التعرّف على الأصباغ بتوجيه سوبربيكسل بواسطة ERS وإلغاء الخلط باستعمال مُعمِّق تلقائي التلافيف في صور طيفية للمديات الجدارية

لماذا لا تزال هذه الألوان القديمة مهمة

الجداريات القديمة أكثر من مجرد زينة؛ ألوانها تسجّل طرق التجارة والأفكار الدينية والتقنيات المفقودة. ومع ذلك فإن العديد من هذه اللوحات الجدارية هشة للغاية بحيث لا يمكن أخذ عينات منها مباشرة، وقد غيّرت قرون من التعرض للضوء والرطوبة والأملاح ألوانها الأصلية. تقدم هذه الدراسة طريقة جديدة «لقراءة» الأصباغ في لوحة جدارية بوذية مشهورة في الصين من دون ملامسة السطح، مدمجة تصويرًا متقدّمًا مع ذكاء اصطناعي للكشف عما استخدمه الفنانون فعلًا وكيف تغيّرت تلك المواد مع الزمن.

النظر إلى جدار بعشرات العيون

بدلاً من تصوير الجدارية بكاميرات عادية، استخدم الباحثون التصوير فرط الطيفي، الذي يلتقط مئات النطاقات اللونية الضيقة من الضوء المرئي وصولاً إلى الموجات القصيرة تحت الحمراء. كل بقعة صغيرة على الجدار تعطي بصمة لونية مفصلة مرتبطة بمواد محددة. ركّزوا على مقطع مُطلي بكثافة من المغارة 171 في كيزيل غروتوس، موقع بوذي مبكّر على طريق الحرير تُنفَّذت جدارياته بأصباغ معدنية وعضوية وتعرّضت للتآكل بفعل الريح والماء والأملاح. ولتثبيت تفسيراتهم، أعد الفريق عينات أصباغ تقليدية على ألواح، وقياس طيفها في المختبر، وفحص تركيبها بتقنيات مثل التألق بالأشعة السينية وطيف رامان. هذا أنشأ مكتبة مرجعية مكوّنة من 26 أصباغ تقليدية قورنت بها إشارات الجدارية.

تجميع الصورة إلى رقع ذكية

تتمثل مشكلة رئيسية في أن كل بكسل من الصورة غالبًا ما يحتوي على خليط من الأصباغ، وقد تمحو الشيخوخة الدلائل الطيفية الاعتيادية. بدلًا من معاملة كل بكسل على حدة، استخدم المؤلفون نهج تقسيم إلى سوبربيكسلات. أولاً طبقوا تحليل المكونات الرئيسية لتبسيط بيانات فرط الطيف. ثم استخدموا تقسيم السوبربيكسل بمعدل الانتروبيا Entropy Rate ليقطعوا الجدارية إلى مناطق صغيرة ذات طيف داخلي متناسق وتتبع حدود الطلاء. لكل منطقة من هذه، قاموا بمتوسط الأطياف وتطبيق خطوة رياضية تسمى إزالة الاستمرار continuum removal التي تبرز الانخفاضات الطفيفة للامتصاص المرتبطة بأصباغ بعينها. بعد ذلك قارنوا هذه الأطياف الإقليمية المحسّنة بمكتبة الأصباغ باستخدام اختبار تشابه. من خلال دمج تكرار ظهور الصباغ، ومساحته النسبية، ومقدار تطابق طيفه، تمكنوا من انتقاء الأصباغ الرئيسية الموجودة بشكل قوي وموثوق.

تعليم شبكة عصبية لفصل الألوان

تحديد وجود الأصباغ ليس سوى نصف القصة؛ فالمرمّمون يريدون أيضًا معرفة شدة وجود كل صباغ في كل نقطة على الجدار. لتحقيق ذلك لجأ الفريق إلى مُعمق تلقائي تلافيفي غير مراقب (convolutional autoencoder)، وهو نوع من الشبكات العصبية يتعلّم ضغط الصورة الطيفية وإعادة بنائها. في تصميمهم، التمثيل المضغوط يُشفّر مباشرة نسب مجموعة صغيرة من الأطياف الأساسية أو «النهايات الطيفية» عبر الجدارية. لتوجيه هذا التعلم، استخدموا أولاً خوارزمية هندسية تسمى N‑FINDR لاستخراج مجموعة من الأطياف المُمثلة المتطرفة في البيانات واستخدموها كنهايات زائفة. تم تدريب الشبكة لإعادة بناء الصورة مع الحفاظ على التقارب لهذه الأطياف المرجعية وحفظ الشكل التفصيلي لبُصمات الأصباغ، مما يساعدها على تمييز درجات حمراء متشابهة جدًا وعائلات ألوان متقاربة.

ما تكشفه الجدارية عن ألوانها

باستخدام هذه الاستراتيجية المركبة، حدّد المؤلفون ستة أصباغ رئيسية في المغارة 171: الحجر الأزرق لازورد أو لابيس لازولي، الأخضر النحاسي atacamite، والحمراوات المينيم (المعروف كبروكسيد الرصاص الأحمر)، وأكسيد الحديد الأحمر، واللاك، والمعدن الأبيض الجبس. أظهرت خرائط وفرة الأصباغ كيف تترتب هذه المواد وتختلط: يظهر الجبس كلون طلاء أبيض وكطبقة أرضية أساسية؛ تتجمع لازورد وatacamite في مناطق زرقاء وخضراء؛ وتتداخل الثلاثة الحمراء لكنها تميّزت بواسطة تواقيعها الطيفية الدقيقة. ساعدت الطريقة أيضًا في تحديد مناطق تحولت فيها الحمراوات الرصاصية (المينيم) إلى مركب مختلف داكن، مما يشير إلى تدهور جارٍ ينبغي على المرمّمين مراقبته.

من البصمات المخفية إلى العناية العملية

بالنسبة لغير المتخصصين، النتيجة الأساسية هي أن المؤلفين ابتكروا وسيلة لتحويل معلومات طيفية معقدة وغير مرئية إلى خرائط واضحة توضح الأصباغ المستخدمة وكيف تغيّرت، وكل ذلك دون أخذ عينات من الجدارية. من خلال تجميع المناطق المتشابهة قبل التعرّف وتقييد الشبكة العصبية ببصمات أصباغ ذات معنى فيزيائي، يقدم سير العمل خرائط أصباغ موثوقة ومتسقة مكانيًا حتى عندما تكون الألوان مخلوطة أو متحللة. هذا يزوّد المرمّمين بأداة قوية وغير ملامسة لتوثيق المواد، وكشف التلاشي والتغير، وتخطيط تدخلات مستهدفة، مما يساعد على حفظ القصص التي تحملها الألوان القديمة في مواقع مثل كيزيل غروتوس للأجيال القادمة.

الاستشهاد: Chen, W., Zhang, X., Pan, X. et al. ERS superpixel guided pigment identification and convolutional autoencoder unmixing in mural painting hyperspectral images. npj Herit. Sci. 14, 177 (2026). https://doi.org/10.1038/s40494-026-02450-6

الكلمات المفتاحية: التصوير فرط الطيف, ترميم الجداريات, رسم خرائط الأصباغ, التعلُّم العميق, التراث الثقافي