Intelligenza artificiale applicata allo Structural Health Monitoring: metodologie automatizzate per la diagnostica visiva del calcestruzzo

La valutazione della sicurezza delle infrastrutture civili in calcestruzzo armato richiede interventi di monitoraggio rigorosi e tempestivi. Le procedure di ispezione visiva vengono tuttora condotte manualmente in loco, risultando costose, soggette a errore umano e talvolta pericolose. L'obiettivo di questa tesi è esplorare l'evoluzione dello Structural Health Monitoring (SHM) attraverso l'implementazione dell'Intelligenza Artificiale e della Computer Vision. I progressi nell'acquisizione e nell'elaborazione delle immagini, associati a risorse computazionali sempre più avanzate, hanno reso la visione artificiale un supporto efficace ed economico per la valutazione della salute strutturale. L'elaborato approfondisce lo stato dell'arte delle applicazioni dell'Intelligenza Artificiale, analizzando sia gli approcci basati sul Machine Learning sia le più recenti architetture di Deep Learning. In particolare, viene esaminato il processo di elaborazione che, a partire dalle immagini, estrae le variabili di interesse, utilizzate nei successivi processi decisionali. L'analisi parte dai principi di calibrazione della fotocamera, necessari per la quantificazione del danno, per arrivare alle complessità legate all'addestramento dei modelli e alla creazione di set di dati adeguati. Infine, vengono discusse le problematiche ancora irrisolte, delineando le possibili direzioni della ricerca futura.