来源：期刊VIP网 时间：
作者：邓旭帅;李子璇;张云春;沐蕊;
单位：云南大学历史与档案学院;云南大学软件学院;云南省博物馆;
摘要：针对书画文物保护工作中人工病害调查和病害图绘制效率低的问题，探索了基于深度神经网络的目标检测技术识别书画病害的可行性。选择YOLOv5系列模型并根据本研究任务特点对其结构做了优化，包括FGSM算法、CmBN策略、Dropblock正则化和CIOU_-Loss损失函数。利用博物馆馆藏书画文物素材，融合Mosaic数据增强方法进行书画文物图片的增强，设计了滑动窗口检测技术、图像逐层分析和定位裁剪技术，初步训练出了2个具备病害识别功能的模型，根据模型性能检验指标最终选择了YOLOv5x6作为本研究任务的模型。测试结果表明，该模型以较高的准确率和查全率识别出了待检测病害，用时仅为人工的千分之一。该技术的引入可极大提高文物病害识别效率，并且在病害识别过程中保持客观、稳定的标准。
关键词：病害识别;;目标检测;;图像处理;;YOLOv5;;深度神经网络
基金资助：国家档案局科技项目计划(2021-B-03、2022-B-002)
