European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Machine Learning for Structural Health Monitoring of Cultural Heritage

Opis projektu

Wykorzystanie komputerów i dronów do ochrony zabytkowych miejsc

Uczenie maszynowe, rozpoznawanie obrazów oraz inne cyfrowe technologie mogą pomóc w monitorowaniu i chronieniu miejsc światowego dziedzictwa. Jest to szczególnie ważne w Europie, w której usytuowanych jest około 400 miejsc Światowego Dziedzictwa UNESCO – od Akropolu w Atenach po zabytkową Weronę we Włoszech. W związku z tym zespół projektu MLCULT realizowanego w ramach działań „Maria Skłodowska-Curie” (MSCA) opracuje techniki diagnozowania uszkodzeń budynków będących przykładami dziedzictwa kulturowego. Badacze opracują model szkolony na podstawie bazy takich budynków uszkodzonych wskutek trzęsienia ziemi. Naukowcy zidentyfikują i określą ilościowo kilka typologii wskaźników uszkodzeń wynikających z działania czynników atmosferycznych, wnikania wilgoci, rozwoju glonów i wykwitów. W ramach projektu zaprezentowany zostanie prototypowy system kontroli wykorzystujący drony przekazujące informacje o uszkodzeniach (zwłaszcza budynków) w czasie rzeczywistym. Prace realizowane w ramach projektu mogą pomóc w identyfikacji anomalii konstrukcyjnych, które wymagają pilnej naprawy.

Cel

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.

Koordynator

UNIVERSIDADE DO MINHO
Wkład UE netto
€ 172 618,56
Adres
LARGO DO PACO
4704 553 Braga
Portugalia

Zobacz na mapie

Region
Continente Norte Cávado
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity
Brak danych

Partnerzy (1)