ROMA – L’Intelligenza Artificiale entra in campo nell’analisi diagnostica di alcune opere d’arte, tra cui alcuni capolavori di Giorgio de Chirico custoditi al museo Carlo Bilotti Aranciera di Villa Borghese a Roma.
I lavori rientrano nel progetto di ricerca Artemisia (ARTificial intelligence Extended-Multispectral Imaging Scanner for In-situ Artwork analysis).
L’innovazione di Artemisia
Il progetto Artemisia rappresenta il risultato di una proficua collaborazione interdisciplinare che coinvolge diversi enti ed istituzioni.
Finanziato dalla Regione Lazio e dal Ministero dell’Università e della Ricerca, nel contesto del Distretto Tecnologico per i Beni Culturali del Lazio (DTC), il progetto ha visto il coinvolgimento della rete Infn-CHNet (Cultural Heritage Network) dell’Istituto Nazionale di Fisica Nucleare, insieme al Dipartimento di Ingegneria Chimica Materiali Ambiente della Sapienza Università di Roma, l’Istituto Centrale per il Restauro (ICR), XTeam Software Solutions s.r.l, Vianet s.r.l. e la Sovrintendenza Capitolina.
L’opera di De Chirico sottoposta alle indagini diagnostiche è Mobili nella Stanza del 1927. I risultati delle analisi sono stati presentati nel corso di un evento dedicato, che si è tenuto al Museo Carlo Bilotti.
A proposito della tecnica del dipinto di Giorgio De Chirico Mobili nella Stanza, per Federica Pirani della Direzione Patrimonio artistico delle ville storiche della Sovraintendenza Capitolina: “Il progetto ha evidenziato che il legante utilizzato dal pittore è stato l’olio, in linea con quanto riportato nel ‘Piccolo trattato di tecnica pittorica’, una sorta di vero e proprio ‘ricettario’ di colori e tecniche usate dall’artista stesso e da lui scritto”.
“Per quanto riguarda i pigmenti, poi, è stata identificata la presenza di bianco di zinco (sia puro sia usato in miscela con gli altri pigmenti), di blu di cobalto, e delle terre per le tonalità calde (rosso, marrone e viola). Mentre, per quanto riguarda l’identificazione di prodotti di degrado, è stata notata la presenza di carbossilati, prodotti di alterazione che si formano naturalmente dall’interazione dello zinco (contenuto nel pigmento bianco di zinco) con l’olio” – ha concluso Pirani.
Intelligenza Artificiale e tecniche di analisi avanzate
Mariangela Cestelli Guidi, coordinatrice scientifica del progetto presso i Laboratori Nazionali di Frascati dell’Infn, ha sottolineato l’importanza di portare l’innovazione dai laboratori di ricerca ai musei. Questo connubio tra avanzate indagini diagnostiche e la necessità di preservare le opere d’arte rappresenta la chiave del successo di Artemisia.
Artemisia si basa sull’integrazione di due tecniche di indagine diagnostica non invasive di ultima generazione: l’imaging iperspettrale e il macro-scanner FT-IR. Queste metodologie consentono di ottenere informazioni dettagliate sui materiali utilizzati nelle opere, aprendo la porta a una comprensione più approfondita della loro composizione.
L’Intelligenza Artificiale al servizio dell’arte
Un elemento cruciale del successo di Artemisia è l’impiego di algoritmi di Intelligenza Artificiale, progettati per il riconoscimento automatico dei materiali pittorici e il monitoraggio dello stato di conservazione delle opere in esame. Questo approccio innovativo consente di ottenere risultati precisi e affidabili, contribuendo così in modo significativo alla conservazione del patrimonio artistico.
“L’ICR ha messo a disposizione del progetto competenze sia in materia di conoscenza dei materiali costitutivi delle opere d’arte e delle tecniche esecutive, sia in ambito di restauro, sia per quanto riguarda la diagnostica applicata ai beni culturali” – hanno spiegato Marcella Ioele e Barbara Lavorini, funzionarie dell’Istituto Centrale per il Restauro, le quali, in base alle analisi eseguite e alla consultazione delle fonti, hanno realizzato i provini per la banca dati, utili all’acquisizione delle feature spettrali con le diverse strumentazioni. Le funzionarie dell’ICR hanno, inoltre, sottolineato che la tecnologia messa a punto nel progetto Artemisia, può essere anche un valido strumento di monitoraggio per i restauratori nelle operazioni di pulitura.