一、古陶瓷完整器元素成分无损分析的实现(二)——设备改建和定量分析方法(论文文献综述)
龚玉武,熊樱菲,吴婧玮[1](2022)在《能谱仪在古陶瓷无损检测中的技术指标评估》文中进行了进一步梳理为评估能谱仪对文物样品定量分析的准确性,尤其是针对元素成分复杂的古陶瓷样品,本研究采用与古陶瓷成分及其含量类似的岩石和土壤成分国家标准物质对仪器的稳定性、重复性和检出限3项技术指标进行了测试分析。结果表明,所用能谱仪的稳定性和重复性较好,即使是个别元素由于其在所选用标准样品中的含量低或处于能谱仪检测范围边界的原因而造成相对偏差较高,但其绝对偏差并不高;该能谱仪对于古陶瓷成分分析所关注的10种常量元素和12种微量元素检出限均较低,符合对该类样品的定量测试要求。该研究为定量分析的准确性和长期数据的可比较性提供了实验支撑。
阮方琦[2](2021)在《激光诱导击穿光谱技术结合机器学习策略的陶瓷快速定量与判别分析方法研究》文中指出陶瓷作为中华物质文化的瑰宝,其蕴含了广泛的古代社会活动信息,在研究古代文明发展演变规律方面起到了举足轻重的作用,寻找一种快速和精准的陶瓷微损检测及种类判别分析方法显得尤为重要。针对传统鉴定方法存在的局限性以及陶瓷具有珍贵性和不可再生性的特点,需要引入激光诱导击穿光谱(LIBS)技术获取陶瓷的来源及其所代表生产时代的制作工艺及元素组成等信息,为文物保护及修复工作提供科学依据。但是由于陶瓷成分与结构的复杂性,使用LIBS进行分析时会产生大量的复杂光谱,而如何从这些复杂的光谱数据中获取有效的信息进行定量或定性分析仍然是目前面临的难题之一。本论文从陶瓷微损、快速分析的实际需求出发,以陶瓷为研究对象,开展基于LIBS技术的陶瓷组分分析研究,重点研究基于化学计量学策略的陶瓷多元素定量分析和陶瓷年代判别分析模型,以解决LIBS复杂光谱解析的问题。本研究为实现陶瓷的微损检测提供理论依据与技术支撑。全文共分为三章,其主要研究内容为:1.开展基于LIBS技术与随机森林回归(RFR)算法相结合的陶瓷Mg、Al、Ca和Fe等多元素定量分析方法研究。(1)针对激光能量波动、样品不均匀和基体效应等干扰因素的影响,研究基于RFR的多元回归分析方法,探究不同延迟时间、激光能量和光谱累加次数等实验参数对预测结果的影响,并构建基于全谱、四种不同波段光谱的RFR校正模型以实现陶瓷Mg、Al、Ca和Fe等元素含量的快速测定。结果表明,相比偏最小二乘回归(PLSR)和支持向量机(SVM)校正模型,RFR校正模型表现出更加优异的预测性能。获得的陶瓷Mg、Al、Ca和Fe等四种元素决定系数R2分别为0.9726、0.9619、0.9805和0.9695,RMSE分别为0.8324、0.8654、0.6892和0.7395。(2)针对RFR算法预测性能不理想的问题,提出一种基于序列后向选择(SBS)的特征选择方法,并构建SBS-RFR校正模型以实现陶瓷多元素含量的快速测定。结果表明,相比PLSR、SVM和RFR校正模型,SBS-RFR模型表现出更加优异的预测性能。四种元素的决定系数R2值均在0.9800以上,获得的RMSE值分别为0.3954、0.4627、0.2532和0.3791。因此,本章建立了一种基于LIBS技术结合RFR算法的陶瓷多元素定量分析方法,而使用合适的特征选择方法能进一步提高校正模型的预测性能。2.开展基于LIBS技术结合RF算法的不同时期陶瓷判别分析方法。