建立基于深度学习的微观形态分类数据集并开发识别模型以确定矿物颜料的生产方法

20250917

科学研究和技术服务业

本项目基于对相同成分颜料的微观形貌图像进行高精度分析，利用多种人工智能算法实现颜料的自动识别与分类。目前，该技术已完成核心算法模型的开发和训练，并在实验环境中取得了稳定可靠的识别准确率。图像采集流程、数据预处理方法以及AI模型优化方案均已成熟，具备一定的工程化基础。现阶段，技术成果已处于中试阶段，具备向实际产业应用转化的条件。

本科技成果在转化过程中，需要合作方在以下方面提供支持： 资金支持：用于系统部署、后期优化及市场推广。 场地与设备：需具备电子显微镜(SEM)图像采集设备及AI计算平台。 人员支持：需要图像处理、人工智能模型优化以及产品工程化等领域的技术人员参与联合开发。 希望能与具备相关资源与产业背景的企业或研究机构建立合作，共同推动该技术的商业化落地。

可国（境）内外转让

该技术的成功转化可显著提升颜料材料领域中产品质量检测与分类效率，降低人工成本，提升识别精度和一致性。在艺术品鉴定、工业颜料生产、文物修复等多个领域具有广泛应用前景。经济效益方面，预计可为合作方带来新型AI检测服务收入增长，同时提升品牌技术竞争力；社会效益方面，有助于推动传统材料行业与人工智能技术的深度融合，促进科技成果产业化。

北京市自然科学基金外籍学者“汇智”项目

北京市科学技术委员会;中关村科技园区管理委员会

本研究旨在开发一种基于深度学习的矿物颜料制造技术识别模型，以应用于文化遗产中的颜料分析。通过构建大规模显微图像数据库，比较了AlexNet、GoogLeNet、ResNet50 和VGG16 四种卷积神经网络模型，结果显示VGG16 的识别准确率高达99.28%。该模型可实现天然与人工颜料的高效区分，减少人为误判，助力文物修复工作的科学决策。此外，研究建立了涵盖铜绿、朱砂和靛蓝等天然与合成颜料的理化与显微结构特征数据库，为不确定性评估和分析方法优化提供基础数据。通过矿物组成、颗粒形貌与粒径分布等指标，成功区分了不同制造工艺，尤其揭示了中韩朱砂颜料在粒径选择上的差异：中国产朱砂粒径分布广泛，而韩国则精选粒径均匀的颗粒。本研究还探讨了矿物原料的流通路径与加工方式，揭示了东亚文化技术交流中的非物质文化遗产联系。研究框架亦已扩展至书法、陶瓷与建筑图像识别，为文化遗产的智能化解读与数字保护提供新路径。