خلاصه

در میراث معماری (AH)، تشخیص یک موضوع کلیدی، مربوط به ارزیابی وضعیت حفاظت، برای دانش ساختاریافته و یکپارچه در مورد مصنوع است. این امر برای ساختمان‌هایی که با علایق تاریخی-هنری مشخص می‌شوند، اغلب در شرایط آسیب‌دیده گسترده از اهمیت بالایی برخوردار است. فناوری‌های دیجیتال می‌توانند جایگزین ارزشمندی برای ایجاد، پردازش و تجزیه و تحلیل تصاویر دوبعدی یا داده‌های سه‌بعدی ثبت واقعیت باشند. در واقع، پردازش تصویر و هوش مصنوعی در حوزه AH هم برای اهداف مستندسازی و هم برای اهداف حفاظتی در حال گسترش هستند. پژوهش حاضر یک رویکرد روش‌شناختی جدید، مبتنی بر کاربرد سیستم‌های یادگیری ماشین، برای ارزیابی و نقشه‌برداری شواهد پوسیدگی در یک مصنوع باستانی، در فرآیند تشخیص، پیشنهاد می‌کند. یک خوشه‌بندی سلسله‌مراتبی نظارت‌نشده از ابرهای نقطه‌ای تأیید شده و با یک جنگل تصادفی نظارت‌شده پیشرفته مقایسه شده است. خط لوله ارائه شده بر روی تعداد زیادی از مطالعات موردی آزمایش شده است، که نماینده میراث ساخته شده تاریخی سرزمینی است که از نظر سن، نوع ساختمان، سطح و شرایط نوری دارای تنوع زیادی است. برای اکثر کلاس‌ها، رویکرد نظارت‌نشده مبتنی بر فضای ابری رضایت خود را برای دستیابی به عملکرد بهتر نشان می‌دهد.