KI x MAT-CH

Das IFAF-Vorhaben »KI x MAT-CH« widmete sich der Identifizierung und Evaluierung von Algorithmen für die objektive Beurteilung und Kategorisierung von korrodierten Indikatorplättchen. Bis dato werden die Indikatoren rein makroskopisch ausgewertet, sodass die Ergebnisse einer hohen Ungenauigkeit und Fehlerquote unterliegen.

Während das Langzeitprojekt MAT-CH das bewährte Prüfverfahren für Schadstoffe in Museen und Sammlungen gesamtheitlich innoviert, fokussierte das IFAF-Vorhaben primär auf die Vorauswahl von Algorithmen und die Definition der fototechnischen Parameter zur Erstellung für künstliche Intelligenz (KI) geeigneter Bilddateien.

Die Analyse der vorliegenden Bilddateien resultierte in folgenden Anforderungen und Kriterien für zukünftige Daten: festgelegte Aufnahmeparameter an Kamera und Fotoequipment sind ebenso erforderlich wie detailprägnante Dateiformate (TIFF), PNG). Weiterhin muss ein sortiertes Ablage- und Speichersystem vorliegen, in dem Daten benannt, prozessiert und entsprechende Bildausschnitte für das KI-Training definiert werden können. Letztlich sind die erschlossenen Informationen in einen dezentralen Workflow zur Erstellung der Bilddaten eingeflossen.

Das Foto-Setup und der Workflow werden im Sommer 2024 im Projekt MAT-CH erprobt, und es werden verbesserte Bilddateien erstellt. Diese sollen für ein zukünftiges Drittmittelvorhaben zum Einsatz gelangen, in dem die Auswertung korrodierter Indikatoren mittels Deep-Learning-Methoden weiterführend erforscht wird.