Articolo tecnico
Riconoscimento automatico dei vizi: ogni immagine con la stessa cura
Nelle costruzioni chiavi in mano i vizi ottici sono i più frequenti — e i più noiosi. Proprio per questo sfuggono a una persona sotto pressione e non a una macchina.
Articolo tecnico della Open Experience GmbH. Aggiornato a: settembre 2026
Come funziona il riconoscimento dei vizi con IA in cantiere?
Un algoritmo di riconoscimento degli oggetti passa in rassegna le riprese di cantiere alla ricerca di anomalie ottiche come graffi, fessurazioni, macchie o danneggiamenti e ne segnala le aree nell'immagine. Attraverso il confronto con il modello BIM viene determinata la posizione del ritrovamento; poi si verifica se in quel punto sia già stato rilevato un vizio. Se è nuovo, viene creato e classificato in automatico, e un ritaglio del riconoscimento fa da riscontro. Il procedimento è stato sperimentato nel progetto ESKIMO.
Quadro giuridico: Germania (codice civile BGB, condizioni contrattuali VOB/B, tariffario HOAI). In altri Paesi valgono regole diverse e le pattuizioni contrattuali prevalgono sui termini ordinari qui citati.
Il percorso in cinque passi
Il riconoscimento vero e proprio è solo uno dei cinque passi. Sono gli altri quattro a decidere se da un'area segnalata nasca una pratica utilizzabile.
- 1 — RilevareRiprese periodiche e ubicate del cantiere, per esempio come sopralluogo a 360° con il sistema di fotocamera da elmetto.
- 2 — RiconoscereIl riconoscimento degli oggetti segnala le aree anomale nell'immagine e assegna loro un tipo di vizio.
- 3 — UbicareAttraverso il confronto con il modello, da un punto dell'immagine nasce una posizione nell'opera.
- 4 — ConfrontareSe in quel punto esiste già un vizio, non ne nasce un secondo. Senza questo passo l'automatismo produce duplicati invece di benefici.
- 5 — CreareIl nuovo vizio viene registrato con classificazione, ritaglio d'immagine e posizione — e segue la stessa strada di ogni altro vizio.
Che cosa la macchina fa meglio — e che cosa no
Il confronto non è un giudizio di valore, ma una divisione del lavoro.
| Compito | Persona | Riconoscimento automatico |
|---|---|---|
| *Guardare ogni immagine con la stessa cura* | Sotto pressione difficilmente sostenibile | Il vero vantaggio |
| *Trovare gli scostamenti minimi* | Dipende da luce, routine e forma del giorno | Sistematico, al pixel |
| *Valutare la causa* | Esperienza e contesto | Non possibile |
| *Stimare la rilevanza* | Conosce contratto, dettaglio e andamento dei lavori | Non possibile |
| *Chiarire con i soggetti coinvolti* | Attività centrale della direzione lavori | Non possibile |
La macchina fornisce candidati, non decisioni. Il beneficio nasce dove una persona riesce a esaminare i candidati più in fretta delle immagini grezze.
Da dove venivano i dati di addestramento
I procedimenti di riconoscimento valgono quanto il materiale con cui sono stati addestrati. Nel progetto ESKIMO sono state analizzate e categorizzate a mano oltre centomila riprese di vizi ottici — graffi, fessurazioni, danneggiamenti. Questo lavoro manuale è la parte invisibile di ogni progetto di IA; spiega anche perché i procedimenti nati in altri settori non si trasferiscano senz'altro all'edilizia.
Per collocarlo correttamente: ESKIMO è stato un progetto di ricerca con undici partner e un budget di 2,4 milioni di euro. I risultati sono prototipi, non funzioni di serie.
Cinque effetti che si vedono
Uniformità
Il trentesimo alloggio viene verificato con la stessa precisione del primo.
Meno duplicati
Il confronto con le pratiche esistenti impedisce il doppio rilievo — negli elenchi un problema cronico.
Documentato invece che descritto
Il ritaglio segnalato mostra di che cosa si parla. Le richieste di chiarimento vengono meno.
Prima invece che dopo
Ciò che emerge durante il sopralluogo in corso è ancora lavorazione e non un caso di garanzia.
Analizzabile
Se lo stesso tipo di vizio si ripete sullo stesso dettaglio, è un indizio che riguarda la progettazione.
E inoltre
La direzione lavori esamina candidati invece di aprire ogni immagine una per una.
Il presupposto non è l'IA
Il motivo più frequente per cui il riconoscimento automatico non porta nulla nei progetti sta prima dell'algoritmo: mancano le immagini. Senza sopralluoghi periodici, ripresi in modo confrontabile e ubicati, non c'è nulla da analizzare. Chi comincia oggi guadagna anzitutto dal rilievo in sé — l'automazione arriva dopo, in aggiunta.
Dal ritrovamento alla pratica
Che un vizio sia trovato da una persona o da un algoritmo non cambia nulla di ciò che deve accadere dopo: gli servono luogo, immagine, descrizione, responsabile e termine, e va seguito fino alla comunicazione di avvenuta eliminazione. È esattamente per questo che è costruito Construction Defects — il riconoscimento immette candidati nello stesso processo, invece di generare un secondo elenco.
Domande frequenti
Posso attivare oggi il riconoscimento automatico dei vizi?
No. Viene dal progetto di ricerca ESKIMO, dove è stato dimostrato. In esercizio sono disponibili la sfocatura, il riconoscimento degli oggetti e la classificazione automatica delle immagini.
Quali vizi si possono riconoscere in automatico?
Le manifestazioni ottiche sulle superfici a vista: graffi, fessurazioni, macchie, alterazioni cromatiche, danneggiamenti. Tutto ciò che richiede misura, apertura o contatto resta verifica umana.
Quanto è affidabile il riconoscimento?
Fornisce candidati con gradi di certezza diversi. Nella pratica conta meno la percentuale di successo che la gestione dei falsi allarmi — un elenco che sbaglia troppo spesso non viene più esaminato.
Sostituisce il sopralluogo?
No. Cambia ciò che accade durante il sopralluogo: si riprende invece di verbalizzare. La valutazione avviene dopo, allo schermo.
Che ne è dei vizi riconosciuti per errore?
Vengono scartati. È importante che lo scarto sia documentato — altrimenti lo stesso ritrovamento ricompare al sopralluogo successivo.
Il riconoscimento richiede un modello BIM?
Per l'ubicazione precisa sì, per il riconoscimento in sé no. Senza modello il ritrovamento si assegna tramite il punto di ripresa sulla pianta.
Fonti e basi giuridiche
Le affermazioni giuridiche di questo articolo si basano sulle fonti primarie elencate di seguito. L’articolo non sostituisce una consulenza legale nel caso concreto.
- ESKIMO — progetto di ricerca del ministero federale tedesco: assicurazione tecnica della qualità e riconoscimento dei vizi ottici
- VOB/B (edizione 2016), testo ufficiale del BMWSB — § 4 comma 7 e § 13: trattamento dei vizi
- Regolamento sull'intelligenza artificiale (UE) 2024/1689 — quadro per l'impiego dei sistemi di IA
Prima le immagini, poi l'automatismo.
45 minuti sul Suo progetto: come nasce un sopralluogo che rende possibile l'analisi.