[发明专利]深度学习下的彩绘类文物成像高光谱无损检测与识别系统有效

专利信息
申请号: 202010062570.9 申请日: 2020-01-19
公开(公告)号: CN111175239B 公开(公告)日: 2021-01-15
发明(设计)人: 蓝金辉;罗帆;申小盼;张辉 申请(专利权)人: 北京科技大学
主分类号: G01N21/31 分类号: G01N21/31;G01N21/25;G01N21/17;G06K9/20
代理公司: 北京市广友专利事务所有限责任公司 11237 代理人: 张仲波
地址: 100083*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 深度 学习 彩绘 文物 成像 光谱 无损 检测 识别 系统
【说明书】:

发明提供一种深度学习下的彩绘类文物成像高光谱无损检测与识别系统,其包括镜头及滤波子系统、高速成像子系统和分析处理模块;其中,镜头及滤波子系统用于在高速成像子系统的控制下,采集文物的高光谱图像;高速成像子系统用于控制镜头及滤波子系统的工作参数,并实现高光谱图像的传输和存储;分析处理模块用于对采集的高光谱图像进行处理和分析,完成文物的识别与信息提取,并以图形界面的方式显示结果。本发明可对彩绘类文物进行快速识别与信息获取,实现一种专业化、成像化、快速测量与智能获取文物信息的检测与识别系统,满足文物保护与研究领域对文物类专用光谱仪的需求。

技术领域

本发明涉及目标分类与识别技术领域,特别是指一种深度学习下的彩绘类文物成像高光谱无损检测与识别系统。

背景技术

高光谱成像技术多用于壁画、古画、油画和古代手稿等彩绘类文物的识别与信息挖掘,目前在彩绘类文物高重现性无损检测与识别领域少有专用仪器。

而针对彩绘类文物,现有的光谱仪存在以下问题:1)成像波段范围较窄,不能完全覆盖文物研究所需波段;2)没有对有效波段进行选择,没有确定彩绘类文物有效光谱测量范围,光谱覆盖范围内有较多无用波段,造成大量的数据冗余,导致无用信息较多、处理速度较慢;3)仪器成像有效波段内光谱分辨率低,波段数少,不能满足对彩绘类文物的检测识别要求;4)设备没有集成彩绘类文物识别算法,无法获取文物参数,不能满足对文物分析与保护的需求。另外受技术和经验的限制,文物研究者虽然可以通过现有的光谱仪获得文物的高光谱数据,却无法分析处理得到有效结果。因此在彩绘类文物研究、保护领域亟需一种专用的高光谱成像高重现性无损检测与识别装置。

发明内容

本发明要解决的技术问题是提供一种深度学习下的彩绘类文物成像高光谱无损检测与识别系统,以至少部分解决现有成像光谱仪器所存在的体积大、成像速度慢和无法针对彩绘类文物进行现场快速识别的问题。

为解决上述技术问题,本发明提供如下技术方案:

一种深度学习下的彩绘类文物成像高光谱无损检测与识别系统,所述系统包括镜头及滤波子系统、高速成像子系统和分析处理模块;其中,

所述镜头及滤波子系统用于在所述高速成像子系统的控制下,采用自适应光谱快速探测技术对待测文物的高光谱图像进行采集;

所述高速成像子系统用于控制所述镜头及滤波子系统的工作参数,并实现对所述镜头及滤波子系统所采集的高光谱图像的传输和存储;

所述分析处理模块用于对采集的高光谱图像进行处理和分析,完成对待测文物的信息识别与信息提取,并以图形界面的方式显示识别及提取结果。

进一步地,所述镜头及滤波子系统包括前置镜头、宽谱段自抗扰分光器以及成像镜头;其中,

所述前置镜头用于在光源将成像波段光线投射在待测文物上后,采集待测文物大视场的图像数据,并将采集的图像数据聚焦在宽谱段自抗扰分光器上;

所述宽谱段自抗扰分光器选取所需波段将其图像呈现在所述成像镜头上进行成像,实现对待测文物的高光谱图像采集。

进一步地,所述宽谱段自抗扰分光器包括声光可调谐滤波器、自跟随前馈控制模块以及驱动模块;其中,

所述驱动模块与所述高速成像子系统通信连接,用于在所述高速成像子系统的控制下,为所述声光可调谐滤波器提供射频功率信号;

所述声光可调谐滤波器包括声光晶体和键合在其上的双路超声换能器,用于基于驱动模块提供的射频功率信号,通过超声换能器将电信号转换为超声信号后与入射复色光进行周期性调制,产生所需波长的衍射光;

所述自跟随前馈控制模块用于对超声换能器输出信号实现自跟随与矫正。

进一步地,所述宽谱段自抗扰分光器的设计,包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京科技大学,未经北京科技大学许可,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/202010062570.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top