Article / članak 01

Training AI algorithms for remote sensing monitoring of geotechnical structures using large-scale synthetic data

Treniranje algoritama umjetne inteligencije za daljinsko praćenje stanja geotehničkih konstrukcija korištenjem velikih sintetičkih skupova podataka

authors / autori
Lou Lerren Curacha, Irina Stipanović, Meho Saša Kovačević, Mario Bačić

Infra Plan Consulting Ltd., lou.curacha@infraplan.hr

Infra Plan Consulting Ltd., Irina.stipanovic@infraplan.hr, University of Twente, i.stipanovic@utwente.nl

University of Zagreb Faculty of Civil Engineering, meho.sasa.kovacevic@grad.unizg.hr

University of Zagreb Faculty of Civil Engineering, mario.bacic@grad.unizg.hr

DOI
https://doi.org/10.5592/CO/PhDSym.2026.01

keywords / ključne riječi
Remote Sensing, Machine Learning (ML), Super-Resolution, Generative Adversarial Networks (GAN), Damage Detection, Multi-Hazard Susceptibility Mapping, Structural Health Monitoring (SHM), Geotechnical Structures (GS)
daljinska istraživanja, strojno učenje, super-rezolucija, generativne suparničke mreže, detekcija oštećenja, mapiranje podložnosti višestrukim opasnostima, monitoring, geotehničke konstrukcije

page range in publication / raspon stanica
9 - 18

publish date / datum publikacije
24/9/2026

abstract / sažetak
Climate-related hazards threaten critical infrastructure, while monitoring remains limited by sparse and incomplete observations. This research proposes an AI-based workflow that integrates remote sensing data from stations, satellite, and drone through calibration, fusion, super-resolution, and forecasting to generate enhanced temporal datasets. Derived products are combined with other data to create synthetic training samples for damage detection and multi-hazard susceptibility mapping of geotechnical structures.
Klimatske promjene sve više ugrožavaju kritičnu infrastrukturu, dok je praćenje njezina stanja ograničeno rijetkim i nepotpunim opažanjima. Rad istražuje primjenu umjetne inteligencije za integraciju podataka prikupljenih satelitima, dronovima i ugrađenim senzorima. Podaci će se objediniti kalibracijom, fuzijom, super-rezolucijom i prognoziranjem te koristiti za izradu sintetičkih skupova podataka za detekciju oštećenja i procjenu ranjivosti geotehničkih konstrukcija.