[發明專利]基于深度學習的歷代景德鎮青花瓷年代判別方法

在審

• 申請號: 202110765795.5
• 申請日: 2021-07-05
• 公開（公告）號: CN115587298A
• 公開（公告）日: 2023-01-10
• 發明（設計）人: 趙恒謙;胡志恒;鄭秋實
• 申請（專利權）人: 中國礦業大學（北京）
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/241;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的歷代景德鎮青花瓷年代判別方法，其特征在于：包括安裝有微信客戶端的移動設備、青花瓷年代判別助手小程序終端和云端服務器分析平臺；所述的移動設備通過使用微信客戶端加載運行青花瓷年代判別助手小程序終端，小程序通過移動設備的攝像頭拍攝待識別或者是保存于本地的青花瓷樣本圖像，上傳至云端服務器分析平臺，云端服務器分析平臺采用青花瓷深度學習神經網絡模型對待識別的青花瓷樣本圖像進行年代判別，并將判別結果返回到移動終端，并在青花瓷年代判別助手小程序終端顯示分析結果。

2.根據權利要求1所述的基于深度學習的歷代景德鎮青花瓷年代判別方法，其特征在于：所述的青花瓷年代判別助手小程序終端的界面由搜索、知識和我的組成；其中結果顯示區可列出置信度和瓷器特征。

3.根據權利要求1所述的基于深度學習的歷代景德鎮青花瓷年代判別方法，其特征在于：所述的云端服務器分析平臺包括有圖像接受與預處理模塊、深度神經網絡分析模塊和結果回送模塊；所述的圖像接受與預處理模塊用于接受暫存所述移動設備上傳的待識別青花瓷樣本圖像并進行識別前預處理，其中預處理的內容包括：調整大小、圖像歸一化；所述的結果回送模塊用于提取所述深度學習神經網絡分析模塊的分析結果數據，并整理成JSON格式經微信公眾平臺服務器轉送至所述青花瓷年代判別助手小程序終端。

4.根據權利要求1所述的基于深度學習的歷代景德鎮青花瓷年代判別方法，其特征在于，包括以下步驟：

步驟1：基于故宮博物院官網建立10類青花瓷不同年代的圖像數據集；

該10類青花瓷不同年代是指：明洪武時期、明天順時期、明永樂時期、明宣德時期、明成化時期、明嘉靖時期、明萬歷時期、清康熙時期、清雍正時期、清乾隆時期；

步驟2：采用10類青花瓷不同年代的的圖像數據集對卷積神經網絡進行訓練；

從數據集中隨機抽取圖像組成訓練集、驗證集和測試集，每個類別的比例為6：2：2；使用數據增強的方法擴充訓練集和測試集，利用增強后的訓練集和驗證集對簡化的VGG16網絡模型進行訓練，保存模型至系統中；并利用測試集對模型的性能進行評價；

步驟3：在微信小程序的基礎上建立青花瓷年代判別小助手，用戶使用小程序上傳圖像，通過上傳的訓練好的卷積神經網絡模型進行判別，返回判別結果置信度以及瓷器特征給用戶。

5.根據權利要求1所述的基于深度學習的歷代景德鎮青花瓷年代判別方法，其特征在于使用數據增強的方法來增強訓練集和測試集：隨機角度翻轉、添加隨機噪聲、增加亮度和對比度；通過數據增強的方法擴充訓練集和驗證機能緩解過擬合問題。

6.根據權利要求1所述的基于深度學習的歷代景德鎮青花瓷年代判別方法，其特征在于，所述VGG16的網絡結構由六個部分組成：第一部分、第二部分由兩個卷積層和一個maxpool池化層組成，每個卷積層的輸出后都有一個ReLu激活函數；第三至第五部分由三個卷積層和一個maxpool池化層構成；模型的輸入為224×224大小的圖片，所有卷積核大小均為3×3，步長為1；所有最大池化層的大小均為2×2，步長為2；第六部分為展開后的全連接層，由3個全連接層組成，前兩個全連接層節點個數分別為4096、4096、1000，第三個全連接層節點個數為4096、4096、10。