Un approccio intelligente per la rilevazione precoce di fumo/incendi tramite sensori visivi nelle città intelligenti

Perché osservare il fumo è importante nelle città intelligenti

Nelle città moderne densamente popolate, una piccola sbuffata di fumo può trasformarsi rapidamente in un incendio letale che mette a rischio persone, edifici e servizi vitali. Gli allarmi antincendio tradizionali spesso reagiscono in ritardo o si attivano per motivi non pertinenti, come il vapore della doccia o i fumi di cucina. Questo articolo presenta un nuovo sistema basato su telecamere che può individuare fumo e incendi in modo precoce e accurato, offrendo alle squadre di emergenza minuti preziosi in più per intervenire. Unisce i più recenti progressi dell’intelligenza artificiale per sorvegliare strade, aree boschive ai margini urbani e spazi pubblici, contribuendo a rendere le città intelligenti più sicure e resilienti.

Il problema degli allarmi antincendio odierni

I sistemi convenzionali di rilevazione incendi si basano su sensori di calore, gas o fumo all’interno degli edifici. Questi dispositivi devono trovarsi vicino alle fiamme prima di attivarsi, il che può ritardare gli avvisi proprio quando ogni secondo conta. Sono inoltre soggetti a numerosi falsi allarmi causati da fonti innocue come polvere, vapore o fumi della cucina, che sprecano risorse e minano la fiducia del pubblico. La rilevazione esterna è ancora più difficile: il fumo somiglia a nuvole, foschia o ombre e può cambiare rapidamente forma e densità. I sensori fissi coprono solo aree limitate, lasciando punti ciechi in contesti urbani ampi o complessi come parchi, siti industriali e snodi di trasporto.

Telecamere e visione più intelligente come nuova rete di sicurezza

Con il calo dei costi e l’aumento delle prestazioni di fotocamere e dispositivi connessi, i ricercatori si sono rivolti alla computer vision — insegnare alle macchine a “vedere” come gli esseri umani — per individuare fumo e fiamme. I sistemi precedenti usavano regole fatte a mano, come cercare macchie grigastre o colori tremolanti, ma queste strategie si rompevano con la luce, il meteo o gli sfondi complessi. I metodi di deep learning, che apprendono pattern direttamente da grandi raccolte di immagini, hanno migliorato la rilevazione, ma molti si concentrano ancora su dettagli locali e non riconoscono segnali di fumo deboli o precoci. Altri sono accurati ma troppo lenti o troppo pesanti per funzionare in tempo reale sull’infrastruttura cittadina.

Una sentinella AI in due fasi per incendi e fumo

Lo studio introduce un framework intelligente che unisce due idee potenti dell’AI in una pipeline. Innanzitutto, un Vision Transformer — un metodo di analisi delle immagini adattato dai modelli linguistici — suddivide ogni frame della telecamera in molte piccole patch e osserva come si relazionano tra loro nell’intera scena. Questa visione globale aiuta a notare segnali sottili di fumo, come morbidi gradienti di colore, texture nebbiose e bordi diffusi che si estendono su ampie aree. Successivamente, questi ricchi indizi visivi vengono passati a YOLOv8, un rilevatore ad azione rapida progettato per tracciare box attorno agli oggetti di interesse. YOLOv8 individua le regioni esatte in cui appaiono fumo o fiamme aperte e lo fa abbastanza velocemente da tenere il passo con flussi video live.

Mettere il sistema alla prova

Per valutare le prestazioni di questa sentinella in due fasi, gli autori l’hanno addestrata e testata su oltre 7.700 immagini accuratamente etichettate tratte da due grandi collezioni pubbliche che includono strade urbane, edifici e aree boschive sotto molte condizioni di luce e meteo. Hanno aumentato ulteriormente la varietà ruotando, capovolgendo e schiarendo le immagini per simulare scene diurne e notturne e angolazioni diverse. Su immagini di test non viste, il sistema ha riconosciuto correttamente fumo e incendi in oltre il 99% dei casi e ha bilanciato in modo notevole eventi mancati e falsi allarmi. Ha anche elaborato ogni frame in circa 45 millisecondi — circa 22 fotogrammi al secondo — abbastanza veloce per il monitoraggio in tempo reale nelle sale di controllo o su dispositivi connessi.

In cosa questo approccio si distingue

Rispetto ad altri metodi avanzati, incluse versioni precedenti della stessa famiglia di rilevatori e vari ensemble di deep learning, il nuovo framework offre maggiore accuratezza e una migliore localizzazione delle aree a rischio. Combinando un modello che comprende la scena più ampia con uno che eccelle nel marcare rapidamente e con precisione gli oggetti, riduce la confusione causata da somiglianze come nebbia, indumenti color fumo o immagini di fuoco su schermi. Allo stesso tempo, la sua dimensione moderata e il design efficiente lo rendono più praticabile per il dispiegamento in sistemi reali di città intelligenti, dove le risorse computazionali e la larghezza di banda di rete possono essere limitate.

Cosa significa per la sicurezza quotidiana

Per i non specialisti, la conclusione è che le telecamere nelle città intelligenti possono fare molto più che registrare filmati per revisioni successive: possono aiutare a prevenire disastri mentre si stanno sviluppando. Il sistema proposto mostra che fondendo una comprensione visiva ampia con una rilevazione rapida, è possibile individuare incendi nelle fasi più precoci, ridurre i falsi allarmi e supportare risposte d’emergenza più rapide e mirate. Con ulteriori sviluppi per gestire condizioni meteorologiche estreme, scene notturne e dati da sensori aggiuntivi, strumenti simili potrebbero diventare una componente centrale delle reti di sicurezza urbana, sorvegliando discretamente abitazioni, boschi e spazi pubblici per impedire che piccole scintille diventino grandi catastrofi.

Citazione: Abozeid, A., Alanazi, R. An intelligent approach for early smoke/fire detection using vision sensors in smart cities. Sci Rep 16, 11387 (2026). https://doi.org/10.1038/s41598-026-42762-y

Parole chiave: rilevazione incendi, rilevazione fumo, città intelligenti, computer vision, deep learning