11月27日，“探元计划2024”创新探索型赛道终审结果发布，北京科技大学科技史与文化遗产研究院考古木材创新团队的“基于深度学习的考古木材物理力学性能NIR预测模型研究”项目从79个竞选项目中成功入选TOP 10。考古木材创新团队由科技史与文化遗产研究院的韩刘杨副教授和韩向娜教授以及自然科学基础实验中心的张林桐工程师组成。

项目团队负责人韩刘杨副教授于武汉大学路演

11月4日，“探元计划2024”创新探索型赛道终审路演会在武汉大学隆重举办，项目团队负责人韩刘杨副教授赴武汉大学参加终审路演。

考古木材保存状况评估研究现状

该项目的研究对象是沉船和木质棺椁为代表的考古木材。考古木材长期在水下或者土壤中埋藏，受到环境中多种因素的影响而发生降解。以物理力学性能为代表的保存状况评估指标可以预测木质文物的剩余寿命，同时也能为加固效果提供对比数据。但是传统物理力学性能评估方法均为有损测试，因此，为了尽可能的保障文化传承的载体的完整性，急需开发一套无损评价技术。

近红外光谱物理力学性能预测模型搭建

该项目结合考古现场实际需求和实验室分析检测发展现状，遴选出了具有无损、快速、高效特点的近红外光谱（NIR）技术。在正常测试考古木材物理力学性能的同时，采集近红外数据，建立近红外光谱数据和不同降解程度考古木材的物理力学数据之间的映射关系模型。但是传统经验模型的建模过程耗时、主观性强、泛化能力不足，该项目以深度学习算法为新质生产力，进一步提升了预测模型在考古木材性能评估中的应用效果。

基于深度学习的近红外光谱物理力学预测模型研究

该项目的预期成果之一是构建基于深度学习的近红外光谱（NIR）物理力学性能预测模型，模型能够对不同历史时期、不同地区、不同树种的考古木材的物理力学性能进行高效、精准的无损预测。目前，该项目团队在多尺度物理力学性能分析检测系统、考古木材模拟样品制备、近红外光谱物理力学性能预测等方面已经取得一定突破和进展，初步构建了一个包含不同时期和地区的考古木材光谱数据与物理力学性能的数据库。该数据库为后续的研究提供了基础数据支持，也为其他科研团队在考古木材保护研究方面提供了宝贵的资源。未来，随着数据量的增加，数据库将不断扩展，为深入的学术研究、保护方案的制定、加固保护效果的评价提供更多的支撑。