(1)针对不同类别的陶瓷之间元素信息的差异性,提出一种基于随机森林(RF)结合变量重要性(Ⅵ)准则的有监督模式识别方法,并构建Ⅵ-RF判别模型以实现不同时期陶瓷的分类判别。将其预测性能与基于主成分分析(PCA)的无监督模式识别方法进行对比。结果表明,Ⅵ-RF判别模型能够较好地实现不同时期陶瓷的判别,其获得的判别灵敏度、特异度和准确率分别为0.8528、0.9710和0.9433。(2)针对陶瓷判别分析中LIBS光谱数据维度高、信息复杂的问题,提出一种基于广义序列后向选择(GSBS)的特征选择方法,并构建GSBS-RF判别模型以实现不同时期陶瓷的分类判别,将其得到的预测结果与RF、Ⅵ-RF和SBS-RF判别模型进行对比。结果表明,GSBS-RF模型得到的判别灵敏度、特异度和准确率分别为0.9526、0.9910和0.9782,均高于RF、Ⅵ-RF和SBS-RF判别模型获得的预测结果。(3)针对基于Wrapper式的特征选择方法计算量大的局限性,提出一种基于互信息(MI)和双向选择(DBS)的Filter/Wrapper式混合特征选择方法(MI-DBS),并构建MI-DBS-RF判别模型以实现不同时期陶瓷的分类判别,将其得到的预测结果与RF、Ⅵ-RF、SBS-RF、GSBS-RF和MI-RF判别模型进行对比。结果表明,MI-DBS-RF模型具有更好的预测性能,其得到的平均判别灵敏度、特异度和准确率分别为0.9722、0.9956和0.9850。与Ⅵ-RF、SBS-RF和GSBS-RF判别模型相比,MI-DBS-RF模型能够提高预测准确度以及减少判别分析所需的计算时间。因此,本章建立了一种基于LIBS技术结合RF算法的不同时期陶瓷判别分析方法,而使用优异的混合特征选择方法能进一步提高判别模型的预测性能和计算效率。
鲍怡,郑建明[3](2020)在《21世纪以来古陶瓷科技考古研究新进展(上)》文中进行了进一步梳理古代陶瓷科技考古研究工作一直是科技考古研究的重点之一。周仁先生在20世纪20年代末,开创了中国古陶瓷科学技术研究的先河,自此中国古陶瓷科技考古研究进入大众视野,成为陶瓷考古研究的重要组成部分。21世纪以来,古陶瓷科技考古研究成果丰硕,为中国陶瓷考古学研究提供了更多的研究视角和解读方法。中国古代瓷器的科技考古研究,从对象上来讲,涉及先秦时期的原始瓷至明清时期各种类型的瓷器;
桑振[4](2020)在《耀州窑青瓷呈色机理研究及色度学分析》文中研究指明耀州窑位于我国陕西省铜川市黄堡镇,历经唐、五代、宋、金、元和明代,烧造时间长达700余年,有中国“北方青瓷代表”之美誉。耀州窑青瓷,以五代天青瓷、宋代橄榄绿瓷和金代月白瓷为代表。其五代天青瓷具有“青如天,明如镜,薄如纸,声如罄”之特质;宋代橄榄绿青瓷“巧如范金,精比琢玉”,以刻、印花工艺而佳绝;金代月白釉瓷,釉如堆脂,温润如玉,雅清似月。耀州窑青瓷以其独特魅力,吸引着不同层次的古陶瓷研究者,在烧造工艺、化学组成分析、着色机理研究等方面取得了可喜成绩。本研究从材料物理与化学的角度结合色度学分析,重点对耀州窑青瓷的表观现象与微观结构进行研究,揭示其不同时期、不同釉色的异同性,建立了其青瓷“色度-组成-结构”之间的关联关系;同时,以色度学分析为基础,解析烧制温度、着色元素以及釉层厚度等因素与釉色之间的函数关系,从而为解析耀州窑青瓷的呈色、成瓷机理打下基础。