PBDWNet: شبكة تجزئة فقاعات على سطح الخزف متعددة المقاييس تعتمد على دمج مجال التردد والوعي بالميزات القابلة للتشوه

دلالات خفية في الخزف القديم

عندما يعثر علماء الآثار على شظايا مكسورة من الخزف القديم، فإنهم في الواقع يعثرون على كبسولات زمنية صغيرة. داخل طبقة الطلاء الزجاجي لكل شظية توجد فقاعات مجهرية تسجل بهدوء كيفية ومكان صنع القطعة. قراءة هذه الفقاعات، مع ذلك، صعبة للغاية للعين البشرية ولبرامج الحاسوب العادية. تقدم هذه الدراسة نظام ذكاء اصطناعي متخصص، PBDWNet، مصممًا لاكتشاف وتتبع هذه الفقاعات الصغيرة بدقة عالية، ما يفتح طرقًا جديدة لتأريخ وتصنيف وفهم الآثار الثقافية.

لماذا تهم الفقاعات الصغيرة

الخزف أكثر من مجرد أدوات مائدة جميلة؛ إنه سجل مادي للحضارة الصينية وتجارها عبر العالم. يعتمد التحليل التقليدي للشظايا على سمات مرئية مثل الشكل واللون والزخرفة المرسومة، وبالتالي يتطلب سنوات من الخبرة المتخصصة. لكن في كثير من الحفريات تكون الشظايا صغيرة أو متآكلة أو متشابهة بصريًا، مما يصعّب تحديد مكان وزمن صنعها. تقدم الفقاعات المجهرية داخل الطلاء بديلاً موضوعيًا. فحجمها وشكلها وكثافتها وترتيبها المكاني تتغير مع المواد الخام ودرجة حرارة الحرق وسماكة الطلاء والجو داخل الفرن. من خلال قياس هذه الأنماط بعناية، يمكن للباحثين بناء «بصمات ميكروية» تساعد في تحديد أصل الشظية وتقنية صناعتها.

تحدي رؤية ما لا يُرى

على الرغم من أن فقاعات الطلاء غنية بالمعلومات، إلا أنها أيضًا صعبة الاكتشاف للغاية. تحت المجهر تكون الفقاعات صغيرة وضعيفة التباين وغالبًا ما تندمج مع خلفية كثيفة النسيج ومشوشة. الحيل التقليدية لمعالجة الصور—مثل العتبات البسيطة، وكواشف الحواف، أو عمليات الشكل—تميل إلى تمزيق محيطاتها أو الخلط بينها وبين أنماط الخلفية أو تفويت أصغر الأمثلة. حتى أنظمة التعلم العميق الحديثة التي تتفوق على الصور اليومية تكافح هنا، لأنها ليست مضبوطة للهياكل الباهتة وغير المنتظمة على أسطح خزفية معقدة. فهي غالبًا تفقد التفاصيل الدقيقة، وتتجاهل الحدود الطفيفة، وتتشتت بسهولة بسبب اللمعان أو الخشونة في الطلاء.

شبكة بثلاثة مسارات مصممة للفقاعات

PBDWNet هي شبكة عصبية مخصصة تواجه هذه الصعوبات بمعالجة كل صورة عبر ثلاثة مسارات منسقة. المسار الرئيسي قائم على بنية عميقة مثبتة تقوم تدريجيًا بتحويل صورة المجهر الخام إلى تمثيل داخلي غني مع الحفاظ على دقة نسبية عالية. فوق ذلك، أضاف المؤلفون فرع «الوعي بالميزات القابلة للتشوه»، الذي يتيح للشبكة أن تنحني بمصفوفة العيّنة حول الأشكال غير المنتظمة للفقاعات الحقيقية. بدلاً من النظر من خلال نافذة مربعة جامدة، يمكنها التمدد والتحرك لمتابعة المحيطات المنحنية، مركزةً بشكل أكثر دقة على المكان الذي تقع فيه الفقاعة فعليًا.

بالتوازي، يقوم فرع «الموجة» بتفكيك الصورة إلى مكونات منخفضة وعالية التردد، التي تقابل تقريبًا البنية العامة والحواف الحادة. تسمح هذه النظرة المعتمدة على التردد للنموذج بالحفاظ على بنية الطلاء الشاملة مع إبراز حواف الفقاعات الرقيقة وغيرها من الملمسات الدقيقة، وفي الوقت نفسه قمع الضجيج الذي لا يتبع أنماطًا شبيهة بالفقاعات. ثم تعيد خطوات دمج مصممة بعناية تجميع المعلومات من المسارات الثلاثة، بحيث يعزز السياق العام والأشكال المفصلة والحواف النظيفة بعضها بعضًا بدلاً من التنافس. تُدرَّب الشبكة باستخدام إعداد مخرجات مزدوجة، يوجّه كلًا من التنبؤات الوسيطية والنهائية لتكون دقيقة على مستوى البكسل الفردي.

اختبار الطريقة

لتقييم PBDWNet، استخدم الباحثون مجموعة بيانات مخصصة لصور مجهرية عالية التكبير لشظايا الخزف، جُمعت ووُصِفت خبيرًا في جامعة نورث ويست. تلتقط هذه المجموعة، المسماة PRMI، نطاقًا واسعًا من أحجام الفقاعات وكثافاتها ومظاهر السطح. قارن الفريق نموذجهم مع عشرة أنظمة تجزئة رائدة مستخدمة على نطاق واسع في رؤية الحاسوب. عبر مقاييس معيارية للدقة والتداخل بين أشكال الفقاعات المتوقعة والحدود المرسومة يدويًا، تفوق PBDWNet باستمرار، محققًا أعلى درجة F1 الإجمالية وأفضل تقاطع على الاتحاد لكل من الفقاعات والخلفية. تُظهر المقارنات البصرية أنه يحافظ على سلامة الفقاعات الصغيرة، ويفصل بين الفقاعات المتجاورة بوضوح، ويتجنب «الانتشار» داخل الطلاء المحيط حتى عندما تكون الحواف مشوشة.

ما يعنيه هذا للتراث الثقافي

بالنسبة لغير المتخصصين، الخلاصة أن هذا العمل يحول أنماطًا غير مرئية في طلاء السيراميك إلى دلائل موثوقة وقابلة للقياس عن الماضي. من خلال تتبع الفقاعات المجهرية بدقة، يساعد PBDWNet في تحويل كل شظية خزفية إلى كائن غني بالبيانات يمكن استنتاج تصنيعه وأصله ومستوى تفوقه التكنولوجي بشكل أكثر موضوعية. وبينما يعتمد النظام الحالي لا يزال على بيانات تدريب معنونة بعناية وقد يحتاج إلى تكييف مع إضاءة أو مواد مختلفة جدًا، فإنه بالفعل يبرهن كيف يمكن للأدوات الذكية المصممة خصيصًا تعميق فهمنا للقطع الثقافية. عمليًا، يمكن لمثل هذه التقنية أن تدعم تأريخًا أكثر دقة، ودراسات نسب، وحتى فحوصات الأصالة، معززةً الأسس العلمية للآثار وعمل المتاحف.

الاستشهاد: Xing, J., Zhang, R., Liu, Y. et al. PBDWNet: a multi-scale porcelain surface bubble segmentation network based on frequency-domain fusion and deformable feature awareness. npj Herit. Sci. 14, 260 (2026). https://doi.org/10.1038/s40494-026-02440-8

الكلمات المفتاحية: فقاعات طلاء الخزف, تصوير التراث الثقافي, التقسيم الدلالي, تحليل المجهر, الأصل الأثري