theo thời gian và hỗ trợ các nỗ lực dọn dẹp, phòng ngừa và quy hoạch đô thị có mục tiêu hơn.

Hình 5. Phát hiện graffiti tại São Paulo, Brazil.

Ưu và nhược điểm của các hệ thống vision AI phát hiện graffiti#

Dưới đây là một số lợi ích chính của việc sử dụng thị giác máy tính để quản lý graffiti:

• Giảm công sức thủ công: Giám sát tự động giảm nhu cầu nhân viên phải trực tiếp kiểm tra đường phố, giải phóng nguồn lực cho các nhiệm vụ khác.
• Hỗ trợ các nỗ lực phòng ngừa: Bằng cách xác định các điểm nóng graffiti, các hệ thống thị giác máy tính cho phép thành phố tập trung vào những biện pháp ngăn chặn như cải thiện hệ thống chiếu sáng hoặc giám sát tại các khu vực đó.
• Tích hợp với các hệ thống khác: Các công cụ thị giác máy tính có thể được kết nối với dashboard đô thị hoặc ứng dụng bảo trì để tạo quy trình làm việc liền mạch hơn.
• Cho phép báo cáo tự động: Các hệ thống vision AI có thể hỗ trợ tạo báo cáo định kỳ, giảm gánh nặng hành chính cho nhân viên đô thị.

Mặc dù các hệ thống thị giác máy tính hữu ích cho việc phát hiện graffiti, chúng cũng có một số hạn chế. Dưới đây là một số điều cần lưu ý khi triển khai các hệ thống như vậy:

• Cần bảo trì liên tục: Camera, model và phần mềm phải được cập nhật và bảo trì thường xuyên để đảm bảo độ chính xác và chức năng.
• Rào cản pháp lý và quy định: Tại một số thành phố, việc lắp đặt hệ thống giám sát trong không gian công cộng có thể cần phê duyệt, giấy phép hoặc tuân thủ luật bảo vệ dữ liệu.
• Nhầm lẫn về ngôn ngữ hoặc ký hiệu: Graffiti sử dụng ngoại ngữ, ký hiệu hoặc tiếng lóng có thể không được nhận diện chính xác nếu không có dữ liệu huấn luyện chuyên biệt.
• Rủi ro nhận diện sai: Nếu hệ thống không được huấn luyện trên một dataset toàn diện và đa dạng, hệ thống có thể nhầm lẫn các bức tranh tường, nghệ thuật đường phố hoặc tranh tường hợp pháp với graffiti.

Những điểm chính#

Phát hiện graffiti chỉ là một ví dụ về cách thị giác máy tính đang chuyển đổi phương thức các thành phố quản lý không gian công cộng. Những hệ thống này ngày càng được tích hợp với các công cụ phục vụ bảo trì, báo cáo và quy hoạch đô thị.

Trọng tâm đang chuyển từ phản ứng nhanh sang nhận thức chủ động. Với dữ liệu tốt hơn và các công cụ thông minh hơn, các thành phố đang hướng tới việc ngăn ngừa vấn đề trước khi chúng bắt đầu và đưa ra quyết định sáng suốt hơn ở mọi bước.

Hãy tham gia cộng đồng đang phát triển của chúng tôi! Khám phá repository GitHub để tìm hiểu về AI và xem các tùy chọn cấp phép để bắt đầu các dự án vision AI của bạn. Quan tâm đến những đổi mới như AI trong lĩnh vực chăm sóc sức khỏe và thị giác máy tính trong nông nghiệp? Hãy truy cập các trang giải pháp của chúng tôi để khám phá thêm!