近年來，藝術品保護領域對無損成像技術的依賴日益增長。宏觀X射線螢光（MA-XRF）分析技術作為一種強大的工具，為研究人員提供了分析繪畫顏料和技術的有效手段，但其產生的大量數據也帶來了新的挑戰。 Downcodes小編將為您介紹一項利用深度學習技術突破傳統MA-XRF資料分析瓶頸的研究。
近年來，無損成像技術在繪畫研究和保護領域取得了快速發展，宏觀X射線螢光（MA-XRF）分析技術作為其中的佼佼者，能夠幫助專家們識別顏料、分析繪畫技法，為了解藝術家的創作過程提供寶貴資訊。然而，MA-XRF技術會產生龐大且複雜的資料集，對傳統的資料分析方法提出了挑戰。
最近，義大利的研究人員將深度學習演算法應用於MA-XRF資料集的光譜分析，開發了一套全新的分析方法。此方法使用蒙特卡羅模擬產生的50萬多個合成光譜對深度學習演算法進行訓練，能夠快速且準確地分析MA-XRF資料集中的XRF光譜，克服了傳統解卷積方法的限制。
為了驗證新方法的準確性和適用性，研究人員將此方法應用於義大利卡波迪蒙特博物館展出的兩幅拉斐爾畫作—《父神》和《聖母瑪利亞》。結果顯示，深度學習模型不僅能更精確地量化螢光線強度，還能有效消除傳統分析方法產生的偽影，產生更清晰的元素分佈圖。
透過與傳統解卷積演算法的比較分析，研究人員發現，新方法在處理低計數、低信噪比的元素線時表現更為出色，能夠更精確地分離XRF光譜中重疊的螢光線，從而更準確地辨識顏料。例如，新方法可以準確地區分能量相近的鐵（Fe）和錳(Mn)元素，以及鉛(Pb)和硫(S)元素，避免了傳統方法容易產生的誤判。
這項研究成果標誌著人工智慧技術在藝術品分析領域的重大進步，為更準確、更有效率地分析XRF光譜，特別是處理MA-XRF成像技術產生的大型資料集提供了新的思路。未來，研究人員計劃進一步擴展該方法的應用範圍，例如推斷繪畫的層析結構，或比較不同儀器獲得的光譜數據。
論文地址:https://www.science.org/doi/10.1126/sciadv.adp6234
這項研究充分展現了深度學習在藝術品分析領域的巨大潛力，為藝術保護和研究提供了新的技術手段，Downcodes小編期待未來更多人工智慧技術應用於藝術領域，並推動藝術研究的進一步發展。