تشخیص هوشمند آسیب‌های بناهای تاریخی در دانشگاه کارابوک ترکیه

دانشگاه کارابوک ترکیه (KBÜ) بار دیگر در تقاطع تکنولوژی و تاریخ پیشگام شده است. تیمی از پژوهشگران دانشکده معماری «سافران‌بولو باشاک چنگیز»، پروژه‌ای نوآورانه را تحت حمایت شورای تحقیقات علمی و فناوری ترکیه (TÜBİTAK) به پایان رسانده‌اند که هدف آن تشخیص خودکار آسیب‌های سطحی در سازه‌های سنگی تاریخی با استفاده از مدل‌های یادگیری ماشین است [۱].

تکنولوژی در خدمت میراث فرهنگی این پروژه که با عنوان «تشخیص آسیب‌های سطحی در سازه‌های سنگی تاریخی با مدل یادگیری ماشین» شناخته می‌شود، توسط دانشیار دکتر «محمد موتلو» رهبری شده و محققانی چون «مصطفی هاکی اراسلان» در آن نقش کلیدی ایفا کرده‌اند. این سیستم با استفاده از داده‌های تصویری جمع‌آوری شده از شهرهای تاریخی مختلف ترکیه از جمله سافران‌بولو، استانبول، آماسیه و توکات تغذیه شده است [۲]. هدف اصلی این تحقیق، ایجاد یک جریان کاری دیجیتال است که بتواند جایگزین بازرسی‌های بصری سنتی و دستی شود که اغلب زمان‌بر و در معرض خطای انسانی هستند.

دقت بالا با یادگیری عمیق و مدل‌سازی سه بعدی در این روش، ابتدا داده‌های فتوگرامتری از بناهای تاریخی جمع‌آوری شده و مدل‌های سه بعدی دقیقی از آن‌ها ساخته می‌شود. سپس، الگوریتم‌های یادگیری عمیق که با هزاران تصویر از انواع آسیب‌ها (مانند ترک‌ها، فرسودگی‌های ناشی از رطوبت و تخریب ملات) آموزش دیده‌اند، این مدل‌ها را تحلیل می‌کنند [۱]. این سیستم قادر است به صورت خودکار نقشه‌های آسیب را ترسیم کرده و گزارش‌های فنی دقیقی را در محیط دیجیتال ارائه دهد. به گفته محققان، استفاده از مدل‌هایی مانند YOLOv10 و Mask R-CNN در این پروژه، سرعت شناسایی آسیب‌های جزئی را تا حد زیادی افزایش داده است [۳].

اهمیت ملی و بین‌المللی پروژه ترکیه به دلیل دارا بودن هزاران اثر تاریخی سنگی، یکی از غنی‌ترین کشورهای جهان از نظر میراث فرهنگی است. همکاری میان دانشگاه کارابوک و اداره کل میراث فرهنگی و موزه‌های ترکیه در این پروژه، نشان‌دهنده اهمیت استراتژیک آن برای حفظ آثار باستانی است [۲]. این فناوری نه تنها هزینه‌های مرمت را کاهش می‌دهد، بلکه با پایش مداوم سلامت سازه‌ها، از تخریب‌های ناگهانی جلوگیری می‌کند. انتظار می‌رود این متدولوژی در آینده‌ای نزدیک برای تمامی سایت‌های میراث جهانی یونسکو در ترکیه مورد استفاده قرار گیرد.