Roma – L’intelligenza artificiale permetterà di trasformare le comuni e diffusissime telecamere di sorveglianza in avanzati sensori per la pioggia, utili per le previsioni meteo . E’ quanto emerge da uno studio guidato dall’Università di Tianjin e pubblicato su Environmental Science and Ecotechnology. “Il nostro sistema sfrutta infrastrutture di sorveglianza ampiamente disponibili e un’intelligenza artificiale avanzata per colmare le lacune lasciate dalle tradizionali tecniche di monitoraggio delle precipitazioni”, ha affermato la Dott.ssa Mingna Wang, autrice principale dello studio.
Un nuovo framework integra i dati video della sorveglianza urbana con una pipeline di intelligenza artificiale a due stadi: un classificatore forestale casuale avanzato rileva le strisce di pioggia e seleziona le aree chiave dell’immagine, mentre una rete neurale profonda ibrida che combina convoluzione separabile in profondità e unità ricorrenti gated prevede con precisione l’intensità delle precipitazioni in tempo reale.
Credito:
Environmental Science and Ecotechnology
“L’aspetto più entusiasmante è che ora possiamo fornire stime delle precipitazioni altamente accurate e in tempo reale utilizzando la tecnologia urbana esistente, anche in condizioni difficili come quelle notturne o con precipitazioni ad alta intensità. Questo apre le porte a sistemi di gestione delle inondazioni più intelligenti e a città più resilienti di fronte ai cambiamenti climatici”. Il sistema proposto opera attraverso due moduli chiave: un modulo di estrazione delle caratteristiche (FeM) e un modulo di stima delle precipitazioni (RiM). Il FeM analizza i fotogrammi video utilizzando un nuovo metodo di firma della qualità dell’immagine (IQS) che estrae le caratteristiche di luminosità, contrasto e texture per rilevare le strisce di pioggia, anche da filmati scarsamente illuminati. Utilizza quindi un classificatore di foresta casuale avanzato (eRFC) per classificare i fotogrammi video e applicare filtri ottimali, isolando accuratamente le caratteristiche della pioggia ed eliminando le informazioni visive irrilevanti. Il RiM impiega un modello ibrido di deep learning che combina la convoluzione separabile in profondità (DSC) e le unità ricorrenti gated (GRU), consentendogli di catturare modelli sia spaziali che temporali negli eventi piovosi. Questa architettura si è dimostrata altamente efficace nella stima dell’intensità di pioggia (RI). Testato nelle città di Tianjin e Fuzhou, questo nuovo sistema ha raggiunto un’accuratezza e una robustezza superiori nel prevedere le precipitazioni, anche di notte o in condizioni di scarsa visibilità.(30Science.com)
