Cultural heritage sites affected by natural disasters and armed conflicts face increasing risks of deterioration, loss, and irreversible damage, making rapid and reliable documentation methods essential for their protection and conservation. This research explores the potential of artificial intelligence to support post-disaster heritage assessment through the development of a scalable and adaptable methodology for crack detection and spatial interpretation. By combining computer vision techniques and photogrammetric reconstruction, the study investigates how crack patterns can be documented and interpreted across diverse heritage contexts. The proposed approach seeks to contribute to more efficient, accessible, and globally applicable heritage diagnostic workflows, supporting informed conservation strategies and the long-term preservation of vulnerable cultural heritage.

I siti del patrimonio culturale colpiti da disastri naturali e conflitti armati sono esposti a rischi sempre maggiori di degrado, perdita e danni irreversibili, rendendo indispensabili metodi di documentazione rapidi e affidabili per la loro tutela e conservazione. Questa ricerca esplora il potenziale dell’intelligenza artificiale nel supportare la valutazione post-disastro del patrimonio culturale attraverso lo sviluppo di una metodologia scalabile e adattabile per il rilevamento delle fessurazioni e la loro interpretazione spaziale. Combinando tecniche di visione artificiale (computer vision) e ricostruzione fotogrammetrica, lo studio indaga come i pattern di fessurazione possano essere documentati e analizzati in diversi contesti del patrimonio culturale. L’approccio proposto mira a contribuire allo sviluppo di procedure diagnostiche più efficienti, accessibili e applicabili su scala globale, supportando strategie di conservazione più informate e favorendo la salvaguardia a lungo termine del patrimonio culturale vulnerabile.

AI-driven crack detection and spatial interpretation of vulnerable cultural heritage : in post-disaster and armed conflict

Tekin, Asli
2025/2026

Abstract

Cultural heritage sites affected by natural disasters and armed conflicts face increasing risks of deterioration, loss, and irreversible damage, making rapid and reliable documentation methods essential for their protection and conservation. This research explores the potential of artificial intelligence to support post-disaster heritage assessment through the development of a scalable and adaptable methodology for crack detection and spatial interpretation. By combining computer vision techniques and photogrammetric reconstruction, the study investigates how crack patterns can be documented and interpreted across diverse heritage contexts. The proposed approach seeks to contribute to more efficient, accessible, and globally applicable heritage diagnostic workflows, supporting informed conservation strategies and the long-term preservation of vulnerable cultural heritage.
ARC I - Scuola di Architettura Urbanistica Ingegneria delle Costruzioni
21-lug-2026
2025/2026
I siti del patrimonio culturale colpiti da disastri naturali e conflitti armati sono esposti a rischi sempre maggiori di degrado, perdita e danni irreversibili, rendendo indispensabili metodi di documentazione rapidi e affidabili per la loro tutela e conservazione. Questa ricerca esplora il potenziale dell’intelligenza artificiale nel supportare la valutazione post-disastro del patrimonio culturale attraverso lo sviluppo di una metodologia scalabile e adattabile per il rilevamento delle fessurazioni e la loro interpretazione spaziale. Combinando tecniche di visione artificiale (computer vision) e ricostruzione fotogrammetrica, lo studio indaga come i pattern di fessurazione possano essere documentati e analizzati in diversi contesti del patrimonio culturale. L’approccio proposto mira a contribuire allo sviluppo di procedure diagnostiche più efficienti, accessibili e applicabili su scala globale, supportando strategie di conservazione più informate e favorendo la salvaguardia a lungo termine del patrimonio culturale vulnerabile.
File allegati
File Dimensione Formato  
2026_07_Tekin_Thesis_Book.pdf

accessibile in internet per tutti

Descrizione: Tekin_Asli_Master-Thesis_Book
Dimensione 23.51 MB
Formato Adobe PDF
23.51 MB Adobe PDF Visualizza/Apri
2026_07_Tekin_Thesis_Posters.pdf

accessibile in internet per tutti

Descrizione: Tekin_Asli_Master-Thesis_Posters
Dimensione 43.94 MB
Formato Adobe PDF
43.94 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/259797