馆藏文物的状态监测和预防性保护方法、系统及设备

1.本发明涉及文物保护技术领域，尤其涉及馆藏文物的状态监测和预防性保护方法、系统及设备。


背景技术：

2.目前，大多数馆藏文物监测装置及系统大多只是采集馆藏文物状态信息以及馆藏文物所处环境状态信信息，然后对这些数据进行处理后判断文物所处环境是否出现异常，如果出现异常，则进行预警。但对于文物本身是否已经发生了变化以及病害的类别和文物本身那块区域受到了病害的侵害并未给予说明，增加了工作人员在收到预警信息后采取措施时对文物造成二次伤害的可能性。但是如果能够在告警时指出病害的类别以及病害区域的位置则可以使得文物修复人员及时采取正确的修复措施从而减轻文物损害的程度和提高文物修复人员的工作效率。因此，告警时指出文物受到了那种病害的侵害以及病害区域的位置非常重要。
3.而现有技术需要人工一个个的对文物进病害区域进行识别，不能够准确且及时的发现文物出现病害，为了解决该技术问题现提出馆藏文物的状态监测和预防性保护方法、系统及设备。


技术实现要素：

4.为了解决上述现有技术中存在的技术问题，本发明提供了一种馆藏文物的状态监测和预防性保护方法、系统及设备。
5.为实现上述目的，本发明实施例提供了如下的技术方案：第一方面，在本发明提供的一个实施例中，提供了馆藏文物的状态监测和预防性保护方法，该方法包括以下步骤：s10、采集文物各个位置的待处理图像数据；s20、将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；s30、对所述区别图像数据进行病害种类识别，输出识别结果数据。
6.作为本发明的进一步方案，在采集文物各个位置的待处理图像数据；步骤之前还包括：获取文物周围环境数据，将文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求。
7.作为本发明的进一步方案，获取文物周围环境数据，将文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求，包括：对拍照环境光线进行获取，以获得实时拍照光线数据；将实时拍照光线数据与预设的比对光线数据进行比对，判断待处理图像数据获取实时拍照光线数据是否满足预设条件，若不满足预设条件则改变则发出控制光线控制信
号，对光线进行调整。
8.作为本发明的进一步方案，获取文物周围环境数据，将文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求，包括：对拍照环境空气湿度和温度进行获取，以获取实时拍照温湿度数据；将实时拍照温湿度数据与预设的比对温湿度数据进行比对，判断待处理图像数据获取拍照温湿度数据是否满足预设条件，若不满足预设条件，则发出控制光线控制信号，对空气温湿度进行调整。
9.作为本发明的进一步方案，所述对所述区别图像数据进行病害种类识别，输出识别结果数据，包括：利用深度学习模型对区别图像数据进行病害种类识别，输出识别结果数据。
10.作为本发明的进一步方案，在所述利用深度学习模型对区别图像数据进行病害种类识别，输出识别结果数据，之前还包括：对所述深度学习模型进行模型训练。
11.作为本发明的进一步方案，对所述深度学习模型进行模型训练，包括：s301、获取预训练集，所述预训练集包括文物图像集和文物图像集中图像一一对应的穷害识别结果集；其中文物图像集包括具有缺陷的文物图像子集一和不含有缺陷的文物图像子集二；s302、利用所述训练集对深度学习模型进行训练，获得深度学习模型输出的训练判断结果数据；s303、根据所述训练判断结果数据与穷害识别结果集进行比对，获得比对结果数据；判断比对结果数据满足设定需求；若满足，则完成深度学习模型进行训练；若不满足，根据比对结果数据调整深度学习模型的权重参数。
12.本发明提供的馆藏文物的状态监测和预防性保护方法，该方法包括采集文物各个位置的待处理图像数据；将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；对所述区别图像数据进行病害种类识别，输出识别结果数据；本发明将文物检测状态的图片与预存图像数据进行比对，能够快速准确的发现文物表面是否发生变化，然后获取发生变化的图像数据进行识别，如此进而能够准确快速的识别出病害种类；本发明提高了病害种类识别效率和准确性。
13.第二方面，在本发明提供的又一个实施例中，提供了馆藏文物的状态监测和预防性保护系统，该系统包括：数据采集模块、类比处理模块和病害种类识别模块；所述数据采集模块，用于采集文物各个位置的待处理图像数据；所述类比处理模块，用于将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；所述病害种类识别模块，用于对所述区别图像数据进行病害种类识别，输出识别结果数据。
