PBDWNet: רשת סגמנטציה של בועיות על פני פרוצלן בריבוי סקלות מבוססת מיזוג תחום-תדירות ומודעות תכונה נשנית

רמזים נסתרים בפרוצלן עתיק

כאשר ארכיאולוגים מגלים חתיכות שבורות של פרוצלן עתיק, הם בעצם מוצאים קפסולות זמן זעירות. בתוך הסמכה הזכוכיתית של כל חתיכה נעולות בועיות מיקרוסקופיות שמקליטות ברצינות כיצד והיכן הייצור נעשה. קריאת הבועיות הללו, עם זאת, קשה ביותר לעין האנושית ולתוכנות מחשב רגילות. מחקר זה מציג מערכת בינה מלאכותית ייעודית, PBDWNet, שתוכננה לזהות ולעקוב אחר בועיות זעירות אלה בדיוק רב, ולפתוח דרכים חדשות לתימחור, סיווג והבנת העבודות התרבותיות.

מדוע בועיות זעירות חשובות

פרוצלן הוא לא רק כלי שולחן יפה; הוא רישום חומרי של הציביליזציה הסינית וסחרה הגלובלי. ניתוח מסורתי של חתיכות מסתמך על תכונות נראות לעין כמו צורה, צבע וקישוטים מצוירים, ולכן דורש שנות ניסיון מומחה. אבל בהרבה חפירות, השברים קטנים, משוחזרים או דומים חזותית זה לזה, מה שמקשה לזהות היכן ומתי הם יוצרו. בועיות מיקרוסקופיות בתוך הציפוי מציעות חלופה אובייקטיבית. גודלן, צורתן, צפיפותן והסידור המרחבי משתנים בהתאם לחומרי הגלם, טמפרטורת האפייה, עובי הציפוי והאטמוספירה בתנור. על ידי מדידה מדויקת של תבניות אלו, חוקרים יכולים לבנות "מיקרו-טביעות אצבע" שעוזרות לקבוע את מוצאה וטכנולוגיית הייצור של החתיכה.

האתגר של ראיית הבלתי נראה

אף על פי שהבועיות בציפוי עשירות במידע, הן גם קשות מאוד לגילוי. תחת מיקרוסקופ הבועיות זעירות, בעלות ניגוד נמוך ולעתים מתמזגות לרקע מרקמי ורועש. טריקים קלאסיים של עיבוד תמונה — כמו סף פשוט, גלאי גבול או פעולות צורה — נוטים לשבור את הקווים שלהן, לבלבל אותן עם דפוסי הרקע או לפספס את הדוגמאות הקטנות ביותר. אפילו מערכות למידה עמוקה מודרניות שמצטיינות בתמונות יום-יומיות מתקשות כאן, כי אינן מכוונות למבנים חלשים ולא סדירים על פני שטח קרמי מורכב. הן לעתים קרובות מאבדות פרטים עדינים, מתעלמות מגבולות דקיקים ונמשכות בקלות לנצנוץ או למרקם גס בציפוי.

רשת בעלת שלוש מסלולים שנועדה לבועיות

PBDWNet היא רשת עצבית שנבנתה במיוחד כדי להתמודד עם הקשיים האלה על ידי עיבוד כל תמונה בשלושה מסלולים מתואמים. המסלול הראשי מבוסס על ארכיטקטורה עמוקה מוכחת שממירה בהדרגה את תמונת המיקרוסקופ הגולמית לייצוג פנימי עשיר תוך שמירה על רזולוציה יחסית גבוהה. מעל לכך הוסיפו המחברים סניף של "מודעות תכונה נשנית" (deformable feature awareness), המאפשר לרשת לכופף את גריד הדגימה שלה סביב הצורות הלא סדירות של הבועיות האמיתיות. במקום להסתכל בחלון ריבועי קשיח, היא יכולה למתוח ולהזיז את עצמה כדי לעקוב אחרי קווים מעוקלים, ולכוון בצורה מדויקת יותר לאזור בו הבועה נמצאת בפועל.

באופן מקביל, סניף "ווואלט" (wavelet) מפרק את התמונה לרכיבים בתדירויות נמוכות וגבוהות, בהתאמה גסה למבנה רחב ולקצוות חדים. מבט זה המבוסס על תדירות מאפשר למודל לשמור על המבנה הכללי של הציפוי תוך הדגשת שולי בועיות דקים וטקסטורות עדינות אחרות, ובו בזמן לדכא רעשים שאינם עוקבים אחרי דפוסי בועיות. שלבי מיזוג מתוכננים בקפידה משלבים מחדש מידע מכל שלושת המסלולים, כך שהקשר הגלובלי, הצורות המפורטות והקצוות הנקיים יחזקו זה את זה במקום להתחרות. הרשת מאומנת באמצעות תצורת פלט כפול, שמנחה גם תחזיות ביניים וגם את התחזית הסופית להיות מדויקות ברמת הפיקסל הפרטני.

בדיקת השיטה

כדי להעריך את PBDWNet, החוקרים השתמשו במאגר נתונים ייעודי של תמונות מיקרוסקופ בהגדלה גבוהה של שברי פרוצלן, שאותרו ונסמנו במומחיות באוניברסיטת Northwest. מאגר נתונים זה, שנקרא PRMI, לוכד טווח רחב של גדלי בועיות, צפיפויות ומופעי משטחים. הצוות השווה את המודל שלהם עם עשר מערכות סגמנטציה מובילות הנפוצות בראייה ממוחשבת. בכל המדדים הסטנדרטיים של דיוק וחפיפה בין צורות הבועיות החזויות לבין הקווים שצוירו על ידי בני אדם, PBDWNet צלח בעקביות וכבש את הפסגה, והשיג את ציון ה-F1 הכולל הגבוה ביותר ואת התוצאה הטובה ביותר של חפיפה (IoU) הן לבועיות והן לרקע. השוואות חזותיות מראות שהיא שומרת על בועיות קטנות שלמות, מפרידה באופן נקי בין בועיות סמוכות וממנעת "דליפה" לתוך הציפוי הסובב גם כאשר הקצוות מטושטשים.

מה משמעות הדבר לשימור מורשת תרבותית

עבור מי שאינו מומחה, המסקנה המרכזית היא שעבודה זו הופכת דפוסים בלתי נראים בציפוי הקרמיקה לרמזים אמינים ומדידים על העבר. על ידי מעקב מדויק אחר בועיות מיקרוסקופיות, PBDWNet מסייעת להפוך כל שבר פרוצלן לאובייקט עשיר בנתונים שאפשר להסיק ממנו באופן אובייקטיבי יותר על ייצורו, מקומו ורמת המלומנות הטכנית שעמדה מאחוריו. בעוד שהמערכת הנוכחית עדיין תלויה בנתוני אימון מתויגים בקפידה ועלולה להזדקק להתאמה לתאורה או חומרים שונים מאוד, היא כבר מדגימה כיצד כלי AI מותאמים יכולים להעמיק את הבנתנו של חפצי תרבות. באופן מעשי, טכנולוגיה כזו יכולה לתמוך בתיארוך מדויק יותר, במחקרי שיוך מקור ואפילו בבדיקות אותנטיות, בחיזוק היסודות המדעיים של הארכיאולוגיה ועבודת המוזיאון.

ציטוט: 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

מילות מפתח: בועיות בזרקת הציפוי של פרוצלן, הדמיה במורשת תרבותית, סגמנטציה סמנטית, ניתוח במיקרוסקופ, מקור ארכיאולוגי