Sfida all'IA: crea un modello per identificare le frane e partecipa ad un importante challenge

Dal 21.05.2025 al 04.08.2025

Le frane, innescate da eventi naturali come piogge intense e terremoti, possono mettere a rischio molte vite umane, oltre a danneggiare le infrastrutture e ambiente. Un monitoraggio e una mappatura efficaci delle frane sono cruciali per mitigare questi rischi, guidare le risposte di emergenza e supportare la pianificazione di infrastrutture resilienti.

Le nuove tecnologie satellitari, unite alle frontiere aperte dal machine learning e dall'intelligenza artificiale, stanno rivoluzionando la nostra capacità di rilevare le frane. Creare un modello accurato di rilevamento, che sfrutti queste innovazioni e sia capace di essere preciso anche in condizioni difficili, può trasformare radicalmente la gestione delle emergenze. Questo approccio all'avanguardia non solo permette interventi più tempestivi, ma diventa anche fondamentale per la pianificazione di infrastrutture resilienti, aprendo nuove possibilità nella prevenzione e mitigazione dei rischi geologici.

E’ in questo contesto che nasce la “Landslide Detection Challenge”, una sfida lanciata sulla piattaforma Zindi da realtà di riferimento nel campo dello spazio, della tecnologia e della cultura.

ESA, WMO, ITU, AIforGood, l'Università di Cambridge e l'Università di Padova hanno infatti unito le forze per spingere i confini del rilevamento delle frane. L'obiettivo? Sviluppare un modello all'avanguardia che integri perfettamente dati SAR e ottici, garantendo un'identificazione accurata delle frane anche in aree coperte da nuvole. Il Dipartimento di Geoscienze dell'Università di Padova è in prima linea in questa iniziativa con il Machine Intelligence and Slope Stability Laboratory, guidato dal Prof. Filippo Catani.

Per partecipare alla sfida, aperta a tutti, c’è tempo fino al 4 agosto ed è iscriversi individualmente o con un team composto al massimo da quattro persone.

Per avere maggiori informazioni e per iscriverti visita il link: https://zindi.africa/competitions/classification-for-landslide-detection