14.作为本发明的进一步方案，所述数据采集模块，还用于获取文物周围环境数据，将文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求，若满足要求则采集文物各个位置的待处理图像数据。
15.第三方面，在本发明提供的又一个实施例中，提供了一种电子设备，包括存储器和
处理器，所述存储器存储有计算机程序，所述处理器加载并执行所述计算机程序时实现馆藏文物的状态监测和预防性保护方法的步骤。
16.第四方面，在本发明提供的再一个实施例中，提供了一种存储介质，存储有计算机程序，所述计算机程序被处理器加载并执行时实现所述馆藏文物的状态监测和预防性保护方法的步骤。
17.本发明提供的技术方案，具有如下有益效果：本发明提供的馆藏文物的状态监测和预防性保护方法、系统及设备，该方法包括采集文物各个位置的待处理图像数据；将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；对所述区别图像数据进行病害种类识别，输出识别结果数据；本发明将文物检测状态的图片与预存图像数据进行比对，能够快速准确的发现文物表面是否发生变化，然后获取发生变化的图像数据进行识别，如此进而能够准确快速的识别出病害种类；本发明提高了病害种类识别效率和准确性。
18.本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
19.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
20.图1为本发明一个实施例的馆藏文物的状态监测和预防性保护方法的流程图。
21.图2为本发明一个实施例的馆藏文物的状态监测和预防性保护方法步骤s30的具体流程图。
22.图3为本发明一个实施例的馆藏文物的状态监测和预防性保护系统的结构框图。
23.图4为本发明一个实施例的一种电子设备的结构框图。
24.图中：数据采集模块-100、类比处理模块-200、病害种类识别模块-300、处理器-401、通信接口-402、存储器-403、通信总线-404。
实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
26.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
27.应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
28.具体地，下面结合附图，对本发明实施例作进一步阐述。
29.请参阅图1，图1是本发明实施例提供的一种馆藏文物的状态监测和预防性保护方法的流程图，如图1所示，该馆藏文物的状态监测和预防性保护方法包括步骤s10至步骤s30。
30.s10、采集文物各个位置的待处理图像数据；在本发明的实施例中，在采集文物各个位置的待处理图像数据；步骤之前还包括：获取文物周围环境数据，将文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求。
31.在本发明的实施例中，获取文物周围环境数据，将文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求，包括：对拍照环境光线进行获取，以获得实时拍照光线数据；将实时拍照光线数据与预设的比对光线数据进行比对，判断待处理图像数据获取实时拍照光线数据是否满足预设条件，若不满足预设条件则改变则发出控制光线控制信号，对光线进行调整。具体的是判断实时拍照光线数据是否与初始图像数据获取的环境一致，避免影响结果。
32.可以判断待处理图像数据的获取实时拍照光线数据是否与比对光线数据一致。
33.在本发明的实施例中，获取文物周围环境数据，将文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求，包括：对拍照环境空气湿度和温度进行获取，以获取实时拍照温湿度数据；将实时拍照温湿度数据与预设的比对温湿度数据进行比对，判断待处理图像数据获取拍照温湿度数据是否满足预设条件，若不满足预设条件，则发出控制光线控制信号，对空气温湿度进行调整。
34.可以判断待处理图像数据获取的实时拍照温湿度数据是否与比对温湿度数据一致。进而保证实时拍照光线数据是否与初始图像数据获取的环境一致，避免影响结果。
35.s20、将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；s30、对所述区别图像数据进行病害种类识别，输出识别结果数据。
36.在本发明的实施例中，所述s30、对所述区别图像数据进行病害种类识别，输出识别结果数据，包括：利用深度学习模型对区别图像数据进行病害种类识别，输出识别结果数据。
37.所述深度学习模型可以包括病虫害识别模型和病虫害分类模型。病虫害识别模型用于对发现文物上的病虫害区域，然后再通过病虫害分类模型进行识别。
