Spectrally Enriched 3D Models for Representation and Interpretation of Elemental Data in Augmented Reality

Imagina que sostienes en tus manos un artefacto frágil y centenario. Podría ser un fragmento de cerámica pintada, una pieza delicada de joyería o un modelo botánico hecho de papel y pegamento. Para comprender de qué está hecho, los científicos suelen utilizar una técnica llamada Espectroscopía de Plasma Inducido por Láser. Este método funciona disparando pulsos de luz de alta energía, muy pequeños, a la superficie de un objeto. Cada pulso vaporiza una cantidad microscópica de material, creando un breve destello de plasma que revela los elementos químicos presentes en ese punto exacto. Es una herramienta poderosa para desentrañar la historia de los materiales, desde la identificación de pigmentos antiguos hasta la detección de minerales traza. Sin embargo, hay un inconveniente: el proceso deja un pequeño cráter donde el láser impactó. Si un científico quiere mapear toda la superficie de un objeto para ver cómo cambia su composición de un área a otra, debe disparar miles de estos pulsos. En una superficie plana y resistente, esto podría ser aceptable. Pero en un objeto frágil, curvo o tridimensional, el efecto acumulativo de miles de pequeños cráteres puede causar daños visibles, alterando el mismo objeto que los investigadores intentan estudiar.

El desafío, entonces, es aprender todo lo posible sobre la composición química de un objeto sin destruirlo. Para objetos planos, los investigadores han desarrollado un ingenioso truco: toman una fotografía, usan una computadora para agrupar colores de apariencia similar y luego disparan el láser solo en unos pocos puntos representativos dentro de cada grupo. Esto reduce significamente el número de disparos necesarios. Pero este enfoque falla cuando el objeto no es plano. Una fotografía aplana el mundo, ocultando las curvas, los bultos y las esquinas ocultas de un objeto real. Si intentas mapear una superficie curva usando solo una imagen plana, podrías agrupar dos áreas que se ven similares en la foto pero que están lejos una de la otra en el objeto real, o podrías perder un detalle crucial oculto en una sombra o en una curva cóncava. Para resolver esto, un equipo de investigadores del INESC TEC y de la Universidad de Porto, en Portugal, ha desarrollado una nueva forma de analizar estas formas complejas. Han ido más allá de las imágenes planas y han creado un sistema que comprende la verdadera forma tridimensional de un objeto, permitiéndoles mapear su química con muchos menos disparos de láser y un riesgo de daño significativamente menor.

Los investigadores probaron su nuevo método en un objeto específico y delicado: un modelo de papel maché del siglo XIX de un hongo, específicamente de la Amanita muscaria, que se encuentra en el Museo de Historia Natural y Ciencia de la Universidad de Porto. El modelo está hecho de dos piezas separadas, un tallo y un sombrero, y fue creado originalmente para exhibición educativa. Debido a que el material es frágil y el objeto tiene una forma redondeada compleja, fue un candidato ideal para este experimento. El equipo comenzó creando un gemelo digital preciso del hongo. Utilizando un escáner 3D que proyecta luz láser azul, capturaron la geometría exacta y la textura de la superficie del objeto. Este proceso produjo un modelo digital detallado que incluía no solo la forma, sino también el color y los detalles finos de la superficie, almacenados como un mapa de textura de alta resolución envuelto alrededor de la forma 3D.

Con el modelo digital en mano, el equipo enfrentó la tarea de decidir dónde disparar el láser. En lugar de mirar una fotografía plana, miraron directamente al modelo 3D. Utilizaron un algoritmo computacional para dividir la superficie del hongo en miles de parches diminutos e irregulares llamados superpíxeles. Crucialmente, este algoritmo no solo observó el color; también consideró la ubicación física de cada parche en el espacio tridimensional. Aseguró que un parche rojo en el sombrero del hongo no se agrupara con un parche rojo en el tallo si estaban lejos entre sí en la realidad, incluso si se veían similares en una imagen plana. Este paso creó un mapa del objeto que respetaba su verdadera geometría, preservando los límites entre las diferentes partes del hongo mientras mantenía la superficie dividida en regiones manejables y coherentes.

Una vez que la superficie fue dividida en estos parches con conciencia geométrica, el equipo simplificó los datos. Calcularon el color promedio para cada parche y luego agruparon los parches en grupos más grandes basados en qué tan similares eran sus colores. Este proceso redujo la complejidad de la superficie del hongo de millones de píxeles individuales a un número mucho menor de regiones distintas. El resultado fue una segmentación que identificó las principales áreas visuales del objeto, como el sombrero rojo con manchas blancas y el tallo blanco, respetando al mismo tiempo las curvas y contornos del modelo físico. De cada uno de estos grupos finales, los investigadores seleccionaron solo uno o unos pocos puntos representativos para analizarlos con el láser.

Esta estrategia condujo a una reducción dramática en el número de disparos de láser requeridos. En lugar de escanear toda la superficie con más de 221,000 puntos potenciales, lo que habría dejado el frágil papel maché lleno de cráteres, el equipo seleccionó solo 40 disparos específicos. Estos 40 disparos fueron suficientes para capturar la información química esencial de todo el objeto. Al analizar la luz emitida de estos pocos puntos, pudieron inferir la composición elemental de las áreas circundantes dentro de cada grupo. Los pulsos del láser se configuraron a un nivel de energía bajo, creando puntos de ablación de solo unos 300 micrómetros de diámetro, asegurando que el daño fuera microscópico y localizado.

El paso final fue devolverle la vida a estos datos de una manera que sea fácil de entender. El equipo mapeó los resultados de sus 40 disparos de láser de vuelta al modelo digital 3D. Luego utilizaron tecnología de realidad aumentada para visualizar los hallazgos. Al usar un visor especializado, un usuario podía mirar el hongo digital flotando en el espacio y ver los diferentes grupos químicos resaltados directamente en su superficie. La interfaz le permitía rotar el modelo, acercarse y seleccionar elementos específicos para ver dónde se encontraban. Esto proporcionó una vista espacialmente contextualizada, permitiendo a expertos y no expertos ver exactamente cómo la composición química se relacionaba con la forma física y la textura.

El estudio demuestra que es posible extender los beneficios del muestreo inteligente de imágenes planas y bidimensionales a objetos complejos y tridimensionales. Al incorporar la geometría real de un objeto en el análisis, los investigadores pueden evitar las distorsiones y errores que provienen de aplanar una superficie curva. Este enfoque no solo ahorra tiempo; cambia fundamentalmente la relación entre el análisis y la preservación. Permite a los científicos recopilar datos químicos ricos y detallados espacialmente de objetos históricos frágiles sin someterlos al daño acumulativo de un escaneo completo. El trabajo sugiere un nuevo camino hacia adelante para la ciencia del patrimonio cultural, donde se prioriza la integridad del objeto y donde las herramientas de análisis se adaptan a la naturaleza verdadera y tridimensional del mundo que intentamos comprender.