Come può l'IA individuare gli edifici crollati dalle foto dei droni?

Dopo un terremoto, sapere subito quali case sono crollate è fondamentale per salvare vite e distribuire gli aiuti. In Giappone, i tradizionali sopralluoghi richiedono giorni, ma ora la tecnologia può accelerare il processo. Un team di ricercatori ha combinato immagini aeree post‑sisma con una rete neurale profonda, creando un modulo chiamato Uncertainty‑Guided Fusion (UGFM). L'UGFM, inserito in un decoder standard, usa le stime di incertezza per fondere le caratteristiche estratte da un encoder Pyramid Vision Transformer v2 (PVTv2). In pratica, il modello “sa” quando è più sicuro di aver individuato un edificio crollato e dà più peso a quelle zone.

Il modello è stato addestrato con foto aeree della prefettura di Noto, dove i danni erano estesi. I risultati mostrano una recall del 79 % e una precisione del 68 % su quel set. Quando è stato testato su immagini di Mashiki, nella prefettura di Kumamoto, la recall è scesa al 66 % ma la precisione è salita al 77 %. Con dati di campagna sul campo, la precisione complessiva ha superato l'87 %, dimostrando che il sistema può identificare rapidamente gli edifici più gravemente danneggiati.

Questa tecnologia promette di velocizzare l’emissione dei Certificati di Vittima del Disastro (DVC), riducendo i tempi di risposta e migliorando la gestione delle emergenze. In futuro, con più dati disponibili, l'IA potrebbe diventare un alleato indispensabile per le autorità di protezione civile di tutto il mondo.

Il modulo Uncertainty‑Guided Fusion (UGFM) è stato progettato per sfruttare le informazioni di incertezza generate a ogni livello della rete. In pratica, il decoder riceve non solo le mappe di attivazione, ma anche una mappa di varianza che indica quanto il modello è sicuro della sua previsione. Questa varianza viene normalizzata e usata come peso di fusione: le regioni con bassa incertezza (alta fiducia) influenzano maggiormente la decisione finale, mentre quelle con alta incertezza vengono attenuate.

L'encoder Pyramid Vision Transformer v2 (PVTv2) è una variante dei Vision Transformer che incorpora una gerarchia di risoluzioni, consentendo di catturare sia dettagli locali sia contesti globali. Grazie a una struttura a piramide, il PVTv2 riduce il costo computazionale rispetto ai transformer tradizionali, mantenendo al contempo una rappresentazione ricca delle caratteristiche spaziali.

Il dataset di addestramento è stato costruito a partire da immagini aeree ad alta risoluzione (30 cm/pixel) acquisite da droni e aerei dopo il sisma del 2022 nella prefettura di Noto. Le annotazioni dei edifici crollati sono state ottenute tramite un mix di rilevamenti sul campo e analisi manuale delle immagini, garantendo una qualità elevata delle etichette. Per valutare la capacità di generalizzazione, è stato creato un set di test fuori dominio con immagini di Mashiki, caratterizzate da diverse condizioni di illuminazione e copertura vegetale.

Le metriche di performance includono recall (sensibilità), precisione (specificità) e F1‑score. Sul set interno, il modello ha raggiunto una recall del 79 % e una precisione del 68 %, con un F1 di circa 0,73. Sul set esterno, la recall è scesa al 66 % ma la precisione è aumentata al 77 %, indicando una buona capacità di discriminazione anche in scenari non visti. L'analisi combinata con dati di campagna ha mostrato un'accuratezza globale superiore all'87 %, confermando l'affidabilità del metodo per l'identificazione preliminare dei danni maggiori.

Dal punto di vista operativo, il modello può essere integrato in pipeline di risposta rapida: le immagini aeree vengono caricate, il modello produce una mappa di probabilità di crollo, e le autorità possono priorizzare gli interventi basandosi su soglie di confidenza. L'uso di UGFM riduce gli errori di falsi positivi, limitando interventi inutili, e migliora la copertura territoriale grazie alla capacità di gestire grandi volumi di dati in tempo reale. Futuri sviluppi potrebbero includere l'addestramento con dati multispettrali (ad esempio, infrarossi) e l'uso di tecniche di apprendimento semi‑supervisionato per sfruttare immagini non annotate, aumentando ulteriormente la robustezza del sistema.