Archivi di dati da scanner multisensore per il riconoscimento di anomalie per la conoscenza e conservazione dei beni culturali

Abstract

Il progetto, realizzato in collaborazione tra Università di Firenze (MICC-DINFO, area tecnologica) e Dr. Wolf, intende studiare, realizzare e verificare soluzioni tecniche innovative nell’ambito dei beni culturali applicando tecnologie di Intelligenza Artificiale e Robotica in ambito di imaging multispettrale per consentire la realizzazione di campagne di acquisizione e analisi automatica per la ricerca di reperti senza la necessità di realizzare scavi. In particolare: – il progetto intende creare il primo dataset multispettro in bande diverse da quelle del visibile (e.g. radar, metal detector, time of flight) per il riconoscimento di anomalie con tecniche di deep learning; la creazione di nuovi dataset è fondamentale nell’ambito del Deep Learning per consentire lo sviluppo e valutazione di nuove tecniche; – il progetto intende creare un archivio aperto per dataset per il riconoscimento di anomalie in diversi tipi di materiali di interesse per i beni culturali, es. per analisi archeologiche, per aggregare i risultati di campagne di acquisizione e valutazione da parte di altri gruppi di ricerca; – sul piano scientifico intende studiare ed implementare la prima applicazione di tecniche di computer vision per anomaly detection basata su deep learning in spettri radar e multisensore. Lo scopo è quello di estendere le tecniche inizialmente nate per l’analisi di immagini nello spettro del visibile a dati ottenuti da sensori basati su tecnologie molto diverse tra loro capaci di ottenere per questo segnali tra loro complementari, come per es. radar olografici e metal detector; – sul piano tecnologico intende implementare un sistema di navigazione robotica per acquisizione automatica e ripetibile da sensori multispettro. Lo scopo è quello di consentire una campagna di acquisizione più facilmente ripetibile e sistematica rispetto a sistemi che richiedono la guida manuale per lo spostamento dei sensori.