Arpa Lombardia ha recentemente avviato una collaborazione con il Dipartimento di Elettronica, Informazione e Bioingegneria (Deib) del Politecnico di Milano per sperimentare le tecnologie di Intelligenza Artificiale nella identificazione automatica, su immagini satellitari e aeree ad altissima risoluzione, di situazioni di potenziale non conformità alle normative ambientali sui rifiuti.

La collaborazione andrà ad incrementare le potenzialità del progetto Savager (Sorveglianza Avanzata Gestione Rifiuti), sviluppato dall’Agenzia e finanziato da Regione Lombardia con l’obiettivo di introdurre le tecnologie della Geospatial Intelligence e dell’osservazione della Terra da satellite, aereo e drone.

I ricercatori del Deib, coordinati dal prof. Piero Fraternali, hanno individuato il modello di classificazione ResNet-50 (ResNet: Residual Neural Network), uno dei più consolidati algoritmi di deep learning, con l’obiettivo di predire se in un’immagine telerilevata esistono siti potenzialmente critici.

L’approccio sviluppato dai ricercatori del PoliMi nell’addestramento di ResNet-50 è di tipo olistico: il modello di classificazione è stato cioè addestrato a non focalizzarsi solamente sui singoli dettagli di interesse presenti in un’immagine (ad esempio: mucchi di rifiuti, cassonetti, cisternette) ma ad analizzarla nella sua interezza, comportandosi quindi in maniera molto simile a un fotointerprete umano.

ResNet-50 è in grado di rilevare siti potenzialmente pericolosi nelle immagini telerilevate con una precisione che si avvicina al 90%. Le ricerche in corso puntano anche a indicare la presenza di tipologie specifiche di rifiuti e a stimare il livello di rischio ambientale dei siti identificati.