Implementazione di approcci di tipo machine learning per la documentazione, protezione e conservazione del patrimonio culturale

L’obiettivo di questa ricerca è l’applicazione di tecniche di machine learning per migliorare la conservazione e la documentazione del patrimonio edilizio storico. Il progetto si sviluppa lungo due temi principali: la segmentazione di nuvole di punti per l’identificazione automatica di elementi costruttivi di un edificio e l’analisi di immagini per il riconoscimento di fessurazioni e danni strutturali. L’adozione di reti neurali convoluzionali e modelli avanzati di deep learning propriamente allenati, quali PointNet e Mask R-CNN, consente di automatizzare il processo di analisi, riducendo i tempi e migliorando l’accuratezza della documentazione. L’integrazione di questi risultati nei software BIM permette una gestione più strutturata delle informazioni architettoniche, facilitando la modellazione 3D e il monitoraggio dello stato di conservazione nel tempo. La validazione delle metodologie proposte avviene attraverso l’applicazione di queste tecniche su casi studio reali, con l’obiettivo di dimostrarne l’efficacia e di fornire strumenti innovativi per la protezione e la valorizzazione del patrimonio culturale.