Preservare i nostri edifici: monitorare i guasti degli edifici utilizzando l'intelligenza artificiale

Abstract

Il monitoraggio e la manutenzione delle facciate degli edifici sono fondamentali per garantire l'integrità strutturale. Una valutazione tempestiva e accurata dei danni è essenziale per prevenire potenziali rischi sia per la sicurezza dell'edificio che per la salute delle persone. Questa tesi mira a sviluppare una pipeline di deep learning per automatizzare la classificazione dei danni superficiali sugli edifici. Questa automazione non solo riduce il tempo necessario per le valutazioni della salute, ma minimizza anche gli errori di valutazione soggettiva. La pipeline sviluppata sarà integrata in un'applicazione creata da ETT S.p.a. L'obiettivo primario è quello di consentire ai cittadini comuni di segnalare i danni superficiali, innescando le procedure di manutenzione necessarie. I lavori saranno svolti presso Malga - Machine Learning Genoa Center in collaborazione con ETT S.p.a.

The monitoring and maintenance of building facades are critical to ensure structural integrity. Timely and accurate assessment of damages is essential to prevent potential risks to both the building’s safety and people’s health. This thesis aims to develop a deep learning pipeline for automating the classification of surface damages on buildings. This automation not only reduces the time required for health assessments but also minimizes subjective assessment errors. The developed pipeline will be integrated into an application created by ETT S.p.a. The primary objective is to empower ordinary citizens to report surface damages, triggering maintenance procedures as needed. The work will be carried out at MaLGa - Machine Learning Genoa Center in collaboration with ETT S.p.a.