In dit onderzoek doen we onderzoek naar virtuele restauratie van schilderijen. We doen dit met behulp van deeplearning-methoden, meer specifiek met kunstmatige neurale netwerken. De belangrijkste focus van het werk ligt op scheurdetectie, wat op zich een belangrijk probleem is, ook buiten virtuele restauratie. Analyse van scheurpatronen is cruciaal voor het diagnosticeren van de staat van het werk en kan ook dienen bij het vaststellen van de authenticiteit van het schilderij. Aangezien de belangrijkste principes achter onze scheurdetectiemethoden algemeen zijn, beschouwen we ook hun toepassing op andere soorten oppervlakken. Naast scheurdetectie, ontwikkelen we ook virtuele herstelmethoden op basis van deeplearning-methoden. Het belangrijkste doel van het virtuele herstel is om de gedetecteerde beschadigde gebieden zodanig te verwijderen dat het virtueel herstelde beeld dicht bij het ideale beeld komt.