ArtI4EO è un progetto della durata di 12 mesi promosso su iniziativa della NAIS con il coinvolgimento dell’Università degli Studi di Roma Tor Vergata e si inserisce nel piano POR FESR “Progetti Strategici” promosso e cofinanziato dalla Regione Lazio.
Tramite ArtI4EO il Team di Progetto ha voluto esplorare il possibile impiego di reti neurali basate su tecniche di ML applicate a dataset di immagini satellitari, fotografici e da UAV, i) per una più approfondita descrizione del contesto nel quale è collocato un bene archeologico e ii) per la caratterizzazione di alcune tipologie di danno presenti sulla superficie dei beni.
L’utilizzo di tecniche di Machine Learning e Deep Learning nel contesto del monitoraggio e salvaguardia dei beni culturali costituisce un importante avanzamento tecnologico. In particolare disporre di strumenti e metodologie automatiche di identificazione dei danni costituisce un asset strategico di notevole importanza, soprattutto se applicato al contesto italiano caratterizzato da un’incredibile patrimonio archeologico e architettonico diffuso.
ArtI4EO quindi fornisce agli esperti di dominio tutte le informazioni, territoriali e puntuali, derivate da dataset di eterogenea natura, al fine di individuare eventuali correlazioni tra caratteristiche territoriali e tipologie di danno diffuso.
Aspetti innovativi individuati:
- Realizzazione di un dataset unico nel suo genere tramite raccolta ed annotazione di immagini acquisite anche in-situ anche grazie all’utilizzo di UAV.
Tra i siti archeologici nei quali è stata effettuata una campagna di acquisizione di immagini con impiego di UAV spiccano le Terme di Caracalla e le Mura Aureliane. - Automazione dell’individuazione di danni dovuti a colonizzazione biologica (vegetazione, alghe, muschi e licheni), e identificazione del danno rispetto alla superficie acquisita dall’immagine fotografica
3. Metodologia automatica general-purpose, utilizzabile sia su fotografia acquisita da terra, sia da UAV sia su frame estratti da video
4. Applicazione di algoritmi di segmentazione per la detection di edifici in immagini satellitari
