Archeomatica 4 2022 - Landscape Visibility

AGORÀ
Cultural Landscape Scanner: alla
scoperta di siti archeologici non
individuati tramite EO, Telerilevamento
e approcci di Intelligenza
artificiale – Il progetto Cultural
Landscape Scanner (CLS) mira ad
individuare siti archeologici nascosti
nel sottosuolo mediante tecniche
di Earth Observation (EO), algoritmi
di Intelligenza Artificial
(AI) analizzando dataset di immagini
telerilevate.
I siti del patrimonio culturale nascosto
sottoterra (come strutture
e monumenti antichi sepolti) possono
essere identificati mediante
dati telerilevati provenienti da
una varietà di sensori sotto forma
di anomalie o tracce rilevabili su
terreni nudi, colture e
vegetazione. L'attuale
disponibilità di dataset
telerilevati aperti, come
quelli messi a disposizione
dal Copernicus Service,
non ha precedenti.
Tuttavia, tale straordinaria
proliferazione di
dati ha posto notevoli
ostacoli in termini di
gestione, elaborazione
e interpretazione delle
immagini al punto che
la quantità di dati non è
gestibile dalla tradizionale
interpretazione visiva
"umana". Ed entrano
così in gioco specifici algoritmi di
Intelligenza Artificiale che permettono
l’analisi di una grandissima
mole di immagini.
La nuova sfida è quindi sviluppare
o migliorare approcci che possano
facilitare il rilevamento automatico
e la selezione di immagini di
oggetti (archeologici) di interesse.
Il progetto CLS si fa carico di
tale sfida sviluppando algoritmi
di Intelligenza Artificiale (AI) che
ricercano immagini telerilevate
di specifici oggetti del patrimonio
culturale e modelli relativi a passate
interferenze antropogeniche
nei paesaggi. Questo progetto amplierà
anche considerevolmente i
mezzi esistenti per l'dentificazion
di antichi sistemi di divisione del
territorio — e più in generale di
modellazione del paesaggio — automatizzando
procedure di rilevamento
per lo studio del territorio
in ambito archeologico.
Nel perseguimento del suo programma
di ricerca, Cultural Landscapes
Scanner (CLS) lavorerà
per rimuovere alcuni degli ostacoli
più urgenti allo sviluppo di applicazioni
di intelligenza artificial
per il rilevamento automatico in
archeologia, come:
- mancanza di adeguati dataset su
cui formare le AI, spesso limitati
in estensione e/o qualità e non disponibili
al pubblico;
- assenza di dataset di riferimento
disponibili al pubblico su cui testare
diverse tecniche di intelligenza
artificiale
- assenza di una standardizzazione
delle misure di valutazione l'efficienza
delle tecnologie proposte
Metodologia
CLS mira a stabilire un punto di
riferimento nell'uso dei dati di telerilevamento
per l'identificazion
automatica di varie classi di siti
del patrimonio culturale non scoperti
attraverso l'integrazione di
approcci di apprendimento automatico
all'avanguardia con la ricerca
archeologica e il lavoro sul
campo.
Il progetto sta lavorando alla creazione
del primo set di dati multimodale
pubblicamente disponibile
di siti archeologici etichettati e
alla risoluzione del problema della
non standardizzazione delle metriche
delle prestazioni. Questo
dataset di riferimento conterrà
immagini multispettrali di Sentinel
2 e dati LiDAR del paesaggio
archeologico di Aquileia (Italia),
una delle principali città dell'Impero
Romano.
Si stanno esplorando metodi all'avanguardia
per il rilevamento di
oggetti e la segmentazione semantica
per stabilire in che modo la
granularità del rilevamento infl -
isce sulla qualità della previsione
da un punto di vista archeologico.
Per valutare le prestazioni dei diversi
modelli, verrà introdotto un
insieme di differenti metriche
con la collaborazione
di archeologi del paesaggio,
al fine di stabilire
un primo standard di riferimento
per promuovere
misurazioni obiettive trasversali.
Verifiche archeologiche
saranno effettuate
nell'area caso studio
per verificare i risultati
previsti forniti dai metodi
di intelligenza artificial
sviluppati. I dati raccolti
durante le attività di
ground-truthing saranno
utilizzati per migliorare
le prestazioni di identificazione
dei metodi proposti.
Il progetto pilota Cultural Landscapes
Scanner è il risultato di una
partnership tra il Center for Cultural
Heritage Technology dell'IIT
e l'Agenzia spaziale europea (ESA)
nell'ambito del programma di ricerca
co-finanziato dall'ESA "Discovery
& Preparation".
Il progetto giunge al suo terzo
anno di attività e a breve potremmo
vedere pubblicati i risultati di
questo importante studio che unisce
varie tecnologie.
Fonte: Istituto Italiano di Tecnologia
- Center for Cultural Heritage
Technology
34 ArcheomaticA N°4 dicembre 2022