本研究获得的进展如下:(1)采用X射线光电子能谱(XPS)与Raman光谱Ip等分析方法对五代天青瓷釉瓷进行了研究,结果显示:XPS谱线中Fe2+与Fe3+峰面积比较大,表明釉层内Fe2+离子含量高于Fe3+;Raman光谱Ip值比较高,加之釉层内含有少量的残余石英晶体,说明五代天青瓷是在强还原气氛和较高温度下烧制而成,因此釉色偏青蓝。研究发现,其黑胎天青瓷,胎内的铁钛固溶体和较高含量的莫来石,使得胎色较深,对入射光的吸收增强,从而降低了天青瓷的亮度(L*值);莫来石折射率与石英、方石英和玻璃相相差较大,从而增强了入射光的衍射和散射等,因此五代黑胎天青瓷的透光度、亮度等均低于白胎天青瓷。其次,天青瓷标本中TiO2、CaO、Fe2O3的含量波动范围较小,说明耀州窑五代黑胎天青瓷原料来源稳固,这也是其天青瓷釉色亮度L*、红绿值a*、黄蓝值b*变化较小的主因之一。(2)以光电子能谱与拉曼光谱对耀州窑宋代橄榄绿釉的研究发现,釉层中Fe2+与Fe3+离子含量比值较低,说明其烧制气氛应该为弱还原,因而釉色偏黄绿。同样,其Raman光谱Ip值较高,且差异较小,表明了橄榄绿青瓷烧制温度高,烧造技术稳定而成熟。宋代橄榄绿青瓷釉内晶体、气泡含量较少,致使釉层对入射光的散射较弱,且釉层内玻璃相含量较高,是釉层透光性强、透明度高的主要原因。(3)金代月白釉具有相对较厚的釉层。显微结构分析表明,其釉层内含有较多微晶体与小而密集的气泡。晶体和气泡的折射率与釉层玻璃相折射率的差异,造成了入射光线在釉层内传播时产生较强的散射,从而增加了釉层的乳浊度,减弱了 Fe离子的呈色效果。因此,虽然釉中氧化铁含量较高却呈色较浅,呈现出淡雅的月白色效果。(4)根据钙系釉判别系数计算结果得出,耀州窑宋代橄榄绿釉、五代天青釉和金代月白釉均属于钙釉系列。微观结构分析得出,五代天青釉和金代月白釉具有特殊的近程序分相结构,能够形成Bragg散射(非晶结构色),对外观呈色有一定贡献。但月白釉内密集而粗大的分相结构,主要贡献于乳浊性而非青色。微观结构结合化学元素分析研究表明,耀州窑青瓷釉中存在Fe元素的化学色和非晶结构色的共同作用。除此之外,青瓷胎釉之间存在明显的反应中间层,亦能够减弱釉层对入射光的吸收,提高釉面的L*值,且对颜色较深、颗粒较粗胎体具有较好的遮盖作用,增强了釉面色彩的纯净与柔和的美感。(5)通过对耀州窑五代天青瓷、宋代橄榄绿瓷和金代月白瓷呈色特征的对比分析,结合色度学、材料物理与化学分析以及实验室考证实验,建立了青瓷釉“色度-组成-结构”之间的关联关系模型,阐释了不同青瓷釉的呈色机理。利用色度学的L*、a*、b*等参数定量辨析青瓷釉表观形貌的相同点与不同之处,结合利用化学和物理结构分别对青瓷胎釉的化学组成与釉层内分相的分析,从着色离子呈色和结构色角度由外而内、系统全面地解析青瓷表观特征之根本。(6)利用青瓷釉色的三原色R、G、B分析值,纠正了传统耀州窑青瓷釉色命名的模糊性。同时,从色度学角度,探讨了在不同烧造气氛、窑炉类型、釉料配方等条件下烧制的青瓷,釉面呈色与烧制温度、Fe2O3含量以及釉层厚度之间的函数关系。研究表明,青瓷釉色与工艺因素和烧成参数以及化学组成之间存在非单一的梯度递变量函数关系。