38.在本发明的实施例中，病虫害识别模型可以为se-densenet；所述病虫害分类模型可以为se-c-densenet。
39.在所述利用深度学习模型对区别图像数据进行病害种类识别，输出识别结果数据，之前还包括：对所述深度学习模型进行模型训练。
40.请参阅图2，对所述深度学习模型进行模型训练，包括：s301、获取预训练集，所述预训练集包括文物图像集和文物图像集中图像一一对
应的穷害识别结果集；其中文物图像集包括具有缺陷的文物图像子集一和不含有缺陷的文物图像子集二；s302、利用所述训练集对深度学习模型进行训练，获得深度学习模型输出的训练判断结果数据；s303、根据所述训练判断结果数据与穷害识别结果集进行比对，获得比对结果数据；判断比对结果数据满足设定需求；若满足，则完成深度学习模型进行训练；若不满足，根据比对结果数据调整深度学习模型的权重参数。
41.卷积神经网络是一种具有强大特征提取能力的深度学习模型，即对训练完成的模型输入待测试样本，便可在短时间内输出期望结果。cnn 模型包含输入层、卷积层、池化层、全连接层和输出层此五种基本结构，而一个基本的网络结构拥有多个交替排列的卷积层和池化层，并通常在最后几层添加全连接层。梯度下降法是深度学习模型训练参数的主要方式，可以缩小网络输出值与真实值的差异，进而学习到图像中的特征。
42.全连接层将神经元与卷积层池化层相连接，位于隐藏层的最后位置，其对不同卷积层提取的特征进行重新整合，目的是对特征信息完成分类或者回归操作。另外在特征分类后采用一个或者多个全连接层，并将信息传递到输出层生成结果。针对不同的问题，需要采用不同结构的网络模型，而且需要调整参数，数据增强等工作，进而达到最好的效果。
43.densenet由稠密块(dense block)与过渡层(transition)共同组成，为了能够保证模型对不同层的特征图进行连接的过程中仍保持相同特征图尺寸，同时完成图像下采样的任务，模型在稠密块中的特征图尺寸不发生变化，而在不同的稠密块之间构建过渡层，特征图通过平均池化的方式缩小自身尺寸。模型极大地减弱了梯度消失的现象，这得益于模型稠密的连接方式与模型结构，densenet 将不同层相互连接，保证了传输特征信息最大化，从而获取了更好的抗过拟合特性。
44.本发明提供一种馆藏文物的状态监测和预防性保护方法，包括采集文物各个位置的待处理图像数据；将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；对所述区别图像数据进行病害种类识别，输出识别结果数据；本发明将文物检测状态的图片与预存图像数据进行比对，能够快速准确的发现文物表面是否发生变化，然后获取发生变化的图像数据进行识别，如此进而能够准确快速的识别出病害种类；本发明提高了病害种类识别效率和准确性。
45.应该理解的是，上述虽然是按照某一顺序描述的，但是这些步骤并不是必然按照上述顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，本实施例的一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
46.在一个实施例中，参见图3所示，在本发明的实施例中还提供了馆藏文物的状态监测和预防性保护系统，该系统包括数据采集模块100、类比处理模块200和病害种类识别模块300。
47.所述数据采集模块100，用于采集文物各个位置的待处理图像数据。
48.在本发明的实施例中，所述数据采集模块100，还用于获取文物周围环境数据，将
文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求，若满足要求则采集文物各个位置的待处理图像数据。
49.所述类比处理模块200，用于将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据。
50.所述病害种类识别模块300，用于对所述区别图像数据进行病害种类识别，输出识别结果数据。
51.在本发明的实施例中，所述病害种类识别模块300，用于利用深度学习模型对区别图像数据进行病害种类识别，输出识别结果数据。
52.所述深度学习模型可以包括病虫害识别模型和病虫害分类模型。病虫害识别模型用于对发现文物上的病虫害区域，然后再通过病虫害分类模型进行识别。
53.在本发明的实施例中，病虫害识别模型可以为se-densenet；所述病虫害分类模型可以为se-c-densenet。
54.在所述利用深度学习模型对区别图像数据进行病害种类识别，输出识别结果数据，之前还包括：对所述深度学习模型进行模型训练。
