3D點雲模型提供了不同以往的3D數位模型資訊，不過在大量3D空間資料的一次性供給卻造成目標性應用者的困擾，若要單獨擷取特定物件，就必須於此模型中進行人工式的3D點雲資料剔除作業；若是於更複雜的空間內容下，這樣的剔除作業想必會耗費相當多的人力與時間。因此，倘若能夠克服3D點雲模型坐標群彼此不具關連性之獨立特性，研究開發具有效益之分類模式，對於相關之後續應用就能提供更便利且高效益的應用工具，同時降低目前以人工方式進行3D點雲模型分類的工作量，對於3D點雲模型的階段性成果應用或是後續的加值開發應用均能提供更為可靠且快速的分類成果。

本研究以3D點雲模型坐標欄位中之雷射光反射強度I值為研究對象，依據I值與被掃描物體之材質、顏色及掃描距離誤差等所存在的數值關係，建立個別之關聯性方程式，並將各關聯性方程式導入「倒傳遞類神經網路系統」，建置具有自我「深度學習」之人工智慧平台，經實驗訓練過程，培養平台成為具有傳統建築材料自動分類之能力。由於本研究之構思於傳統建築相關領域為初創，初步應用對象以金門傳統建築材質之分類，預期未來透過研究案例之增加，加上人工智慧平台不斷自我學習之成效，後續將有機會拓展至所有的漢式傳統建築，有助於傳統建築於維護管理上效益與可靠度之提升。