Projektbeschreibung
Mit Computern und Drohnen historische Stätten schützen
Maschinelles Lernen und Sehen sowie weitere digitale Technologien können ihren Teil dazu beitragen, Welterbestätten zu überwachen und zu bewahren. Dies gilt besonders für Europa, wo es von der Akropolis in Athen bis zur historischen Stadt Verona in Italien rund 400 UNESCO-Stätten zu bewundern gibt. Das im Rahmen der Marie-Skłodowska-Curie-Maßnahmen finanzierte Projekts MLCULT wird Verfahren zur Diagnose von Schäden an zum kulturellen Erbe zählenden Gebäuden entwickeln. Es wird ein Modell erstellen, das anhand der Datenbank erdbebengeschädigter Gebäude des Kulturerbes trainiert wird. Dabei werden verschiedene Typologien von Schadensindikatoren identifiziert und quantifiziert, die auf Verwitterung, Eindringen von Feuchtigkeit, Algenwachstum und Ausblühungen zurückzuführen sind. Demonstriert wird der Prototyp eines mit Drohnen arbeitenden Echtzeit-Inspektionssystems zur speziell für Gebäude konzipierten Schadenserkennung. Mit seiner Hilfe können dann Anomalien an Bauten erkannt werden, die dringend repariert werden müssen.
Ziel
Europe is home to about 400 UNESCO world heritage sites and has a growing tourism industry employing many people directly and indirectly. Hence, it is of concern to ensure the cultural heritage (CH) buildings are inspected properly and correct damage diagnosis is performed. Incorrect damage diagnosis will lead to loss of cultural value and may lead to the closing of the monument, thus affecting society in general and the livelihood of people associated with it. The proposed MLCULT project is motivated by the need to perform damage diagnosis of CH using image-based machine learning (ML) techniques, thus helping to preserve them. The popularity of ML approaches and deep learning algorithms has increased considerably over the last two decades. Computer-vision-based damage detection employing convolutional neural networks will be integrated with laser scan data, nondestructive testing, and other condition assessment data to provide a better estimate of existing areas of damage. The model will be trained from the database of earthquake-damaged CH collected by the host institutions UMinho and Polimi. Several typologies of damage indicators will be identified and quantified, due to weathering, moisture ingress, algae growth, and efflorescence. The project will be supervised by Prof. Lourenço at the University of Minho, Portugal, who is an international expert on CH, and Prof. Luigi Barazzetti at Politecnico di Milano, Italy whose has expertise in computer-vision, drone and image-based damage detection. Finally, a prototype inspection system (first of its kind in CH field) using drones-based real-time damage detection will be demonstrated, specifically for CH damage pathologies. The proposed method can help in identifying structural anomalies in CH that must be urgently repaired and thus can be used in high-quality civil infrastructure monitoring systems. This method would also enable fast screening of CH buildings after a disaster such as an earthquake.
Wissenschaftliches Gebiet
- engineering and technologycivil engineeringstructural engineeringstructural health monitoring
- natural sciencesbiological sciencesmicrobiologyphycology
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringroboticsautonomous robotsdrones
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- natural sciencescomputer and information sciencesartificial intelligencecomputational intelligence
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordinator
4704 553 Braga
Portugal