FOTOGRAMMETRIA DA UAV E INTELLIGENZA ARTIFICIALE PER L'IDENTIFICAZIONE DELLE LESIONI STRUTTURALI

The monitoring and maintenance of infrastructure and buildings now represent a major challenge for the safety of the territory. Traditional visual inspection methods, although well-established, are often time-consuming, subjective and potentially risky for operators. This thesis proposes an integrated methodological workflow that combines the potential of photogrammetric surveying from UAVs (Unmanned Aerial Vehicles), integrated topographic surveying and Artificial Intelligence algorithms for the automation of the process of identifying and detecting structural degradation. In particular, through the acquisition and processing of a photogrammetric dataset, the aim of this work is to generate a high-resolution orthophoto of a test structure for the identification and mapping of structural anomalies. In addition, an approach using Artificial Intelligence algorithms will also be tested with a comparison linked to the final quality of the data obtained. This mapping will provide fundamental decision-making and operational support for the planning of maintenance interventions and for monitoring the evolution of cracking over time.

Il monitoraggio e la manutenzione delle infrastrutture e degli edifici storici rappresentano oggi una sfida importante per la sicurezza del territorio. Le metodologie tradizionali di ispezione visiva, sebbene consolidate, risultano spesso onerose in termini di tempo, soggettive e potenzialmente rischiose per gli operatori. Il presente lavoro di tesi propone un workflow metodologico integrato che combina le potenzialità del rilievo fotogrammetrico da UAV (Unmanned Aerial Vehicle), il rilievo topografico integrato e gli algoritmi di Intelligenza Artificiale per l'automazione del processo di identificazione e di rilevamento del degrado strutturale. In particolare, mediante l’acquisizione ed elaborazione di un dataset fotogrammetrico, l’obiettivo del presente lavoro è quello di generare un ortofoto ad alta risoluzione di una struttura test per l’identificazione e la mappatura delle anomalie strutturali. Inoltre, verrà testato anche un approccio mediante gli algoritmi dell’Artificial Intelligence con un confornto legato alla qualità finale dei dati ottenuti. Tale mappatura garantirà un supporto decisionale ed operativo fondamentale per la pianificazione degli interventi di manutenzione e per il monitoraggio dell'evoluzione del quadro fessurativo nel tempo.