论文标题：The use of artificial intelligence in damage assessment of historical buildings

期刊：Frontiers of Architectural Research

作者：Meltem Barls Ararat, Tülay Karadayl Yenice

发表时间：18 May 2026

DOI：10.1016/j.foar.2025.06.008

微信链接：点击此处阅读微信文章

FoAR是由高等教育出版社和东南大学建筑学院联合主办的全英文学术期刊

建筑学 / 城乡规划 / 风景园林

本刊已被 A&HCI / EI / CSCD / Scopus / DOAJ / CSTPCD 收录

中国科技期刊卓越行动计划 英文领军期刊

Manuscript Title

论文题目

The use of artificial intelligence in damage assessment of historical buildings

人工智能在历史建筑损伤评估中的应用

Authors

作者

Meltem Barls Ararat* , Tülay Karadayl Yenice

Department of Architecture, Hasan Kalyoncu University, Gaziantep 27000, Türkiye

Abstract

论文摘要

Historical buildings are indispensable for maintaining cultural continuity. Proper restoration is the only way to preserve their original character. At this stage, early and accurate diagnosis of the damage to the historical building plays a vital role in the restoration process. Traditional damage assessment methods sometimes cause erroneous diagnoses and damage to the building. For this reason, non-destructive methods should be developed by utilizing the opportunities provided by technology. The research aims to develop an artificial intelligence-based damage detection model that can quickly and accurately detect deterioration in historical buildings. The studys scope consists of traditional Gaziantep houses in the citys historical center. The primary materials are high-resolution digital fac¸ade images, survey reports of these houses, and the findings obtained in the field research. The research reveals that deterioration maps, which are prepared with traditional methods by spending intensive labor and time, can be produced with an artificial intelligence-based system. Experts first documented the damages seen on the fac¸ades of historic stone buildings, and the model trained with these data was used as a supportive method to determine the types of deterioration. Integrating the system with expert opinions, field studies, and visual documents makes creating deterioration maps more efficient.

历史建筑是维系文化脉络延续不可或缺的载体，科学修缮是保存其原生风貌的唯一途径。现阶段，对历史建筑的损伤开展早期精准检测，在修缮工程中至关重要。传统建筑损伤勘察手段易出现判定失误，甚至对建筑本体会造成二次破坏。因此，亟需依托现代技术开发出无损检测技术。本文旨在构建一套基于人工智能的建筑损伤识别模型，实现针对历史建筑损伤的快速、精准识别。本文的研究对象为土耳其Gaziantep老城区的传统民居建筑；研究数据源包含建筑立面高清数码影像、民居勘察报告及实地调研实测成果。研究结果表明：以往耗费大量人力工时、依靠人工绘制的建筑损伤分布图，可借助人工智能系统自动化生成。研究先由文保专家标注石质历史建筑外立面各类损伤，依托标注数据集完成模型训练，将该模型作为损伤类型判别的辅助工具。将人工智能系统结合专家经验、实地勘察与影像资料协同使用，能够大幅提升损伤分布图的编制效率。

Keywords

关键词

Cultural heritage / 文化遗产

Architectural restoration / 建筑修缮

Artificial intelligence / 人工智能

Non-destructive testing / 无损检测

Damage detection / 损伤检测

Cultural continuity / 文脉延续

Sections Title

章节标题

1. Introduction / 引言

2. Conceptual background artificial intelligence deep learning and image recognition / 理论基础：人工智能、深度学习与图像识别

3. Research methodology / 研究方法

4. Artificial intelligence-based damage detection system / 基于人工智能的建筑损伤检测系统

4.1. Creating the data set / 数据集构建

4.1.1. Data collection / 数据采集

4.1.2. Data preparation / 数据预处理

4.1.3. Data labeling / 数据标注

4.1.4. Data augmentation / 数据增广

4.1.5. Data segmentation / 数据分割

4.1.6. Training of the model / 模型训练

4.1.7. Analysis of the model / 模型分析

5. Conclusion / 结论

Illustrations

主要插图

▲ 图 1：研究区域。©本文作者

▲ 图 2：模型训练所用图像样本。©本文作者

▲ 图 3：图像标注示例。©本文作者

▲ 图 4：(a) 训练测试集；(b) 测试集输出。©本文作者

▲ 图 5：46 街坊 677 地块：临街立面影像与人工智能辅助生成建筑损伤分布图。©本文作者

Authors Information

作者简介

Meltem Barls Ararat*

Assistant Professor

Department of Architecture

Hasan Kalyoncu University, Türkiye

Tülay Karadayl Yenice

Associate Professor

Department of Architecture

Hasan Kalyoncu University, Türkiye

▼ 点击下方词条 | 往期精彩不容错过

#期刊快讯#系列

主编王建国院士团队荣获国家科技进步奖一等奖

JCR 2024 影响因子3.6建筑类第一

CiteScore 2024 指数上升为6.3

FoAR 被中国科技论文与引文数据库CSTPCD收录

FoAR 荣获2025科爱三项期刊奖

2025年度中国科学院分区表大类小类FoAR保持一区

FoAR 入选"卓越行动计划"英文领军期刊

FoAR 进入 EI 工程索引数据库

FoAR 在国际影响力 TOP 期刊榜单中排名稳步上升

#主办会议# 系列

会议回顾 | FoAR青年学者之夜

会议回顾 | 智汇浦江: FoAR青年学者学术沙龙

会议回顾 | FoAR专题会议:历史空间的跨媒介再现

会议回顾 | FoAR专题会议:面向气候环境可持续的街区设计

会议回顾 | 皖美遇见: FoAR青年学者学术沙龙

会议通知 | FoAR专题会议: 高性能建筑维护结构

#年度报告# 系列

FoAR 2020年度报告

FoAR 2021年度报告

FoAR 2022年度报告

FoAR 2023年度报告

FoAR 2024年度报告

FoAR 2025年度报告

#新刊上线#系列

2025年第三期

2025年第四期

2025年第五期

2025年第六期

2026年第一期

2026年第二期

#FoAR投稿指南#系列

投稿流程

Guide for Author中文版

审稿流程及发表流程

如何提交修改稿

录用文章出版流程

#期刊知识科普#系列

SCI之父尤金·加菲尔德的传奇人生

国际核心期刊数据库大解析

如何使用最强工具Web of Science

如何发现一本好期刊

国内核心期刊有哪些

版面费与期刊影响力

期刊联络

高等教育出版社：010-58556484

东南大学：025-83795543

刊物邮箱：foar@pub.seu.edu.cn

FoAR英文期刊交流QQ群：21608832

在线投稿

www.editorialmanager.com/foar

刊物主页

http://www.sciencedirect.com/science/journal/20952635

http://journal.hep.com.cn/foar