Tutti i case study
  • Intelligenza artificiale
  • Industria

Riconoscimento delle coperture industriali da immagini satellitari

Un sistema di visione artificiale che trova, misura e classifica le coperture dei capannoni partendo dalle immagini satellitari.

Il punto di partenza

Per chi rifà coperture, bonifica l’amianto o installa impianti fotovoltaici, il primo problema è trovare gli edifici giusti. Di solito vuol dire girare le zone industriali, consultare mappe e fare sopralluoghi, un capannone alla volta.

Le immagini satellitari mostrano già tutto. Il difficile è leggerle in modo sistematico, su aree intere, e trasformarle in un elenco su cui lavorare: quali tetti ci sono, quanto sono grandi, di che materiale sono e chi c’è sotto.

Come funziona

  1. 1Si parte da un’areaImmagini satellitari, ortofoto e cartografia da fonti aperte della zona da analizzare.
  2. 2Trova gli edificiIncrociando mappa e immagine individua le sagome degli edifici e le divide in falde.
  3. 3Misura e collegaCalcola area e perimetro in metri, ritaglia ogni copertura e la associa alle attività più vicine.
  4. 4ClassificaQuattro modelli riconoscono struttura, materiale, fotovoltaico e se il tetto è nuovo.
Le coperture individuate in un’area, ognuna con la propria sagoma
Le coperture individuate in un’area, ognuna con la propria sagoma
La mappa di segmentazione: in blu gli edifici, in rosso l’area analizzata
La mappa di segmentazione: in blu gli edifici, in rosso l’area analizzata

Cosa riconosce su ogni tetto

StrutturaPiana, a shed, a volta, a doppia pendenza…
MaterialeGuaina, metallo, fibrocemento e amianto, tra gli altri.
FotovoltaicoSe sul tetto c’è già un impianto oppure no.
StatoSe la copertura è nuova oppure no.

Come impara

I modelli non partono da zero. Una rete neurale già addestrata su un grande archivio di immagini fa da “occhio”: da ogni ritaglio estrae le caratteristiche visive che contano. Sopra di lei lavorano quattro classificatori più piccoli, uno per ogni domanda.

I classificatori sono addestrati sulle coperture che i tecnici del cliente catalogano con uno strumento web realizzato apposta: per ogni ritaglio vedono area e perimetro e indicano struttura, materiale, fotovoltaico e se il tetto è nuovo. Chi conosce il mestiere insegna al sistema a riconoscere quello che vede ogni giorno. È un approccio, il transfer learning, che funziona bene anche senza enormi quantità di esempi, e i modelli si riaddestrano man mano che si aggiungono coperture catalogate.

Lo strumento di catalogazione: per ogni copertura area e perimetro, il tecnico indica struttura, materiale, fotovoltaico e stato
Lo strumento di catalogazione: per ogni copertura area e perimetro, il tecnico indica struttura, materiale, fotovoltaico e stato

Cosa cambia

Invece di cercare i capannoni uno per uno, si parte da un elenco di coperture già misurate e classificate, con le attività che le occupano. Si decide dove fare i sopralluoghi e a chi proporre un intervento con i numeri già in mano: superfici, materiali, presenza di amianto o di un impianto fotovoltaico.

Altri case study

Tutti i case study

Siamo sempre curiosi di sapere come cambiano le vostre esigenze

Mezz’ora su Teams: ci raccontate dove state andando, vi diciamo con franchezza se e come possiamo esservi utili.

Prenota un incontro