[发明专利]一种基于对抗生成神经网络的单色釉瓷器自动识别方法

说明书

本发明公开了一种基于对抗生成神经网络的单色釉瓷器自动识别方法，首先，进行单色釉瓷器图片收集，实现图像数据预处理和数据集构建；然后，通过条件深度卷积生成对抗网络模型的构建和训练，获取其中判别器对于单色釉瓷器相关的关键鉴别性特征参数；之后，基于判别器基础上，构建结合Focal Loss损失函数的釉色分类器，并在构建的数据集上进行训练；最后，使用测试数据集对模型进行测试得到釉色识别结果，包括以下步骤：S1，图像数据预处理和数据集构建；S2，条件深度卷积生成对抗网络模型的构建和训练；S3，基于CDCGAN的单色釉瓷器图像分类模型构建和训练；S4，输入新的测试集中的单色釉瓷器图片，输出对应的釉色预测类别。

技术领域

本发明涉及一种基于对抗生成神经网络的单色釉瓷器自动识别方法，具体涉及对抗神经网络、深度学习领域技术的建模处理，应用于单色釉瓷器的釉色分类，属于陶瓷艺术与人工智能交叉领域。

背景技术

目前现有的三大国际色彩体系中，由于色彩模式不能完整的表达陶瓷釉色色彩的特征，不能准确涵盖与表述瓷器色彩的面貌，很难沿用唯一性对照的方式，建立与釉色名相对应的釉色数值参照体系，因此，均不能直接适用于表达瓷釉的色标。

产生上述问题的原因主要有以下两个方面。

一、陶瓷表面的颜色，除了受颜色影响，还收到材质等其他生产工艺的影响。

例如，窑变作为釉色的本体特征之一，既展现了釉色之美，又成为釉色辨识的关键。又如，郎红釉的流淌性产生的脱口、豇豆红釉自然生成的黑色斑点、茶叶末釉和兔毫釉的颗粒感、拉丝效果等。釉色的丰富性、变化性成为与其他色彩相比截然不同的特征。

单色瓷器的釉色与普通颜色的不同，釉色并非固定的颜色，也非某种单色，不能用固定的RGB数值来表述；同时，瓷色在光线、角度变化下产生的色彩相貌的变化，以及烧成氛围作用下釉色的相对不稳定性，也都增加了识别的难度。同时虽然釉色变化多端，无法用固定的数值进行表达，但是不同釉色之间依然具有一定的区分度，非陶瓷领域专家较难识别不同单色瓷器的釉色。

二、在长期历史中，在陶瓷领域内形成了独特的瓷器釉色命名与分类体系。

中国传统的五色观念中的瓷器釉色色彩分类体系，以红、青、黄、黑、白五色为参照建立的五色体系，每一类中又有数量繁多的瓷器釉色，具体为：

红(附紫)：祭红、霁红、积红、醉红、鸡红、宝石红、朱红、大红、鲜红、抹红、珊瑚、胭脂水、胭脂红、粉红、美人祭、豇豆红、桃花浪、桃花片、海棠红、娃娃脸、美人脸、杨妃色、淡茄、云豆、均紫、茄皮紫、葡萄紫、玫瑰紫、乳鼠皮、柿红、枣红、桔红、矾红、翻红、肉红、羊肝、猪肝、苹果青、苹果绿。(39种)

青(附蓝绿)：天青、东青、豆青、豆彩、梨青、蛋青、蟹甲青、虾青、毡毛青、影青、青花夹紫、新桔、瓜皮绿、哥绿、果绿、孔雀绿、翠羽、子母绿、菠菜绿、鹦哥绿、秋葵绿、松花绿、葡萄水、西湖水、积蓝、洒蓝、宝石蓝、玻璃蓝、鱼子蓝、抹蓝、海鼠色、鳖裙、褐绿、粉色褐。(34种)

黄：鹅黄、蛋黄、蜜蜡黄、鸡油黄、鱼子黄、牙色淡黄、金酱、芝麻酱、茶叶沫、鼻烟、菜尾、鳝鱼皮、黄褐色、老僧衣。(14种)

黑：黑彩、墨彩、乌金、古铜、墨褐、铁粽。(6种)

白：月白、鱼肚白、牙白、填白。(4种)

上述五色体系中的颜色命名，无法与国际色彩体系进行一一对应。

也正是由于上述釉色的特殊性，传统颜色识别方法无法有效进行识别。并且，现有技术也尚未存在符合陶瓷领域的门槛和专业知识的识别方法。导致上述问题的原因集中体现在，实现针对陶瓷色彩识别存在陶瓷釉色的多变性和数值化困难的问题。

解决上述问题，可以实现识别方法的标准化，可以构建普通民众与传统陶瓷器物之间的有效桥梁，从而获得实现促进传统陶瓷文化的传播具有重要意义。

发明内容