Un 'ojo verde' entrenado con IA: Madrid ensaya un proyecto piloto para detectar incidencias en el arbolado

Conservar el arbolado de Madrid supone un reto muy difícil de abarcar para los técnicos municipales y las empresas concesionarias. Los datos oficiales son abrumadores: solo la Subdirección General de Conservación de Zonas Verdes y Arbolado Urbano gestiona más de 3.400 hectáreas y 660.000 árboles viarios; si se suman los parques históricos y singulares, el inventario alcanza los 1,7 millones de ejemplares.

Con semejante volumen de masa arbórea, a día de hoy gran parte de las incidencias se detectan a partir de avisos ciudadanos o inspecciones puntuales, un sistema muy limitado que dificulta planificar y priorizar con eficacia el mantenimiento del arbolado. Por fortuna, ahí donde no llega el ojo humano, sí puede hacerlo la Inteligencia Artificial (IA).

Es lo que plantea Madrid GreenView, la respuesta ofrecida por SiGO a uno de los retos lanzados por el Ayuntamiento en el marco del programa 'DesafIA Madrid, orientado a impulsar proyectos innovadores basados en IA dentro del ecosistema emprendedor madrileño. “La idea del piloto nace del propio Ayuntamiento. Ellos plantearon el reto y se implicaron desde el principio”, explica Vicente Agost, CEO y fundador de la compañía.

Imágenes 360º y un 'ojo verde'

El sistema parte de imágenes 360° geolocalizadas, similares a las de Street View, que pueden captarse con campañas específicas o aprovechando vehículos municipales que ya recorren la ciudad. Sobre esas capturas, GreenView opera con dos niveles de análisis: un "primer vistazo" con un modelo de IA de bajo coste que analiza cada toma, dividida en cinco panorámicas, para localizar árboles y sospechas de incidencia.

Cuando el primer filtro detecta algo relevante, se escala a un modelo más potente que revisa el cuadrante concreto y clasifica la situación en función de la incidencia concreta: por ejemplo, si una rama tapa un 20% u 80% de una señal, y de qué tipo es (no es igual tapar un disco de estacionamiento que ocultar un paso de peatones). Con esa lectura, el sistema calcula un “scoring” de criticidad y prioriza la intervención.

El último eslabón es humano. “Tras los agentes de IA, hay una validación sencilla pero necesaria para confirmar que la incidencia es real”, resume Agost. Esa verificación no la hará SiGO, sino los servicios municipales o las concesionarias que ya gestionan la conservación, de modo que la tecnología se integre en los circuitos habituales de trabajo. A cada validación el sistema “aprende”, reduciendo falsos positivos e incrementando la tasa de acierto con el uso.

Qué ve y qué podría ver

Con este doble análisis, GreenView es capaz de detectar árboles secos o con riesgo estructural, ramas que invaden fachadas o la zona de paso peatonal, ocultación de semáforos y señales, alcorques vacíos, papeleras desbordadas, nidos de cotorra y situaciones de maleza que requieren desbroce.

Lo prioritario, subraya Agost, son los riesgos para las personas (posibles caídas de ramas o ejemplares) y para la seguridad vial (cuando la vegetación oculta la señalización). El siguiente paso es llevar el piloto - realizado con alrededor de 5.000 imágenes- a una escala mucho mayor, aplicándolo a nivel de un barrio o de varios kilómetros de calles, con captaciones periódicas y carga real de trabajo.

En paralelo, SiGO apunta a reutilizar las mismas imágenes para ampliar casos de uso: alumbrado público, estado de pavimentos, juegos infantiles o cualquier infraestructura visible en vía pública susceptible de mantenimiento. "Si incluso otros departamentos ya están haciendo captación de imágenes, pues vamos a ver cómo combinarlas", reflexiona el CEO de la compañía, y crear "sinergias" útiles para la mejora urbana.