55.所述对所述深度学习模型进行模型训练，包括：s301、获取预训练集，所述预训练集包括文物图像集和文物图像集中图像一一对应的穷害识别结果集；其中文物图像集包括具有缺陷的文物图像子集一和不含有缺陷的文物图像子集二；s302、利用所述训练集对深度学习模型进行训练，获得深度学习模型输出的训练判断结果数据；s303、根据所述训练判断结果数据与穷害识别结果集进行比对，获得比对结果数据；判断比对结果数据满足设定需求；若满足，则完成深度学习模型进行训练；若不满足，根据比对结果数据调整深度学习模型的权重参数。
56.本发明提供一种馆藏文物的状态监测和预防性保护系统，其采集文物各个位置的待处理图像数据；将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；对所述区别图像数据进行病害种类识别，输出识别结果数据；本发明将文物检测状态的图片与预存图像数据进行比对，能够快速准确的发现文物表面是否发生变化，然后获取发生变化的图像数据进行识别，如此进而能够准确快速的识别出病害种类；本发明提高了病害种类识别效率和准确性。
57.在一个实施例中，参见图4所示，在本发明的实施例中还提供了一种电子设备，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信。
58.存储器403，用于存放计算机程序；处理器401，用于执行存储器403上所存放的计算机程序时，执行所述的基于人工智能的文物图像复原方法，该处理器执行指令时实现上述方法实施例中的步骤：s10、采集文物各个位置的待处理图像数据；s20、将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；
s30、对所述区别图像数据进行病害种类识别，输出识别结果数据。
59.上述终端提到的通信总线可以是外设部件互连标准(peripheral componentinterconnect，简称pci)总线或扩展工业标准结构(extended industry standardarchitecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
60.通信接口用于上述终端与其他设备之间的通信。
61.存储器可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
62.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specificintegrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
63.所述电子设备包括用户设备与网络设备。其中，所述用户设备包括但不限于电脑、智能手机、pda等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(cloud computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述电子设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他电子设备的交互操作来实现本发明。其中，所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、vpn网络等。
64.还应当进理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
65.在本发明的一个实施例中还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的步骤：s10、采集文物各个位置的待处理图像数据；s20、将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；s30、对所述区别图像数据进行病害种类识别，输出识别结果数据。
66.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。
67.应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。上述本发明实施例公开实施例序号仅
仅为了描述，不代表实施例的优劣。
68.本发明提供一种馆藏文物的状态监测和预防性保护方法、系统及设备，其采集文物各个位置的待处理图像数据；将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；对所述区别图像数据进行病害种类识别，输出识别结果数据；本发明将文物检测状态的图片与预存图像数据进行比对，能够快速准确的发现文物表面是否发生变化，然后获取发生变化的图像数据进行识别，如此进而能够准确快速的识别出病害种类；本发明提高了病害种类识别效率和准确性。
