全息干涉条纹：给艺术品做“体检”

来源：先进制造作者：LAM新媒体
撰稿 | 王宏剑（清华大学）

图1：希腊科学家对拉斐尔的名画进行了结构评估，从图中可以看到，画上的缺陷可通过干涉条纹的异常分布清楚地可视化呈现。（该项目与雅典国家美术馆合作）

图源：Light: Advanced Manufacturing (2022)3:18（Fig.1）

艺术品包括书画、陶瓷、木雕等，凝结了艺术家的智力劳动，满足人们的精神层面的审美需求，有着巨大的价值。然而艺术品在光照、潮湿或外力作用后，其表面和内部都可能被损坏，导致难以永远留存。因此，在艺术品的修复和保护中，需要对瑕疵进行检测，检测分析技术要求不能破坏和损伤文物的完整性或原始状态。

近年来，科研人员发展了一些无损检测技术来帮助检测文物的内部结构、材料成分和表面，如X射线，拉曼光谱，超声波，太赫兹波，红外技术等，然而这些技术的发展总受制于穿透性或分辨率。

光的干涉是光波在空间的叠加，表现为明暗相间的条纹分布。明暗分布的干涉条纹存在于我们的日常生活中，如光照下彩色的肥皂泡。

工业应用上，干涉条纹对于测量微小变形具有重要意义。通过测量两束光交汇产生的干涉条纹，计算两束光的光程差，得到两束波的相对相位关系，从而可以分析物体的长度和形状等结构信息。如今，干涉测量凭借高精度、无损等优势，已经被广泛应用在工业、航空、医疗等领域。

全息摄影不同于二维图像的照相方法，全息干涉测量借助一束相干的参考光，获得物体波阵面的干涉信息，通过记录物光和参考光的光程差，以获取物体表面光波的振幅和相位，从而可以得到物体的三维图像，评估物体的微小变形和结构。目前基于全息干涉测量的诊断方法一般直接分析干涉条纹的形态，然而干涉条纹的信息挖掘是很困难的。虽然大量实验室都在通过优化软硬件来挖掘干涉条纹中的信息，但目前仍没有有效的方法对干涉条纹进行充分的处理、挖掘和信息解读。

近日，来自希腊 IESL /FORTH 的 Vivi Tornari 教授提出了⼀种交互式的干涉条纹信息推理方法分割和识别艺术品的缺陷，从而定量地诊断艺术品缺陷的风险情况。

该成果以题“A symmetry concept and significance of fringe patterns as a direct diagnostic tool in artwork conservation”发表在 Light: Advanced Manufacturing。

在测量中，作者施加了瞬态的均匀热负荷到物体表面，随着热负荷被艺术品吸收，内部结构的不同深度的结构发生微小形变，同时随着热的传递，不同时间的干涉测量可以看到缺陷对不同深度层的影响。因此，干涉图上缺陷影响的时间越长，该缺陷的深度越深。

作者测量了带有一块已知缺陷（位于表面下方 5 mm）的样品进行测量，结果如图 2 所示，作者统计了整体和缺陷区域的在 x 轴方向上的平均条纹密度（单位 cm 的条纹数），结果显示艺术品的缺陷在瞬态热激发后的 0～180 秒内，整体和缺陷区域的干涉条纹密度可以被较好地区分。

图 2：整体和缺陷部分的条纹密度
图源：Light: Advanced Manufacturing (2022)3:18（Fig.6）
为获得艺术品的初步信息，作者先测量艺术品的无热负荷时的干涉条纹，作为物体的零阶条纹。然后分析瞬态热负荷激发后干涉图中多个轴向的条纹密度，并取平均值作为风险评估系数。当艺术品存在缺陷时，风险评估系数可以用于缺陷的定位和定量评价。
作者与雅典国家美术馆合作，使用上述方法对一幅拉斐尔（Rafael）的名画进行了测量。结果如图 3 所示，通过条纹密度可以确定名画缺陷所在的区域，并用⻛险系数对不同的缺陷进行了可视化的定量评级，从而帮助专业人员对艺术品进行修复。

图 3：油画表面风险损伤评估a）基于条纹密度的缺陷提取；b）缺陷风险评估图源：Light: Advanced Manufacturing (2022)3:18（Fig.7）
除了条纹密度外，作者指出，条纹图有明显的对称性，且条纹图的强度信息有助于确定缺陷的类型，因此作者使用了对称偏差的参数表示非均匀的物体，结合条纹密度测量、对称偏差以及拓扑方法，可以对缺陷的三维形貌进行重建，从而最大化地利用干涉图的信息。
本文集成了以上的测量方法开发了自动检测工具，如图 4 所示，对一个已知带有缺陷的样品进行测量，该测量界面可以获取干涉图信息，检测评估缺陷的位置、形状和剖面的结构信息。图4：从干涉条纹图中提取缺陷的自动检测工具图源：Light: Advanced Manufacturing (2022)3:18（Fig.14）
本研究实现了基于干涉测量的整体与局部缺陷的条纹密度识别、缺陷的三维重建的内容，使用交互式的逐步信息提取算法，提取缺陷的位置、形状、轮廓等信息，帮助专业人员对艺术品进行维护，展示了干涉条纹图案在艺术品缺陷诊断中的巨大潜力。接下来，作者也指出可以应用深度学习和人工智能算法来对干涉图进行深度研究，从而更好地理解和利用干涉条纹。

  论文信息  

Tornari. Light: Advanced Manufacturing (2022)3:18

---

编辑：薛定谔的薛定谔