Le persone di tutto il mondo hanno sofferto l'ansia snervante di aspettare settimane o mesi per scoprire se le loro case sono state danneggiate da incendi che bruciano con maggiore intensità. Ora, una volta che il fumo si è diradato per la fotografia aerea, i ricercatori hanno trovato un modo per identificare i danni agli edifici in pochi minuti.

Attraverso un sistema che chiamano DamageMap, un team della Stanford University e della California Polytechnic State University (Cal Poly) ha adottato un approccio di intelligenza artificiale alla valutazione degli edifici:invece di confrontare le foto prima e dopo, hanno addestrato un programma che utilizza l'apprendimento automatico per fare affidamento esclusivamente sulle immagini post-incendio. I risultati appaiono in International Journal of Disaster Risk Reduction .

"Volevamo automatizzare il processo e renderlo molto più veloce per i primi soccorritori o anche per i cittadini che potrebbero voler sapere cosa è successo alla loro casa dopo un incendio. ", ha affermato l'autore principale dello studio Marios Galanis, uno studente laureato nel dipartimento di ingegneria civile e ambientale presso la Stanford's School of Engineering. "I risultati del nostro modello sono alla pari con la precisione umana".

L'attuale metodo di valutazione dei danni prevede che le persone vadano porta a porta per controllare ogni edificio. Sebbene DamageMap non sia destinato a sostituire la classificazione dei danni di persona, potrebbe essere utilizzato come strumento supplementare scalabile offrendo risultati immediati e fornendo le posizioni esatte degli edifici individuati. I ricercatori lo hanno testato utilizzando una varietà di satelliti, fotografia aerea e con droni con una precisione di almeno il 92%.

"Con questa applicazione, potresti probabilmente scansionare l'intera città di Paradise in poche ore, " ha affermato l'autore senior G. Andrew Fricker, un assistente professore al Cal Poly, riferendosi alla città della California settentrionale distrutta dal Camp Fire del 2018. "Spero che questo possa portare maggiori informazioni al processo decisionale per i vigili del fuoco e i soccorritori, e anche assistere le vittime di incendi ottenendo informazioni per aiutarle a presentare richieste di risarcimento e a rimettere in carreggiata le loro vite".

Un approccio diverso

La maggior parte dei sistemi computazionali non è in grado di classificare in modo efficiente i danni agli edifici perché l'intelligenza artificiale confronta le foto post-disastro con le immagini pre-disastro che devono utilizzare lo stesso satellite, angolazione della telecamera e condizioni di illuminazione, che può essere costoso da ottenere o non disponibile. L'hardware attuale non è abbastanza avanzato per registrare quotidianamente la sorveglianza ad alta risoluzione, quindi i sistemi non possono fare affidamento su foto coerenti, secondo i ricercatori.

Piuttosto che cercare differenze tra le immagini prima e dopo, DamageMap utilizza prima foto di qualsiasi tipo prima dell'incendio per mappare l'area e individuare le posizioni degli edifici. Quindi, il programma analizza le immagini post-incendio per identificare i danni attraverso caratteristiche come superfici annerite, tetti sbriciolati o assenza di strutture.

"Le persone possono capire se un edificio è danneggiato o meno - non abbiamo bisogno dell'immagine precedente, quindi abbiamo testato questa ipotesi con l'apprendimento automatico, " ha detto il co-autore Krishna Rao, uno studente laureato in scienze del sistema terrestre presso la Stanford's School of Earth, Scienze energetiche e ambientali (Stanford Earth). "Questo può essere uno strumento potente per valutare rapidamente i danni e pianificare gli sforzi di ripristino di emergenza".

I danni strutturali causati dagli incendi in California sono generalmente suddivisi in quattro categorie:quasi nessun danno, danni minori, danni maggiori o distrutti. Poiché DamageMap si basa su immagini aeree, i ricercatori si sono subito resi conto che il sistema non era in grado di effettuare valutazioni con quel grado di dettaglio e hanno addestrato la macchina a determinare semplicemente se il danno da incendio era presente o assente.

Opportunità di crescita

Poiché il team ha utilizzato una tecnica di deep learning chiamata apprendimento supervisionato, il loro modello può continuare a essere migliorato fornendogli più dati. Hanno testato l'applicazione utilizzando le valutazioni dei danni di Paradise, California, dopo l'incendio del campo e l'area ricreativa nazionale di Whiskeytown-Shasta-Trinity dopo l'incendio di Carr del 2018. I ricercatori hanno affermato che la piattaforma open source può essere applicata a qualsiasi area soggetta a incendi e sperano che possa anche essere addestrata a classificare i danni da altri disastri, come inondazioni o uragani.

"Finora i nostri risultati suggeriscono che questo può essere generalizzato, e se le persone sono interessate a usarlo in casi reali, allora possiamo continuare a migliorarlo, " disse Galani.

Galanis e Rao hanno sviluppato il progetto durante il 2020 Big Earth Hackathon di Stanford:Wildland Fire Challenge. Successivamente hanno collaborato con i ricercatori di Cal Poly per perfezionare la piattaforma, una connessione che è risultata dalla partecipazione di Rao e Frickers alla conferenza "Geo For Good" di Google 2019, dove i due hanno costruito un prototipo iniziale come parte della conferenza Build-A-Thon.

I coautori hanno testato i risultati del loro modello rispetto ai dati sui danni raccolti in loco dagli agenti del California Department of Forestry and Fire Protection (CAL FIRE), informazioni che hanno reso possibile la ricerca.

"Gli ispettori dei danni hanno compiuto sforzi minuziosi andando di porta in porta, guardando il danno, georeferenziare le posizioni e infine renderle pubblicamente accessibili, " Ha detto Rao. "La ricerca o l'innovazione delle tecnologie future dipende direttamente dall'accesso a tali dati".