ProSpIttiCo
Monitoraggio automatico della biodiversità ittica nei corridoi fluviali
per la biodiversità
fluviale
Una pipeline di analisi video automatica che riconosce le specie ittiche nei passaggi per pesci, riducendo drasticamente il lavoro manuale di revisione dei filmati.
ProSpIttiCo nasce dalla collaborazione tra GRAIA — ente specializzato nella ricerca e gestione delle risorse biologiche nei corsi d'acqua — e il Laboratorio di Emisfera Società Cooperativa, nell'ambito del Bando SWICH 2024. Il sistema è oggi operativo in installazioni pilota lungo il fiume Tresa, al confine italo-svizzero, e presso l'area di Isola Serafini lungo il Po, con un archivio di oltre 230 gigabyte distribuiti su quasi cinquantamila file.
affrontato
Prima di ProSpIttiCo, il monitoraggio delle specie ittiche nei passaggi per pesci avveniva interamente a mano: tecnici specializzati dovevano rivedere ore di filmati uno per uno, distinguendo i passaggi reali di pesci dal rumore ambientale — foglie, detriti, variazioni di luminosità, bolle d'aria — e classificando le specie nei casi positivi. Un lavoro ripetitivo, costoso in ore-persona e soggetto a variabilità soggettiva. Nei periodi migratori, migliaia di eventi concentrati in poche settimane rendevano impossibile seguire il ritmo in tempo reale, accumulando arretrati di revisione che si protraevano per mesi.
ottenuti
- Pipeline di analisi video completamente funzionante, deployata sull'infrastruttura di Emisfera: ogni nuovo video viene processato automaticamente in due fasi (prefiltraggio del rumore + riconoscimento di specie) non appena acquisito dalla stazione di campo.
- Soglia di confidenza al 90%: i frame ad alta confidenza vengono archiviati automaticamente; quelli in zona intermedia vengono messi in coda per revisione umana, concentrando il lavoro dell'operatore solo sui casi effettivamente ambigui.
- Interfaccia web di gestione e revisione con navigazione per sorgente, anno, mese e giorno, riproduzione video nel browser e validazione o correzione delle classificazioni proposte dal sistema.
- Archivio storico di oltre 230 GB su circa cinquantamila file, interamente accessibile dalla piattaforma con supporto sia al flusso automatico sia al caricamento manuale.
- Transcodifica automatica in MP4 indipendentemente dal formato originale di acquisizione delle stazioni di campo.
applicate
- Google Cloud Vision API per il prefiltraggio dei frame — assegna etichette (fish, bubble, wood, plastic) con valore di confidenza per separare segnale da rumore prima del modello specializzato locale.
- TensorFlow, Keras e TensorFlow Lite per il riconoscimento di specie — modello di deep learning ottimizzato per l'inferenza su risorse computazionali limitate, con training iniziale basato su architetture Graph Neural Network.
- Watchdog — libreria Python per l'osservazione del filesystem in tempo reale, che innesca automaticamente l'elaborazione all'arrivo di nuovi video.
- Backend Flask e Flask-SocketIO per la comunicazione in tempo reale verso il frontend; Single Page Application in Angular 20 con Server Side Rendering.
- Docker e registry Harbor privato ospitato sull'infrastruttura di Emisfera per la containerizzazione e la distribuzione delle immagini.
future
Le direzioni di sviluppo includono l'adozione di tecniche di reinforcement learning per il perfezionamento continuo del modello a partire dai feedback degli operatori, adattandosi nel tempo alle variazioni stagionali e alle popolazioni ittiche specifiche di ciascun sito. È prevista una dashboard comparativa multi-sito per confrontare i dati di transito tra installazioni diverse e costruire serie storiche pluriennali. L'architettura pipeline è intrinsecamente scalabile: può essere replicata su nuovi siti con adattamenti limitati, aprendo prospettive concrete verso altri bacini idrografici alpini e prealpini.
Parliamo del tuo progetto
Sei interessato al sistema ProSpIttiCo o vuoi esplorare come la visione artificiale può supportare il monitoraggio ambientale? Scrivici.