Fase iniziale: la diagnosi delle patine superficiali su marmo antico rappresenta una sfida tecnica cruciale nella conservazione del patrimonio architettonico, in particolare su monumenti di inestimabile valore come quelli del Foro Romano o della Cattedrale di Milano. Le patine, formate da microalterazioni derivate da cicli di umidità, inquinamento atmosferico e processi di microerosione biologica, non sono semplici strati estetici, ma indicatori dinamici dello stato di degrado del materiale. La loro identificazione quantitativa, tramite tecniche di riflettanza differenziale e imaging multispettrale, consente di pianificare interventi mirati che preservano l’integrità della patina protettiva senza ricorrere a trattamenti invasivi.
La valutazione tradizionale, basata su ispezione visiva, risulta insufficiente e soggetta a errori di interpretazione, poiché non coglie variazioni spettrali subdole ma significative legate alla composizione chimica e alla morfologia superficiale. Il Tier 2 del riconoscimento ottico – con strumenti come goniometri a riflettanza e sistemi di imaging multispettrale (MSI) a banda UV-Vis-NIR – offre una soluzione oggettiva e riproducibile, capace di mappare la distribuzione delle patine con variazioni di rugosità (Ra), contrasto spettrale e omogeneità superficiale. Queste misure, analizzate in fasi strutturate, diventano il fondamento per interventi conservativi altamente specifici.
Principi della riflettanza differenziale e calibrazione del sistema MSI
Il riconoscimento delle patine si fonda sulla misurazione precisa della riflettanza spettrale in funzione dell’angolo di incidenza e della lunghezza d’onda. La superficie marmorea, alterata da depositi microscopici di carbonati, solfati e ossidi, modifica la risposta ottica in modo non uniforme: aree con patina spessa mostrano minore riflettanza in bande visibili e maggiore diffusione in NIR. L’uso di goniometri ottici permette di acquisire dati in 16 punti angolari (da 10° a 160°), garantendo una copertura completa della topografia superficiale. Il sistema MSI, calibratosi su target standard con patine note (blocchi di marmo con diversi gradi di alterazione), garantisce la tracciabilità metrologica e riduce gli errori sistematici a meno del 2% (dati ICOM-CC, 2022).
La fase di calibrazione include l’uso di superfici di riferimento con patine controllate, misurate con spettrofotometro a riflettanza diffusa, per validare la linearità del segnale e correggere eventuali drift termici o di illuminazione. Questo processo è essenziale per ottenere dati riproducibili su superfici complesse e irregolari, come quelle del marmo di Carrara esposto agli agenti atmosferici da secoli.
Metodologia operativa per la mappatura multispettrale stratigrafica delle patine
Fase 1: Acquisizione immagini ad alta risoluzione con illuminazione controllata.
Utilizzo di piattaforme rotanti con goniometro integrato e illuminazione obliqua a 45°, con sorgenti LED a banda UV-Vis-NIR (280–2500 nm). Le immagini vengono registrate a 360° in 12 fotogrammi (15° ciascuno), garantendo una copertura completa senza sovrapposizioni parziali. Gli algoritmi di coregistrazione eliminano distorsioni geometriche, producendo un cubo di dati multispettrali con risoluzione sub-millimetrica (0.5 mm/pixel).
- Pulizia superficiale con micro-abrasivi a base di ossido di alluminio non invasivi (diametro < 25 μm), applicati con pennello robotizzato per evitare contatto meccanico.
- Scansione rotativa a 0.5 m di distanza, con acquisizione simultanea di parametri di illuminazione (angolo 45°, intensità 500 lux).
- Registrazione dei dati con timestamp sincronizzati e georeferenziati, per analisi spaziale integrale.
L’analisi quantitativa si avvale di software morfometrici come ImageJ avanzato con plugin “Reflectance Analyzer” per estrarre parametri chiave: rugosità (Ra), contrasto spettrale ΔI, omogeneità della riflettanza (Hs) e indice di microerosione (Me). Questi dati, normalizzati per superficie, permettono di costruire mappe di degrado con dettaglio micrometrico.
Fasi operative dettagliate: acquisizione, elaborazione e validazione
Fase 2: Elaborazione con software specializzati per analisi morfometrica.
I dati multispettrali vengono processati con Fiji integrato con script Python per l’estrazione automatica di parametri patina-specifici. L’estrazione del contrasto spettrale avviene confrontando bande 550 nm (verde) e 850 nm (NIR), dove le variazioni di assorbimento evidenziano la porosità e la presenza di solfati. La rugosità (Ra) si calcola come media delle deviazioni assolute della superficie rispetto alla media, mentre l’indice di omogeneità (Hs) valuta la continuità spettrale su scala micrometrica.
- Normalizzazione dei dati spettrali per correggere effetti di illuminazione residua.
- Applicazione di filtri mediani e algoritmi di edge detection per evidenziare i bordi delle patine.
- Generazione di mappe di calore di riflettanza e rugosità per identificare zone critiche di microfessurazione.
- Creazione di un cubo di dati 3D multispettrale per correlare morfologia e composizione superficiale.
Fase 3: Classificazione automatica con algoritmi di machine learning.
Modelli SVM e reti neurali convolutive (CNN) sono addestrati su dataset di 5.000 immagini di marmo autentico e patinato, con etichette di stato di degrado. Il modello selezionato raggiunge una precisione del 96,3% nel riconoscimento delle patine superficiali, distinguendo aree non alterate da quelle con alterazione chimica avanzata. L’output è una mappa vettoriale con probabilità di degrado per ogni pixel, pronta per guide interventistiche.
“La chiave non è solo vedere la patina, ma capirne la composizione e lo stato evolutivo. Solo così si evita di trattare la superficie come un’entità monolitica, ma come un sistema stratificato da gestire con precisione.”