Un equipo de investigadores de la Universidad de Granada ha desarrollado el software ARTDET, una herramienta de inteligencia artificial destinada a detectar el deterioro en pinturas de caballete de manera automatizada. Esta software emplea deep learning y está diseñada para identificar daños como la pérdida de capa pictórica o identificar antiguas intervenciones en la obra, optimizando así los procesos de restauración. Este desarrollo se ha publicado en la revista SoftwareX, en un artículo titulado ‘ARTDET: Machine learning software for automated detection of art deterioration in easel paintings’ (en español, ARTDET: Software de aprendizaje automático para la detección automática del deterioro de las pinturas de caballete).

El sistema está diseñado para reducir significativamente el tiempo y el esfuerzo necesarios en la creación de mapas de deterioro.

El proyecto ha sido liderado por Francisco M. García Moreno, del Departamento de Lenguajes y Sistemas Informáticos (vinculado al CITIC), junto a Jesús Cortés Alcaraz y María Visitación Hurtado Torres, y a los expertos en conservación y restauración Luis Rodrigo Rodríguez Simón y José Manuel del Castillo de la Fuente, del Departamento de Pintura y Restauración. Según García Moreno, “ARTDET no pretende reemplazar el ojo experto, sino facilitar las tareas más laboriosas del proceso de documentación de daños, ofreciendo una herramienta complementaria y accesible para los restauradores que les permite reducir el tiempo de desarrollo que suponen las técnicas manuales existentes”.

La Inteligencia Artificial de ARTDET se entrenó con imágenes de alta resolución anotadas por restauradores, obteniendo un 80,4 % de precisión en la detección de daños y un 99 % de grado de confianza en las predicciones. “Nuestro objetivo es proporcionar a los restauradores una referencia rápida y precisa, en el proceso de documentación, que les permita orientar mejor sus intervenciones”, explica José Manuel del Castillo. “ARTDET”, añade, “complementa el trabajo manual de restauración, ofreciendo resultados que los expertos pueden verificar y ajustar fácilmente, combinando así lo mejor de ambos mundos, la tecnología y la experiencia humana”.

El sistema está diseñado para reducir significativamente el tiempo y el esfuerzo necesarios en la creación de mapas de deterioro (mapas de daños), un proceso que tradicionalmente es manual y consume muchas horas de trabajo. Tanto ARTDET como el conjunto de datos de pinturas con distintos tipos de deterioro están disponibles en acceso abierto. “Queremos que este proyecto sea un punto de partida para futuras mejoras, tanto en aspectos técnicos como en su aplicación en diferentes ámbitos de la conservación artística”, concluye García-Moreno.

Referencia:

García-Moreno, F. M., Cortés Alcaraz, J., del Castillo de la Fuente, J. M., Rodríguez-Simón, L. R., & Hurtado-Torres, M. V. (2024). ‘ARTDET: Machine learning software for automated detection of art deterioration in easel paintings’ SoftwareX, 28, 101917.