Metodologie analitiche di imaging applicate al patrimonio culturale tangibile: casi studio e nuovi approcci
Lo scorso 4-7 giugno 2024 si è tenuta a Washington D.C. la conferenza Macro-XRF Scanning (MA-XRF) and Reflectance Imaging Spectroscopy (RIS) in Art, Conservation and Archaeology 2024 organizzata dalla School of Engineering and Applied Science della George Washington University e dalla National Gallery di Washington. La conferenza, giunta alla terza edizione, è nata come un incontro di esperti focalizzato sullo sviluppo ed utilizzo della tecnica non invasiva di imaging MA-XRF nello studio del patrimonio culturale tangibile.
Nell’edizione del 2024, dopo le edizioni di Catania (2019) e Delft (2022), la conferenza ha incluso anche la tecnica di imaging in riflettanza (RIS). Le due metodologie analitiche di imaging sono infatti oggi considerate i capisaldi nel campo dell’Heritage Science per lo studio delle opere d’arte e degli oggetti di interesse storico-artistico.
Il contributo del CNR ISPC: presentati due casi studio e nuovi approcci nell’analisi dei dati attraverso il machine learning, il deep learning e l’intelligenza artificiale
Alla conferenza hanno partecipato David Buti, Michela Botticelli e Zdenek Preisler, del CNR ISPC, che hanno presentato progetti e ricerche di punta in questo ambito, di interesse non soltanto per l’Istituto ma anche per E-RIHS, l’infrastruttura di ricerca europea per le scienze del patrimonio, di cui il CNR ISPC coordina il nodo italiano E-RIHS.it.
Il caso studio sul Codice Tonindeye
David Buti, della sede CNR ISPC di Firenze, ha presentato alcuni aspetti della sua ricerca svolta in collaborazione con il British Museum e con il Santo Domingo Centre of Excellence for Latin American Research nell’ambito del programma short-term mobility 2023 promosso dal CNR e sostenuto anche da E-RIHS. Durante questo periodo, sono state svolte alcune campagne di indagini non invasive su di un manoscritto pittorico mesoamericano di cultura mixteca del XXV secolo, il Codice Tonindeye, anche conosciuto come Codice Zouche-Nuttall. Grazie all’approccio non invasivo e ai servizi offerti dall’infrastruttura di ricerca E-RIHS, si è potuto investigare la composizione materica dei materiali pittorici utilizzati sul codice mixteco e investigarne il processo creativo.
La tecnica RIS ha messo in evidenza l’utilizzo da parte degli scribi mesoamericani per la stesura del codice di diverse tipologie di blu maya, pigmento ibrido composto da indaco e argilla (palygorskite e/o sepiolite), considerato il primo materiale nanocomposito della storia. La medesima tecnica non solo ha svelato le procedure di produzione del blu maya ma ha anche evidenziato il suo utilizzo specifico sulle pagine del codice dando importanti indicazioni agli studiosi in merito alla sua genesi, storia e relazione con gli altri codici mesoamericani.
Il caso studio sul fregio della tomba di Re Filippo II in Grecia
Michela Botticelli, del laboratorio XRAYLab della sede CNR ISPC di Catania, ha illustrato i risultati della campagna MOLAB, piattaforma di accesso dell’infrastruttura E-RIHS, sul fregio della tomba macedone monumentale di Re Filippo II, padre di Alessandro Magno, presso il sito di Vergina, in Grecia, finanziata dal progetto europeo IPERION HS (Integrating Platforms for the European Research Infrastructure ON Heritage Science).
Il caso studio presentato è inserito all’interno del progetto REVIS finanziato dalla Hellenic Foundation for Research and Innovation in Grecia e di cui è Principal Investigator Hariclia Brecoulaki dell’Institute of Historical Research, National Hellenic Research Foundation di Atene. Il progetto vede la collaborazione in Italia di due Istituti del CNR, ISPC e SCITEC, e l’Università di Perugia con il Centro di Eccellenza SMAArt, in Grecia CON l’Institute of Nuclear and Particle Physics del NCSR Demokritos e la Soprintendenza di Emanthia del Ministero della Cultura greco e nel Regno Unito con l’ISAAC Laboratory della Nottingham Trent University.
L’accesso MOLAB ha consentito l’applicazione di diverse tecniche analitiche di eccellenza, tra cui MA-XRF, MA-XRD, HSI e RSI, che hanno permesso di conoscerne in maniera più approfondita i materiali originali utilizzati dagli artisti Macedoni. È stato possibile dimostrare una complessità esecutiva di gran lunga maggiore rispetto a quella ipotizzata finora, con l’impiego di pigmenti comuni alla palette dell’epoca (ocre, blu egizio), ma anche altri meno noti e probabilmente di origine locale (arsenati di rame e zinco). L’indagine ha al contempo evidenziato dettagli iconografici non più visibili ad occhio nudo, a causa di uno stato conservativo alquanto compromesso. Diverse tecniche complementari hanno infatti documentato la presenza di composti ‘non-originali’ attribuibili a processi di degrado probabilmente indotti dalla presenza di microrganismi o da particolari condizioni ambientali. Infine, sono stati riscontrati composti organici e inorganici che possono essere ricondotti ad un intervento conservativo precedente.
Nuovi approcci di machine learning, deep learning e intelligenza artificiale per l’analisi di dati spettrali
Zdenek Preisler, del laboratorio XRAYLab della sede CNR ISPC di Catania, ha mostrato gli avanzamenti negli approcci di machine learning e deep learning applicati su dati spettrali, in particolare i dati di fluorescenza a raggi X.
Gli attuali progressi dei metodi di imaging non invasivi applicati per lo studio e la conservazione del patrimonio culturale hanno portato a un rapido sviluppo di nuovi metodi computazionali. La tecnica MA-XRF è ben consolidata e utilizzata per lo studio dei dipinti, tuttavia, genera set di dati di grandi dimensioni che possono essere difficili da analizzare. Approcci di apprendimento automatico consentono l’identificazione di dipendenze e classificazioni non banali tra i dati ad alta dimensione, permettendo quindi interrogazioni complete. Alla conferenza è stato presentato un nuovo algoritmo di deep learning addestrato su un set di dati MA-XRF sintetici che consente un’analisi rapida e accurata degli spettri XRF eludendo gli inconvenienti tipici dell’approccio classico. Gli spettri sintetici vengono generati utilizzando simulazioni “Monte Carlo” basate su parametri fondamentali e ottimizzati per la configurazione MA-XRF dell’XRAYLab. Le simulazioni presuppongono un modello stratigrafico di un dipinto con un gran numero di possibili pigmenti storici e moderni. L’approccio presentato produce risultati di alta qualità in termini di analisi delle scansioni MA-XRF e consente estensioni della metodologia e applicazioni avanzate.
La metodologia è stata estesa ai dipinti che presentano cambiamenti nel disegno originale (pentimenti) modificando la rete neurale per includere parametri aggiuntivi rilevanti per una composizione e una stratigrafia più complessa, così da separare le pitture di fondo dalla composizione pittorica visibile. In un’altra applicazione è stato introdotto un nuovo sistema di intelligenza artificiale, schema AI/ML (artificial intelligence/machine learning) che considera gli spettri vicini per aumentare il limite di rilevamento consentendo di migliorare la qualità dell’immagine degli elementi meno evidenti. Gli esempi dimostrano che queste tecniche aprono nuovi scenari e offrono maggiori possibilità rispetto agli approcci tradizionali fino ad ora utilizzati.
