Применение технологии гиперспектральной визуализации для идентификации пигментов в культурных реликвиях

Получить предложение

Pусский

Location：

2024-11-29 13:39

Моя страна — страна с древней цивилизацией, насчитывающей 5000 лет. За долгую историю люди сохранили эти культурные цивилизации в большом

количестве каллиграфии, картин и фресок и показали их красоту и ценность нынешнему и будущим поколениям. В этой богатой каллиграфии и картинах

красочные цвета — это материалы, которые люди дают себе смело представлять и творить. Это красочное пространство ярко выражается с помощью

различных пигментов и различных техник. Если тема живописи является духовным источником каждой каллиграфии, картины и фрески, то богатые пиг

менты являются прочной материальной поддержкой каждой каллиграфии, картины и фрески. Изучение и идентификация древних пигментов — это

процесс изучения развития древней цивилизации. Использование пигментов в разных династиях и регионах тесно связано и постоянно движется вперед.

Возраст культурных реликвий можно вывести из материальной идентификации пигментов, а смену династий и региональное развитие можно вывести из

использования и изменений пигментов между различными культурными реликвиями. В этой статье используется технология гиперспектральной

визуализации для проведения неразрушающего исследования идентификации древних пигментов, используются гиперспектральные камеры для сбора

данных каллиграфии, живописи и фресок, а также неразрушающее определение пигментов путем создания спектральной базы данных и технологии

спектрального сопоставления.

В этом исследовании применялась гиперспектральная камера 400–1000 нм, а продукт FS13 компании Hangzhou Caipu Technology Co., Ltd. может использо

ваться для связанных исследований. Спектральный диапазон составляет 400–1000 нм, разрешение по длине волны лучше 2,5 нм и до 1200 спектральных

каналов. Скорость сбора данных может достигать 128 кадров в секунду в полном спектре, а максимальная частота после выбора полосы составляет 3300

Гц (с поддержкой выбора полосы в нескольких регионах).

Возможность идентификации культурных реликвий на основе спектроскопии отражения пигмента должна начинаться с микроскопической структуры пигментного слоя фресок, каллиграфии и живописи. Пигментный слой фресок, каллиграфии и живописи состоит из частиц (пигментов), клеев и добавок. Роль клеев заключается в склеивании частиц и улучшении механической прочности материала. Добавки используются для улучшения эксплуатационных и рабочих свойств материала.

Поскольку культурные реликвии подвергались крещению годами и долгое время находились на воздухе, связующее вещество в пигментном слое постепенно разрушалось и окислялось. Поэтому сбор данных пигментного слоя культурных реликвий можно грубо отнести к сбору только твердых частиц (пигмента). Поэтому идентификация пигментов на основе отражательной спектроскопии естественным образом исключает влияние связующих веществ на пигментный спектр, так что спектры пигментов культурных реликвий можно сравнивать, создавая стандартную библиотеку пигментных спектров из лаборатории для получения результатов идентификации. Более сложный, но абсолютно эффективный способ идентификации пигментов с использованием спектрального отражения - это создание большой спектральной базы данных. Спектральная база данных должна содержать не только спектральные данные чистых пигментов, но и спектральные данные смешанных пигментов разных видов. В то же время следует учитывать влияние клея и квасцов на пигментный слой. Поэтому необходимо собрать большой объем экспериментальных данных, но одного этого далеко недостаточно, поскольку пигментный слой на поверхности древних культурных реликвий сложный, не только пигменты, но и окисленный клей. В давно не отремонтированных фресках храмов и фресках подземных гробниц в пигментном слое будет другая пыль и остатки бактериальной коррозии, которые чрезвычайно распространены на поверхности культурных реликвий. Из-за сложности и изменчивости этих многочисленных факторов создание полной библиотеки спектров пигментов — это не работа одного дня, а требует многих лет дополнений и улучшений. К счастью, когда я изучал каллиграфию и живопись династии Мин, я обнаружил, что результаты спектрального соответствия относительно чистых минеральных пигментов на каллиграфии и живописи были очень хорошими, поэтому идея и цель этого исследования — изучить спектр чистых пигментов. Частичная карта этой каллиграфии и живописи династии Мин и результаты спектрального соответствия перечислены ниже:

Данные, собранные гиперспектральной камерой, также называются кубом гиперспектрального изображения. Он состоит из изображений разных диапазонов. Направление стрелки — это направление его полосы, от полосы видимого света до полосы ближнего инфракрасного диапазона. Данные состоят из десятков или тысяч изображений разных диапазонов в одной области, наложенных друг на друга. Спектральная кривая любого пигмента может быть получена с помощью данных гиперспектрального изображения, а затем распределение целевого вещества в пространстве может быть получено с помощью спектральной кривой любого пигмента с помощью алгоритма классификации. Мы выбираем пиксели с разными пигментами на изображении, чтобы получить спектральную кривую, соответствующую пикселю. Мы выбираем спектральную кривую, соответствующую золоту, а затем используем алгоритм заполнения спектрального угла, чтобы установить порог сходства соответствия на 0,1, чтобы получить распределение золотого пигмента в пространстве изображения.

Эффекты инструментального шума

В процессе сбора данных реальных приборов, поскольку собирается много данных, невозможно захватить соответствующий файл темнового тока для

каждого изображения. Изучение изменяющегося закона шума прибора помогает разумно распределить время для сбора данных темнового тока в

процессе сбора проекта, что экономит время сбора и повышает эффективность работы, обеспечивая при этом качество сбора данных.

Экспериментальный план: разместить камеру в помещении, смоделировать среду сбора на открытом воздухе для сбора данных темнового тока и строго

закрыть объектив камеры крышкой объектива. Собирать данные темнового тока один раз в интервал. План настройки времени сбора темнового тока

Собранные данные темнового тока обрабатываются следующим образом: темновой ток в другие моменты времени вычитается из первого темнового тока, и вычисляется среднее значение каждой полосы (400 нм-1000 нм) вычтенных данных, а затем среднее значение каждой полосы наносится на график в виде кривой для наблюдения за изменениями темнового тока в различных полосах. Экспериментальные результаты:

Экспериментальные результаты показывают, что среднее значение данных темнового тока в каждой полосе (400 нм-1000 нм) после вычитания почти равно 0, а максимальная флуктуация не превышает 0,4, что означает, что изменение темнового тока в разные периоды времени почти равно нулю, и оно почти не оказывает прямого влияния на изменение экспериментальных данных.

Экспериментальное вдохновение: рабочие характеристики гиперспектральной камеры VNIR400H стабильны, а темновой ток не сильно меняется. Он остается на стабильном значении. Нет необходимости слишком сильно учитывать влияние шумовых данных прибора. Вы можете снимать 1-2 раза за короткий интервал (одна

область захвата).

Резюме В этой главе контролируются и экспериментируются параметры, которые влияют на данные гиперспектральной камеры, чтобы получить точные данные изображения и

спектральные данные. Экспериментально установлено, что влияние освещения и темнового тока прибора на данные невелико, а фокусное расстояние практически не влияет на спектр отражения скорректированного пикселя данных, в то время как время экспозиции будет иметь определенное влияние на формирование спектральных данных. Благодаря серии экспериментов мы лучше понимаем работу прибора, что также дает надежную гарантию для последующего сбора данных и создания библиотеки спектров пигментов.