Artificial Intelligence approaches for spatial data processing

I ricercatori hanno esplorato i benefici e le applicazioni degli algoritmi di intelligenza artificiale (IA) in diversi scenari. Per l'elaborazione dei dati spaziali, l'IA offre enormi opportunità. Le domande fondamentali, la ricerca si inclina a capire come l'IA può essere applicata o deve essere creata specificamente per i dati spaziali. Questo cambiamento sta avendo un impatto significativo sui dati spaziali. Il Machine Learning (ML) è stato un componente importante per l'analisi dei dati spaziali e per la loro classificazione, clustering e previsione. Inoltre, il deep learning (DL) viene integrato per estrarre automaticamente informazioni utili per la classificazione, il rilevamento di oggetti, la segmentazione semantica, ecc. L'integrazione di AI, ML e DL in geomatica ha introdotto il concetto di Geospatial Artificial Intelligence (GeoAI), che è un nuovo paradigma per la scoperta della conoscenza geospaziale e oltre. Partendo da tale premessa, questa tesi affronta il tema dello sviluppo di tecniche basate sull'IA per l'analisi e l'interpretazione di dati spaziali complessi. L'analisi ha coperto diverse lacune, per esempio la definizione delle relazioni tra gli approcci basati sull'IA e i dati spaziali. Considerando la natura multidisciplinare dei dati spaziali, gli sforzi maggiori sono stati fatti per quanto riguarda i dati dei social media, le immagini termografiche a infrarossi (IRT), le ortofoto e le nuvole di punti. Inizialmente, è stata condotta una revisione della letteratura per capire le principali tecnologie di acquisizione dei dati e se e come i metodi e le tecniche di IA potrebbero aiutare in questo campo. Un'attenzione specifica è data allo stato dell'arte dell'IA, che è stata importante per affrontare quattro diversi problemi: la gestione delle destinazioni turistiche utilizzando la sentiment analysis e le informazioni di geo-localizzazione; il rilevamento automatico delle anomalie negli impianti fotovoltaici; la segmentazione dei mosaici basata sul deep learning; il rilevamento di punti del viso per la modellazione 3D della testa in ambito medico. Le applicazioni IA proposte aprono nuove e importanti opportunità per la comunità geomatica. I nuovi dataset raccolti, così come i dati complessi presi in esame, rendono la ricerca sfidante. Infatti, è fondamentale valutare le prestazioni dei metodi allo stato dell'arte per dimostrare la loro forza e debolezza e aiutare a identificare la ricerca futura per la progettazione di algoritmi IA più robusti. Per una valutazione completa delle prestazioni, è di grande importanza sviluppare una libreria di benchmark per valutare lo stato dell'arte, perché i metodi di progettazione che sono sintonizzati su un problema specifico non funzionano correttamente su altri problemi. Un'intensa attenzione è stata dedicata all'esplorazione di modelli e algoritmi specifici. I metodi di IA adottati per lo sviluppo delle applicazioni proposte, hanno dimostrato di essere in grado di estrarre caratteristiche statistiche complesse e di apprendere in modo efficiente le loro rappresentazioni, permettendo di generalizzare bene su un'ampia varietà di compiti di IA, tra cui la classificazione delle immagini, il riconoscimento del testo e così via. Le limitazioni puntano verso aree inesplorate per indagini future, servendo come utili linee guida per le future direzioni di ricerca.