ArtI4EO


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.

Figura 1workflow operativo

Aspetti innovativi individuati:

  1. 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.
  2. 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

Segmentazione di alcuni tipi di colonizzazione biologica su reperti archeologici (Immagine acquisita a Villa Adriana)

4. Applicazione di algoritmi di segmentazione per la detection di edifici in immagini satellitari

Elaborazione ed estrazione automatica di edifici applicata ad immagi ad altissima risoluzione (immagini a 50cm acquisite su Roma).




ArtI4EO is a 12-month project promoted by NAIS with the involvement of Università degli Studi di Roma Tor Vergata and is part of the POR FESR “Strategic Projects” plan promoted and co-financed by the Lazio Region.

Through ArtI4EO the Project Team wanted to explore the possible use of neural networks based on ML techniques applied to datasets of satellite, photographic and UAV images, i) for a more detailed description of the context in which an archaeological asset is located and ii) for the characterization of some types of damage present on the surface of cultural heritage. The use of Machine Learning and Deep Learning techniques in the context of monitoring and safeguarding cultural heritage constitutes an important technological advance.

In particular, having automatic damage identification tools and methods is a strategic asset of considerable importance, especially when applied to the Italian context which is characterized by an incredible, widespread archaeological and architectural heritage.

ArtI4EO therefore provides domain experts with all the information, territorial and punctual, derived from datasets of a heterogeneous nature, in order to identify any correlations between territorial characteristics and types of widespread damage.

Identified innovative aspects:

  1. Creation of a unique dataset of its kind through the collection and annotation of images acquired also in-situ, thanks to the use of UAVs too.
    Among the archaeological sites in which an image acquisition campaign was carried out using UAVs, the Baths Caracalla and the Aurelian Walls stand out.
  2. Automation of the identification of damage due to biological colonization (vegetation, algae, mosses and lichens), and identification of the damage with respect to the surface acquired from the photographic image

3. General-purpose automatic methodology, usable both on photograph acquired from the ground, by UAV and on frames extracted from video

Segmentation of some types of biological colonization on archaeological finds (Image acquired at Villa Adriana)

4. Application of segmentation algorithms for the detection of buildings in satellite images

Automatic processing and extraction of buildings applied to very high resolution images (50cm images acquired on Rome).