穆天红[5](2020)在《基于人工智能的古陶瓷器型和纹饰图像特征识别研究》文中研究表明古陶瓷是历史发展过程中科技水平、艺术风格、文化元素等的综合反映,尤其中国古陶瓷,通过精湛的工艺技术与丰富的器型和纹饰特征,淋漓尽致地展现了中国传统文化的精髓,具有重要的历史、艺术与科学研究价值,也具有收藏和投资等价值。现今,文物的真伪鉴别正在遭遇前所未有的信任危机,并且现有的古陶瓷“目鉴”和“科鉴”方法都存在着某种局限与偏差。由于因地制宜的原料选择,不同的成型和装饰工艺,以及烧成温度等的不同,造就了丰富的器型和纹饰图像特征。对“目鉴”中存在器型、纹饰特征不可量化描述,鉴定结论过于依赖主观的问题,本研究中通过机器对古陶瓷器型、纹饰和铭文款识三个主要视觉特征进行提取、量化和识别,探讨机器替代专家进行古陶瓷无损智能识别的思路和实现方法。具体研究结果如下:(1)古陶瓷的图像特征与具体原料选择和工艺技术密切相关,完整获取古陶瓷的图像特征是实现古陶瓷图像特征识别的前提。由于区域生长古陶瓷图像特征提取方法提取的质量与背景像素密切相关,且不具备可泛化性。本文提出了一种基于深度学习提取方法,以EasyDL为深度学习支撑平台,对耀州窑、青花瓷和越窑5834张272类古陶瓷图像经过手动标记和训练学习后进行提取验证,结果显示平均完整提取率高于99%。对深度学习方法的实现进行总结并与传统区域生长提取方法进行对比,结果表明该方法随着学习量增加提取质量呈鲁棒性变化,具备可泛化性,是一种有效实现古陶瓷完整图像特征提取的新方法。(2)由于古陶瓷原料和工艺的不同,造就了丰富的器型特征。为实现多类型器型图像特征的识别,本文提出了一种由二值化(大津二值化)、形态学处理(腐蚀、膨胀、分水岭)的古陶瓷器型特征提取、八链码特征一致性检测、相似性检测的古陶瓷器型图像特征提取与识别方法。对梅瓶和胆瓶进行器型特征提取和识别验证,识别率分别为97.12%和98.36%;对青花瓷、耀州窑、越窑三个类型选取26个器型图像特征批量提取和识别验证,其中24个器型的平均识别率高于90%,2个由于器型特征复杂和图像质量问题无法提取和识别。验证结果显示该方法是一种有效实现古陶瓷器型图像特征提取和识别的新方法。(3)由于釉料选择、微量元素含量、装饰和烧成工艺的不同导致了古陶瓷纹饰图像特征的复杂化,且其中含有丰富的颜色和纹理特征并在机器和人类视觉下的呈现出多种特征规律。为实现古陶瓷纹饰图像特征识别,本文提出了一种将灰度共生矩阵(机器视觉)和Tamura纹理(人类视觉)特征融合,平均欧式距离为识别结果;颜色直方图(机器视觉)和HSV颜色空间(人类视觉)特征融合,平均相似度为识别结果的多维特征融合古陶瓷纹饰图像特征量化识别方法。对耀州窑和越窑青瓷、粉彩、珐琅彩等4个纹饰图像特征增加20%椒盐噪声和部分缺失后进行识别验证,结果显示增加20%椒盐噪声后纹饰颜色特征中HSV特征和颜色直方图特征变化明显,平均识别率低于80%;纹理特征中灰度共生矩阵和Tamura纹理特征向量间的欧式距离变化较大。随机部分缺失后颜色特征中HSV空间和颜色直方图的变化较小,平均识别率高于90%;纹理特征中灰度共生矩阵和Tamura纹理特征向量间的欧式距离变化较小。结果表明该方法能够有效实现不同年代、窑口古陶瓷纹饰图像特征的量化识别。(4)古陶瓷铭文款识视觉特征与原料选择、元素含量和装饰工艺等密切相关,由于科技进步的原因产生了丰富的铭文款识类型。为有效识别铭文款识图像特征,本文提出了基于深度学习(无监督学习)的铭文款识图像特征分类识别方法。以EasyDL平台为支撑对明清两代官窑铭文款识图像特征进行局部增强后训练学习,并对训练结果进行验证。540张12类“大明宣德年制(制)”与1200张20类明清两代铭文款识特征分类识别中,识别率均最高接近100%,最低高于97%,平均高于99%。