69.所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围（包括权利要求）被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

技术特征：
1.一种馆藏文物的状态监测和预防性保护方法，其特征在于，该方法包括：s10、采集文物各个位置的待处理图像数据；s20、将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；s30、对所述区别图像数据进行病害种类识别，输出识别结果数据。2.如权利要求1所述的馆藏文物的状态监测和预防性保护方法，其特征在于，在采集文物各个位置的待处理图像数据；步骤之前还包括：获取文物周围环境数据，将文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求。3.如权利要求2所述的馆藏文物的状态监测和预防性保护方法，其特征在于，获取文物周围环境数据，将文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求，包括：对拍照环境光线进行获取，以获得实时拍照光线数据；将实时拍照光线数据与预设的比对光线数据进行比对，判断待处理图像数据获取实时拍照光线数据是否满足预设条件，若不满足预设条件则改变则发出控制光线控制信号，对光线进行调整。4.如权利要求2所述的馆藏文物的状态监测和预防性保护方法，其特征在于，获取文物周围环境数据，将文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求，包括：对拍照环境空气湿度和温度进行获取，以获取实时拍照温湿度数据；将实时拍照温湿度数据与预设的比对温湿度数据进行比对，判断待处理图像数据获取拍照温湿度数据是否满足预设条件，若不满足预设条件，则发出控制光线控制信号，对空气温湿度进行调整。5.如权利要求1所述的馆藏文物的状态监测和预防性保护方法，其特征在于，所述对所述区别图像数据进行病害种类识别，输出识别结果数据，包括：利用深度学习模型对区别图像数据进行病害种类识别，输出识别结果数据。6.如权利要求5所述的馆藏文物的状态监测和预防性保护方法，其特征在于，在所述利用深度学习模型对区别图像数据进行病害种类识别，输出识别结果数据，之前还包括：对所述深度学习模型进行模型训练。7.如权利要求6所述的馆藏文物的状态监测和预防性保护方法，其特征在于，对所述深度学习模型进行模型训练，包括：s301、获取预训练集，所述预训练集包括文物图像集和文物图像集中图像一一对应的穷害识别结果集；其中文物图像集包括具有缺陷的文物图像子集一和不含有缺陷的文物图像子集二；s302、利用所述训练集对深度学习模型进行训练，获得深度学习模型输出的训练判断结果数据；s303、根据所述训练判断结果数据与穷害识别结果集进行比对，获得比对结果数据；判断比对结果数据满足设定需求；若满足，则完成深度学习模型进行训练；若不满足，根据比对结果数据调整深度学习模型的权重参数。
8.一种馆藏文物的状态监测和预防性保护系统，其特征在于，该系统包括：数据采集模块、类比处理模块和病害种类识别模块；所述数据采集模块，用于采集文物各个位置的待处理图像数据；所述类比处理模块，用于将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；所述病害种类识别模块，用于对所述区别图像数据进行病害种类识别，输出识别结果数据。9.如权利要求8所述的馆藏文物的状态监测和预防性保护系统，其特征在于，所述数据采集模块，还用于获取文物周围环境数据，将文物周围环境数据与预设的比对环境数据进行比对，判断待处理图像数据获取环境是否满足要求，若满足要求则采集文物各个位置的待处理图像数据。10.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器加载并执行所述计算机程序时实现如权利要求1-7任一项所述的馆藏文物的状态监测和预防性保护方法的步骤。

技术总结
本发明涉及文物保护技术领域，具体涉及馆藏文物的状态监测和预防性保护方法、系统及设备。该方法包括以下步骤：S10、采集文物各个位置的待处理图像数据；S20、将待处理图像数据与预存的文物各个位置的初始图像数据进行类比，以获得区别图像数据；S30、对所述区别图像数据进行病害种类识别，输出识别结果数据。本发明将文物检测状态的图片与预存图像数据进行比对，能够快速准确的发现文物表面是否发生变化，然后获取发生变化的图像数据进行识别，如此进而能够准确快速的识别出病害种类；本发明提高了病害种类识别效率和准确性。提高了病害种类识别效率和准确性。提高了病害种类识别效率和准确性。


技术研发人员：卢世主 郭雨晴 方文成 易晓列 张继发 黄秋雨
受保护的技术使用者：广东工业大学
技术研发日：2023.08.22
技术公布日：2023/10/20