L’intelligenza artificiale, ormai applicata in diversi contesti, può contribuire a raggiungere gli obiettivi di sostenibilità ambientale dettati dall’Agenda 2030. Ne è un esempio il progetto VisionAnchor, realizzato dal centro di innovazione digitale Cefriel insieme alla startup slovena SeaVision e con il coinvolgimento di due studenti del Politecnico di Milano e dell’Università di Milano-Bicocca. Grazie all’intelligenza artificiale, in questo caso specifico, si possono raccogliere dati su uno degli ecosistemi più importanti e a rischio del pianeta, l’oceano. Lo Smart Anchoring System consente di scattare immagini dei fondali, analizzarli grazie a algoritmi che sfruttano il deep learning e individuare così il punto migliore per l’ancoraggio. La boa intelligente nasce da una esigenza concreta, ovvero rispondere alla necessità di chi fa una traversata in mare di individuare il punto giusto in cui calare l’ancora in sicurezza. Molto spesso, infatti, non è possibile vedere chiaramente il fondale e si rischia per questo di gettare l’ancora sulla vegetazione marina, danneggiandola, o sulla roccia andando a incastrarla senza poi avere la possibilità di recuperarla.
La tecnologia dietro VisionAnchor
Il sistema – sviluppato nell’ambito delle attività supportate da EIT Digital, community europea che riunisce le migliori realtà che si occupano di innovazione digitale – è composto da boe dotate di una telecamera subacquea, in grado di monitorare l’ancora durante la sua discesa. Quando la boa viene gettata in acqua, la telecamera segue l’ancora a una distanza fissa e mostra un video in tempo reale della situazione subacquea su un’applicazione per smartphone, permettendo così il monitoraggio dell’ambiente subacqueo anche in condizioni critiche. La telecamera della boa raccoglie video del fondale e le coordinate geografiche delle immagini per inviarle a una banca dati dalla quale sono estratti i fotogrammi del video analizzati da un algoritmo di deep learning che classifica le immagini catturate oltre che “pulirle” migliorandone la qualità.
La classificazione dell’immagine è utile per determinare se una posizione specifica è sicura per l’ancoraggio oppure no. La geolocalizzazione, inoltre, consente di classificare le zone marine in una mappa interattiva che indica il tipo di fondale presente in base alla propria posizione geografica.
Gli algoritmi di AI sviluppati da Cefriel sono in grado di riconoscere i fondali più adatti all’ancoraggio attraverso la classificazione automatica delle immagini sulla base di alcune caratteristiche – in particolare, presenza di sabbia, rocce, relitti, vegetazione. Questa classificazione permette così di identificare i luoghi migliori per ormeggiare una qualsiasi imbarcazione in sicurezza, ma non si ferma qui: promette infatti nuovi e interessanti sviluppi a tema sostenibilità ambientale.
Per completare il task di riconoscimento del fondale marino è stata utilizzata una tecnica di deep learning che sfrutta delle reti neurali e, nello specifico, delle reti neurali convoluzionali (CNN): viene cioè addestrato un modello in grado di ricevere un’immagine in input e restituire come output la label del fondale classificato. Grazie poi ad algoritmi di Image Segmentation e Image Restoration, è possibile individuare e rimuovere l’ancora dall’immagine raccolta dalla boa e migliorare e bilanciare i colori della stessa in modo da presentarla all’utente in modo chiaro e di sfruttarla per altri potenziali utilizzi. Il lavoro è stato coadiuvato e supervisionato da data scientist esperti di deep learning e computer vision, fondamentali per sviluppare un processo stabile e innovativo.
Per la classificazione delle immagini fondamentali sono stati i set di immagini categorizzate, grazie alle quali una rete neurale è in grado di comprendere quali informazioni estrarre dalle immagini di input per prevedere la categoria corretta. La componente più importante per il corretto funzionamento degli algoritmi è senza dubbio il giusto insieme di dati: per questo, nella progettazione della boa intelligente, un’attività importante è stata proprio quella dedicata alla creazione di un insieme di immagini variegate dei fondali marini.
Il team di sviluppo capitanato da Cefriel – che ha visto la partecipazione di due studenti laureandi del Politecnico di Milano e dell’Università di Milano-Bicocca, che hanno collaborato al progetto sfruttando la tematica come argomento delle loro tesi sperimentali – ha sviluppato algoritmi usati dalla boa intelligente che hanno superato il 98% di precisione sul set di convalida.
Video: VisionAnchor
Gli ambiti di applicazione del progetto
Il progetto prevede a breve anche il rilascio di un’app che consentirà di individuare su una mappa i possibili punti di ancoraggio e di visualizzare le immagini dei fondali, migliorate nella definizione e nel colore. Tramite l’applicazione sarà possibile localizzare anche eventuali ancore già presenti nei fondali. L’idea del progetto, infatti, come racconta Matija Jasarov, co-founder e CEO di SeaVision, nasce proprio da un’esigenza concreta rilevata da parte di uno dei due fondatori che, noleggiando una barca, ha perso l’ancora e si è chiesto cosa potesse fare la tecnologia in questi casi.
Gli sviluppi futuri di VisionAnchor
Tra gli obiettivi della startup slovena e di Cefriel c’è la raccolta di dati dell’oceano finalizzata a realizzare azioni di tutela dei mari e degli oceani, in risposta al goal 14 dell’Agenda 2030 che mira a conservare e utilizzare in modo durevole gli oceani, i mari e le risorse marine per uno sviluppo sostenibile. Le boe, per rispondere meglio a questa esigenza, potranno essere dotate di ulteriori sensori in grado di restituire una visione dei cambiamenti ambientali e fornire informazioni per rendere la vita in mare più sicura per le persone e per l’ambiente.
L’analisi e la comparazione di grandi quantità di immagini tramite l’intelligenza artificiale potrebbero avere molteplici applicazioni anche legate alla sostenibilità ambientale quali, per esempio, l’individuazione e la mappatura di relitti o la segnalazione di eventuali rifiuti presenti nei fondali, supportando quindi il miglioramento dello stato di salute di alcune zone marine.
