| KEYWORD |
Super-resolution techniques to enhance the low-resolution inspection images and video of drones
Riferimenti GIAN PAOLO CIMELLARO
Descrizione La qualità dei dati di monitoraggio è un parametro importante che ha un profondo impatto sull'accuratezza degli algoritmi di rilevamento dei difetti basati sull'intelligenza artificiale. Qualsiasi danneggiamento dei dati di monitoraggio può degradare considerevolmente le prestazioni del sistema. Nel caso di ispezioni visive con droni, la qualità dell'immagine e del video è spesso compromessa dall'uso di telecamere a basso costo, dal motion blur indotto dai movimenti dell'UAS e dalle distorsioni causate dagli obiettivi fisheye. Inoltre, l'inaccessibilità fisica, i problemi di sicurezza e protezione spesso impediscono agli UAS di avvicinarsi da ogni prospettiva alla struttura in esame, risultando in immagini a bassa risoluzione, prive dei dettagli ottici necessari per un'analisi accurata.
Questa ricerca sfrutterà le più recenti tecniche di imaging a super risoluzione video basate sull'intelligenza artificiale per ricostruire immagini e video ad alta risoluzione dagli input originali a bassa risoluzione. Ciò consentirà di mantenere una grande distanza di lavoro e una prospettiva di osservazione volando lontano dalla struttura e quindi completare un determinato compito di ispezione entro il limite del tempo di volo limitato. Gli algoritmi sviluppati dovrebbero essere leggeri, compatibili con la limitata capacità di calcolo a bordo dei droni e competenti per l'identificazione dei danni basata sulla visione in tempo reale. Gli algoritmi ricorreranno a un approccio stratificato per massimizzare sistematicamente il guadagno di informazioni e ridurre al minimo l'incertezza per gli oggetti ispezionati e per ridurre la necessità di calcoli ad alta risoluzione, anche attraverso missioni esplorative ravvicinate.
Scadenza validita proposta 17/11/2025
PROPONI LA TUA CANDIDATURA