《又见三星堆》纪录片的火热让大众更多的了解三星堆的历史，该片从大众视角透视考古人的工匠精神，在让古蜀时代文物“说话”的过程中，展现出中华民族多元一体的成长演进。与上次考古挖掘相比，此次挖掘活动不仅引入媒体直播手段，让民众有了更多的参与感，而且科技含量十足。借助高科技设备，考古学家在文物被发掘出的*一时间就能对其进行初步的观察和探测。

一眼千年—高光谱成像系统

人眼之所以能够看到各种各样的颜色，是由于视网膜上有三种具有不同光谱响应曲线的视锥细胞，能够在大脑中产生红绿蓝（RGB）三种不同色彩的视觉信号，我们看到的颜色就是通过这三组颜色按不同比例混合产生的。这个过程中复杂光谱会被简并为三个通道的不同权重，因此会缺损大量的信息。

日常使用的彩色照相机为了模拟人眼对色彩的感知，会在感光元件表面覆盖红绿蓝三种滤光片。具有三个色彩通道的相机可满足人们的日常需求，但在科研过程中，仅有三个色彩通道远远不够，还需要多光谱乃至高光谱成像系统（高光谱成像系统的通道数目远多于多光谱成像系统）。

文物是人类文明发展过程中历史、艺术及科学价值的结晶，蕴含着丰富的历史文化信息，具有重要的政治、经济、文化及科学价值。利用高光谱技术对文物进行数字化，实现文物从物质形态到数字形态转化，可以量化地获取文物材质、形态、纹理、色彩与结构等信息，为文物信息分析和可视化展示奠定基础。作为传统文物数字化手段的重要补充，高光谱技术能够快速无损获取文物材质、颜料和加工痕迹等信息，可为文物资源数字化提供文物表面物理、化学属性信息。

三星堆遗址作为中国古代文明的珍贵遗产，吸引着无数考古学家和历史爱好者。而在保护和研究这些宝贵文物时，高光谱成像技术展现出其独特的应用之处。高光谱成像设备通过获取物体在数百个连续波长范围内的反射光谱信息，能够深入分析文物表面的材质、状况和组成。在三星堆文物考古中，这项技术为揭示古代文明的奥秘提供了重要手段。通过高光谱成像，我们可以非侵入性地探测文物表面的微小变化，还原古代工艺和图案，甚至发现隐藏在文物内部的秘密。

无论是解读古代文字、还原古代画面，或是研究文物材质、年代，高光谱成像技术都展现出其在文物考古中的无限潜力。通过结合三星堆文物考古案例，我们深入探讨高光谱成像在文物保护和研究中的革新作用，为传承与发展文物考古领域带来新的可能性。

图1 用于文物考古的高光谱成像系统

高光谱成像系统在文物考古上的应用案例

近日，北京服装学院民族服饰博物馆对褪色、变形乃至破损的纺织品文物进行初步测量后，计划深入检测以助修复。因古代纺织品多为天然纤维，易老化破损，需先明确材质、颜色及污渍类型。结合显微红外光谱仪**鉴定。针对染料颜色，采用双利合谱GaiaField便携式高光谱相机结合AI技术，通过反射光谱无损分析，避免传统检测对文物的破坏。

图2 CCTV10 报道北京服装学院民族服饰博物馆利用双利合谱高光谱成像系统对褪色、变形乃至破损的纺织品文物进行鉴定、修复

文物承载着深厚的历史、艺术及科学价值，这些价值的挖掘与信息提取离不开现代科技的赋能。无损光谱技术作为一种前沿的分析手段，能够在不损害文物宏观结构与潜在微观特性的前提下，利用光谱学原理深入探讨文物的构造、材质构成、病害成因、表面特性及缺陷演变，从而*准获取关于文物原料追溯、制作工艺、年代判定、保护修复材料选择等多维度信息。其他应用案例如图3~图7所示（来源于网络已发表文章）

图3 颜色种类分析与识别

图4 柏木字迹原始图像与经过分析处理后图像的对比

图5 中国佛学院文物木板墨书

图6 故宫收藏书法

图7 长寿佛唐卡

高光谱成像系统在文物考古上的应用文章推荐

该研究提出一种自动挖掘彩绘文物图案的方法，采用*小噪声分率法获取主成分图像，利用显著性目标检测方法，得到彩绘文物图像，从而挖掘出其中的图案。下图2中前10个主成分图像分别通过MNF和PCA获得；MNF获得的第六主成分图像（a6）显示了*有效的显著信息；PCA获得的第七主成分图像（B7）显示了*有效的显著信息。结果表明，所提方法能自动、有效地挖掘人眼不易观察到的彩绘文物图案信息。

2、Hyperspectral imaging and analysis for sketch painting
素描画的高光谱成像与分析

该研究以两幅相似素描画为样本，一幅用2B铅笔绘制，另一幅用4B铅笔绘制。利用地面高光谱成像仪分别获取390nm–1025nm范围内的高光谱数据，并对两幅画的光谱特征进行分析比较。对于左下图样本1，每个图像中选择了两个均匀区域，如下所示，每个区域在两张图像中的位置相同，它们的灰度级别基本相同，而右下图是每个均匀区域的平均光谱反射率曲线。结果表明，高光谱成像极大地方便了获取绘画中不同材质的诊断光谱特征，通过高光谱分析可以有效地识别画作中的特定目标。同时，可以提取画作的直流特征和细节特征，有助于研究者分析画作的风格。

3、Deterioration identification of stone cultural heritage based on hyperspectral image texture features
基于高光谱图像纹理特征的石质文化遗产劣化识别

该研究基于高光谱图像，采用不同的算法建立了回弹值预测模型和劣化识别模型，并比较了不同波长选择方法和不同分类模型的效果。左下图利用400-1000nm的光谱曲线区分分层、风化（盐结晶）、生物定植和结皮。几种劣化的光谱曲线的吸收峰位置和数量存在明显差异；而右下图为砂岩文化遗产劣化类型的鉴定结果：（a）四种变质类型的算法的识别结果;（b）现场立柱的原始图像;（c）CAD统计对劣化类型的识别结果;（d）LGBM模型的恶化类型鉴定结果。*终结果表明，通过530nm和675nm波长构建的归一化光谱指数可以初步识别不同类型的劣化。此外，基于高光谱成像纹理特征的四种分类模型均能识别不同类型的劣化。

参考文献：

1. 纪录片《又见三星堆》

2. CCTV10科教访谈《无损检测技术》

3. https://DOI.org/10.1016/j.culher.2018.09.008

4. https://DOI.org/10.1016/j.ijleo.2020.164686

5. https://doi.org/10.1016/j.culher.2024.07.011