Sviluppo di un sistema intelligente per la classificazione di emergenze e la valutazione dei danni mediante droni

La gestione delle emergenze post-disastro richiede strumenti operativi in grado di fornire valutazioni rapide e oggettive per tutelare le vite umane e indirizzare i soccorsi. In questo contesto, il presente elaborato illustra lo sviluppo di un sistema di Intelligenza Artificiale progettato per operare in sinergia con i droni (UAV) al fine di automatizzare l'ispezione dei danni strutturali. L'obiettivo primario della ricerca è eseguire una segmentazione semantica ad alta risoluzione degli scenari colpiti, traducendo le predizioni visive in indici di criticità ingegneristici conformi ai parametri della scheda ufficiale AeDES, in uso presso la Protezione Civile e i Vigili del Fuoco italiani. Dal punto di vista metodologico, l'architettura neurale è stata addestrata sfruttando le immagini aeree del dataset RescueNet. La scelta di questo archivio è supportata dal principio di trasferibilità delle feature: le manifestazioni fisiche del collasso strutturale causate dagli uragani condividono pattern visivi universali ampiamente sovrapponibili a quelli generati dagli eventi sismici, che rappresentano il rischio naturale predominante in Italia. Tramite l'impiego di reti neurali convoluzionali profonde per l'estrazione del contesto globale e l'ottimizzazione degli iperparametri in ambiente cloud, il sistema ha raggiunto prestazioni di assoluto rilievo, registrando un parametro mean Intersection over Union (mIoU) globale pari a 0.881. L'output della rete è stato successivamente ingegnerizzato all'interno di una dashboard automatizzata, capace di calcolare l'estensione percentuale del danno per ogni edificio, ricavandone il grado di severità complessivo. Al fine di testare la reale flessibilità dell'algoritmo, è stata condotta una campagna di validazione sul campo utilizzando immagini acquisite direttamente dall'autore del presente elaborato tramite il drone DJI Mini 3 Pro. I test indipendenti hanno confermato la solidità dell'infrastruttura nell'estrazione delle macro-strutture edilizie e stradali, evidenziando contestualmente l'impatto fisiologico del domain shift architettonico. In particolare, è emersa l'errata classificazione dei pannelli fotovoltaici, interpretati dal modello come gravi lesioni strutturali a causa della loro assenza nel dominio di addestramento originale nordamericano. Questa criticità definisce la direzione strategica per gli sviluppi futuri del progetto, che prevedono il fine-tuning della rete su morfologie urbane italiane e l'integrazione di approcci multi-rischio per supportare a tuttotondo il disaster management.