一种基于深度学习的书画文物霉菌自动检测方法OACHSSCD

霉菌病害是书画类文物保存中的核心风险。目前对此类病害的检测仍主要依赖人工操作,但人工检测效率低、主观性强,肉眼更难以捕捉初期的霉点。针对这一技术瓶颈,Razak等研究开发了一种专门针对书画霉菌的自动检测工具——霉菌特征适配型分割网络(Mold Segmentation Network,MSN),采用专门针对文物病害设计的15层轻量化卷积神经网络,用于对高分辨率数字化扫描图像中的霉菌区域实现亚毫米级像素分割。此外,研究还致力于解决现有深度学习模型(如U-Net、FCN)过于复杂、难以捕捉书画表面细微霉菌特征的问题,构建霉菌图像数据集(MID),填补利用普通RGB图像进行霉菌分割的空白,提供一种计算成本低、可在普通硬件上运行的解决方案,以辅助文物保护人员进行早期生物劣化监测。