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