Metody identyfikacji i metryki oceny stanu murowanej Wielkiej Muru w Pekinie

Dlaczego stan Wielkiego Muru ma dziś znaczenie

Wielki Mur to nie tylko pocztówkowy widok; to problem inżynieryjny XXI wieku. Ciągnąc się po surowych górach wokół Pekinu, jego odcinki z cegły i kamienia stopniowo są niszczone przez pogodę, roślinność i intensywną turystykę. Inspekcja tak rozległej struktury cegła po cegle jest niemożliwa wyłącznie dla ludzkich zespołów. Badanie pokazuje, jak drony, zdjęcia o charakterze satelitarnym i sztuczna inteligencja mogą współdziałać, aby automatycznie skanować Mur i oceniać stopień zachowania poszczególnych fragmentów, pomagając konserwatorom zdecydować, gdzie interweniować zanim szkody staną się nieodwracalne.

Cztery sposoby, w jakie mur może ulec zniszczeniu

Aby nauczyć komputery, jak wygląda „zdrowy” i „uszkodzony” mur, badacze najpierw musieli uzgodnić proste, rzeczywiste kategorie uszkodzeń. Podzielili murowany Wielki Mur w Pekinie na cztery widoczne stany. W pierwszym mur jest w dużej mierze nienaruszony, często dzięki wcześniejszym naprawom i regularnym inspekcjom. Drugi pokazuje lokalne defekty — brakujące cegły, pęknięcia lub popękane kamienie — przy zachowanej zasadniczej strukturze. Trzeci zdominowany jest przez roślinność, gdzie korzenie wnikają i rozpychają cegły i kamienie. Czwarty jest najcięższy, z dużymi załamaniami wież i odcinków muru, pozostawiając jedynie niskie relikty. Te kategorie upraszczają złożony problem konserwatorski do zestawu czytelnych wzorców wizualnych, które komputery mogą nauczyć się rozpoznawać.

Budowa cyfrowego bliźniaka na setki kilometrów

Uzbrojeni w te cztery stany, zespół zebrał obszerny cyfrowy obraz Wielkiego Muru. Wykorzystując loty dronów i trójwymiarowe modele, zgromadzili zdjęcia obejmujące ponad 500 kilometrów muru wokół Pekinu i przetworzyli je do ponad 300 kilometrów wysokiej jakości ortofotomap — zdjęć lotniczych skorygowanych tak, by odległości i kąty na ekranie odpowiadały rzeczywistości. Specjaliści następnie odrysowali precyzyjne kontury uszkodzonych obszarów i oznaczyli je zgodnie z czterema kategoriami. Proces przeglądu w trzech etapach sprawdził te etykiety względem zapisów napraw i oceny ekspertów. Wynikiem jest szczegółowy zbiór danych składający się z 3 408 kafelków obrazu, każdy o wymiarach 512 na 512 pikseli, z kompletnymi współrzędnymi geograficznymi i historią wersji — w istocie śledzalna, gotowa do powiększania mapa stanu Muru.

Nauczanie lekkiej SI rozpoznawania pęknięć muru

Rdzeniem badania jest nowy model wizji komputerowej o nazwie MEP‑deep, zaprojektowany tak, by wyłapywać subtelne wzorce uszkodzeń na tych zdjęciach, zachowując jednocześnie na tyle małe wymagania obliczeniowe, by działać na skromnym sprzęcie. Zbudowany na kompaktowej architekturze sieci neuronowej pierwotnie stworzonej dla smartfonów, model dodaje dwa komponenty „uwagi”, które pomagają mu skupiać się na najważniejszych elementach. Jeden dostosowuje, jak silnie są ważone różne cechy obrazu, tak by sygnały z pęknięć i brakujących cegieł wyróżniały się na tle. Drugi analizuje, jak wzorce są rozmieszczone przestrzennie, co pozwala systemowi rozróżnić na przykład naturalną skałę od kamienia, który kiedyś był częścią Muru. Testowany nie tylko na zbiorze danych Wielkiego Muru, ale także na standardowym międzynarodowym benchmarku zdjęć miejskich, model nieznacznie, lecz konsekwentnie przewyższał kilka ustalonych metod, przy użyciu znacznie mniejszych zasobów obliczeniowych.

Zamiana kolorów na mapie w użyteczne wskaźniki

Rozpoznanie obszarów uszkodzonych to tylko połowa historii; zarządcy potrzebują także liczby podsumowującej kondycję odcinka muru. Dlatego badacze stworzyli system punktacji oparty na udziale każdej kategorii uszkodzeń w danej sekcji. Obszary z większą ilością nienaruszonej murawy (masonry) otrzymują wyższe oceny, podczas gdy odcinki zdominowane przez zawalenia lub silną roślinność są silniej penalizowane. Matematyczny człon „degradacji” zapewnia, że nawet niewielki wzrost udziału ciężkich typów uszkodzeń zauważalnie obniża wynik, odzwierciedlając ich nieproporcjonalny wpływ na bezpieczeństwo i autentyczność. Porównując wyniki obliczone na podstawie etykiet ludzkich z tymi z przewidywań modelu na kilku odrestaurowanych odcinkach, zespół wykazał, że system zautomatyzowany potrafi przybliżyć ocenę ekspertów na tyle dokładnie, by wskazać miejsca, które warto sprawdzić w terenie w pierwszej kolejności.

Co to oznacza dla przyszłości Wielkiego Muru

Mówiąc prosto, praca ta przekształca murowany Wielki Mur w Pekinie w żywy zbiór danych, którym można monitorować w czasie. Zamiast czekać na oczywiste zawalenia, zarządcy dziedzictwa mogą korzystać z lotów dronów i modelu MEP‑deep, aby generować aktualne mapy uszkodzeń i wskaźniki stanu dla długich, trudno dostępnych odcinków Muru. Autorzy przyznają, że istnieją jeszcze dokładniejsze, cięższe modele SI, lecz ich lekkie podejście jest praktyczne w terenie i można je dalej ulepszać. Poza Chinami taki sam zestaw przejrzystych kategorii wizualnych, starannie zbudowanych zbiorów danych i wydajnej SI mógłby pomóc chronić inne długie, kruche obiekty dziedzictwa — od starożytnych granic po historyczne kanały — zamieniając rozproszone kamienie w informację umożliwiającą podjęcie działań.

Cytowanie: Liu, F., Wang, Z., Zhang, Z. et al. Identification methods and evaluation metrics for the condition of the Beijing masonry Great Wall. npj Herit. Sci. 14, 122 (2026). https://doi.org/10.1038/s40494-026-02392-z

Słowa kluczowe: konserwacja Wielkiego Muru, monitoring dziedzictwa, teledetekcja, uczenie głębokie, wykrywanie uszkodzeń strukturalnych