[发明专利]基于古代长沙窑陶瓷风格的可生产器型的智能生成算法在审
申请号: | 201811522226.2 | 申请日: | 2018-12-13 |
公开(公告)号: | CN110148207A | 公开(公告)日: | 2019-08-20 |
发明(设计)人: | 王胜春;鲁雯;余孝忠 | 申请(专利权)人: | 湖南师范大学 |
主分类号: | G06T17/00 | 分类号: | G06T17/00;G06N3/08;B28B17/00;B28B15/00 |
代理公司: | 长沙新裕知识产权代理有限公司 43210 | 代理人: | 梁小林 |
地址: | 410006 湖*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 智能生成 生产器 器形 算法 陶瓷 陶瓷生产工艺 整体生产效率 模块生成器 人工智能 参考模型 参数约束 轮廓曲线 神经网络 陶瓷设计 陶瓷生产 网络包括 低成本 生产性 数据集 子模块 构建 基样 风格 去除 文化遗产 参考 生产 | ||
本发明涉及一种基于古代长沙窑陶瓷风格的可生产器型的智能生成算法,属于人工智能、现代陶瓷设计、陶瓷生产工艺设计、文化遗产传承领域。本发明通过构建深度神经网络VesselNet,该网络包括2个子模块,一个子模块VesselShapeNet负责生成新的器形,另外一个VesselVertexNet模块生成器形的轮廓曲线,并通过最后的参数约束数据集去除不能生产的异常器形。本发明的优点在于,能够快速、低成本的生成大量参考模型,并保持其很高的可生产性。为陶瓷生产企业及设计师作参考与基样。提高整体生产效率。
技术领域
本发明涉及一种基于古代长沙窑陶瓷风格的可生产器型的智能生成算法,属于人工智能、现代陶瓷设计、陶瓷生产工艺设计、文化遗产传承领域。
背景技术
古代长沙窑陶瓷是我国唐宋代南方瓷窑。位于今湖南省长沙市望城区丁字镇彩陶源村。亦称“长沙窑”。产品主要是青瓷,生活用具种类很多。釉色有青、黄、白等色。并首创釉下彩器和在瓷器上彩绘的装饰技法。1978年50多天的调查发掘中。获得遗物2223件,按器形分44类,款式规格在百种以上。釉下彩绘和釉下彩饰占很大比例,有413件。实用器物、窑具、工具以轮制为主。瓷器胎多灰白,胎表大多涂有白色衬釉,瓷化程度高.纹饰有人物、山水、云气、花草、鸟兽等,美观大方。唐代长沙铜官窑的产品,在唐代商业都会扬州和对外贸易港口明州(今浙江宁波),以及江淮流域的唐代遗址和墓葬中,已有不少出土,在朝鲜、日本、印尼、伊朗、埃及也都有发现。
现代在长沙窑地区仍有大量的陶瓷产业,一方面以复刻古代长沙窑陶瓷器型为主,另一方面也开始发展生产现代器型,将传统的风格、器型与现代生活用具、茶具等器物相结合,形成新的产业增长点。目前面临的主要问题有,设计师人数较少、设计思路严重受现代器型影响,无法将传统长沙窑风格灵活运用于现代器型设计中。为解决此问题,在前期工作已经通过3维立体扫描仪构建了传统长沙窑器形库的基础上,提出一种从传统长沙窑器型智能生成可供现代生产的器形模型算法。能够快速、低成本的生成大量参考模型,并保持其很高的可生产性,为陶瓷生产企业及设计师作参考与基样,提高整体生产效率。
发明内容
本发明的目的是克服现有长沙窑陶瓷生产过程中的不足,提出一种从传统长沙窑器型智能生成可供现代生产的器形模型算法,能够快速、低成本的生成大量参考模型,并保持其很高的可生产性。为陶瓷生产企业及设计师作参考与基样。提高整体生产效率。
本发明通过以下技术方案实现,步骤1:(1)通过3D立体扫描仪对长沙窑器形进行3D建模,构成长沙窑3D立体器形参数库及平面图片库;
(2)从网络中以爬虫的方式收集到现代家用常用器形参数数据库,构成陶瓷日常用具3D器物库及平面图片库;
(3)与合作工厂工坊共同建立加工参数约束数据集,包含生产线及关键约束参数;
步骤2:构建深度神经网络VesselNet,该网络包括两个子模块,一个子模块VesselShapeNet负责生成新的器形,另外一个VesselVertexNet模块生成器形的轮廓曲线,并通过最后的参数约束数据集去除不能生产的异常器形;
步骤3:VesselShapeNet采用GAN(Generative Adversarial Network)生成对抗网络的思路来生成新的瓷器器形;GAN模型通过框架中的两个模块,即生成模型(GenerativeModel)和判别模型(Discriminative Model)的互相博弈学习产生好的输出,最终达到博弈中的纳什均衡;此时生成模型学习到的分布接近于原始数据分布,并用训练好的生成模型来生成新的数据样本;
步骤4:定义VesselShapeNet网络的生成模型结构,网络包含1个输入层,3个全连接层,1个输出层;
定义VesselShapeNet网络的判别模型结构,网络包含1个输入层,3个全连接层,1 个输出层;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖南师范大学,未经湖南师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811522226.2/2.html,转载请声明来源钻瓜专利网。
- 上一篇:多空间的融合方法
- 下一篇:一种基于中国数字人的鼻咽部放疗教学模型构建方法