陶瓷表面显微特征提取系统设计.pdfVIP

人工智能

陶瓷表面显微特征提取系统设计

何为，肖书浩，孙琴

（武昌首义学院，湖北武汉，430064）

基金项目：湖北省教育厅科研计划项目“基于深度学习的古陶瓷视觉特征提取与识别系统的研发”（B2021352）；湖北省自然科学基金

面上项目“复杂纹理表面缺陷开集识别的流形分析及方法研究”（项目编号：2024AFB1050）。

摘要：本文为古陶瓷的断代提供一种有效的特征提取系统，采用深度学习方法，提取古陶瓷显微表面特征。根据古陶瓷表面特征专家的意

见，将收集到的瓷片数据并制作成标准数据集。使用在大量数据上训练好的带掩码的自编码器作为预训练模型，在下游分类任务中使用古

陶瓷表面特征数据集做精调，经过多次迭代训练，准确率可以逼近98%，可以为古陶瓷鉴定师辅助分期断代提供有力工具。

关键词：陶瓷断代；深度学习；特征提取

中图分类号：TP319  文献标识码：A

0引言

中国陶瓷历史悠久，是中国

的文化象征之一，也是千百年来

国内外一直追求与研究的对象。

近年来，随着科学技术的不断发

展，古陶瓷研究不再局限于传统

考古学方法，而是利用现代物理、

化学分析技术对古陶瓷的显微结

构、物理性能、热特性、化学组

成等内在属性进行测试分析，进图1 系统结构图

而对陶瓷内部携带的各种信息与明晚期明中期

特征开展研究工作。采用机器学

习的方法，提取古陶瓷显微照片

的表面特征技术为数字化描述古

陶瓷提供一个有效的参考工具，

并可以显著降低古陶瓷鉴定师的

劳动强度。

1系统结构

系统采用客户端服务器应用清白瓷清康熙

程序结构（C/S），应用程序提

供数据管理，用户交互，数据查

询等功能。数据管理功能采用对

象存储技术处理古陶瓷表面照片，

进行向量化处理并存入向量数据

库。客户端通过用户交互控制显

微相机采集古陶瓷表面的显微照

片数据上传到服务器，结束返回

数据并显示在客户端。图2 样本照片

■1.1古陶瓷数据集制作窑博物院正式揭牌。计划用1年半左右的时间，入库近万

2022年6月11日，景德镇古陶瓷基因库在景德镇御件明代御窑基因标本，之后用3~5年时间完成景德镇历年

www�ele169�com|31

人工智能

考古出土标本的基因入库工作。景德镇有着悠久的冶陶史，■1.2特征提取

起于2000多年前，绵延至当代，自中唐起，有着多年的官本文所采集的图像为古陶瓷的表面显微图片，在特征提

窑史、御窑史。在古陶瓷的相关专家的带领下我们在景德镇取时希望提取尽可能多的特征及特征间的关系，特征提取的

收集了不同时期、种类的瓷片：明晚期，明中期，清康熙，方法有很多，在深度学习之前，传统的图像特征提取方法主

青白瓷，其中明晚期100片，明中期60片，清康熙50片，要包括基于手工设计的特征和基于模型的方法。手工设计特

青白瓷110片。经过高倍显微相机采集每个瓷片上的表面征如SIFT、HOG、LBP等，它们在一定程度上能够描述图

特征数据，获得总数为18200张高清照片，其中明晚期图像的局部特征，但受限于特征的表达能力。基于模型的方法

片数5901张，明中期图片数4072张，清康熙图片数2650张，如支持向量机（SVM）、决策树等，它们需要大量的先验知

青白瓷图片数5577张，图片的宽为640像素，高为480像素。识和人工调参。基于深度学习的特征提取方法：卷积神经网

在图像分析和机器学习等领域像素的归一化均值与方络（CNN），生成对抗网络（GAN），但提取的特征具有

差是重要的统计特征，在机器学习中归一化均值和方差尤为[4]