结果表明该方法能够有效且全面的识别古陶瓷铭文款识图像特征。(5)古陶瓷是一类特殊的材料产品(作品),根据其原料选择、工艺不同等产生了多样化的图像特征,为实现古陶瓷图像特征的识别以古陶瓷整体图像特征提取、器型特征提取与识别、多维特征融合纹饰图像特征量化识别和基于深度学习铭文款识图像特征分类识别方法实现为基础;以三层B/S架构web应用系统、跨平台系统语言调用为架构支撑;以数据库服务、深度学习封装、数字图像处理第三方调用为具体实现方式;并提出了服务层融合和再学习机制,初步实现了古陶瓷器型和纹饰图像特征智能识别系统。验证测试后结果符合预期,验证了古陶瓷器型和纹饰图像特征识别系统的有效性。
段鸿莺,丁银忠,韩倩,吕成龙,雷勇,史宁昌[6](2018)在《故宫博物院藏传世哥窑、明清仿哥瓷器及相关窑址瓷片的关联研究》文中研究说明由于哥窑不见宋人记载,亦未获得确切的窑址信息,因此传世哥窑的产地和年代一直是备受学界关注和争议的焦点,也是中国古陶瓷史上悬而未决的问题。本文利用便携X射线荧光能谱仪对故宫博物院藏传世哥窑、明清仿哥釉器物釉进行无损测试分析,积累了传世哥窑的相关分析数据,总结了传世哥窑及明清仿哥釉器物釉的元素组成特征,对传世哥窑器的类群关系进行了研究,并结合浙江、河南和江西等地相关窑址瓷片釉的元素分析结果,对传世哥窑的产地进行了初步判别。
李泽群[7](2017)在《环太湖地区东周时期原始瓷的产地》文中研究表明"环太湖地区"指的是西至茅山山脉、天目山、北至长江南岸、东至上海西部地区、南至钱塘江北岸的广大区域。居于核心的太湖与周围的苕溪、荆溪、吴淞江、东江和娄江水系形成了一个庞大的水上运输网络,为环太湖地区的文化交往和商品流通提供了便利,而平坦肥沃的沿湖平原也为周边的经济繁荣创造了条件。因此环太湖地区从新石器时代起就成了一个重要的文化区域。该区域是我国原始瓷分布最为集中的地区,不仅发现了数量众多的出土原始瓷器的聚落和墓葬,而且发现了迄今规模最大,延续时间最长的生产原始瓷的窑址群——东苕溪窑址群。东苕溪流域内众多窑址的原料来源是否一致?其生产的原始瓷销往了何处?环太湖地区聚落与墓葬出土的原始瓷又来自何方?这些原始瓷产品又是通过什么途径和路线流通的?这些都是事关古代社会生产与交换的重要问题。前人的研究大多针对北方各地出土的原始瓷,而针对环太湖地区的着墨不多。本文使用考古类型学、X荧光光谱等方法对苏南、浙北等地东周时期的原始瓷样品做了分析,并结合前人的研究成果对上述问题做了研究。本文研究表明,浙北窑址样品胎的原料来源并不一致。我们通过分析某些特征元素或特征值(如常量元素K、Fe、Na,微量元素V、Ba、Zn、Co、Cr,镧系稀土元素,以及Rb/Sr的比值等),可以有效地将原料来源不同的窑址区分开来。地理位置较近的德清王家山、长山、亭子桥等窑址的胎料来源相近,位置较远的湖州南山、瓢山和德清火烧山窑址的胎料来源各不相同。湖州北家山窑址的样品比较特殊,其部分样品的胎料来源与地理位置较近的瓢山窑址相近,部分样品的胎料来源则与地理位置较远的德清王家山、长山、亭子桥等窑址相近,说明窑址之间相互输送着原料。通过类型学分析,我们将苏南和沪西的聚落及墓葬遗址出土的东周时期原始瓷样品分成了 A、B两组。A组样品的风格与德清窑址群的东周产品非常相似,可能产于德清。而B组样品的风格虽然与德清窑址东周产品有别,但也有相似之处,其产地可能与A组相距不远,即仍在德清附近。这样的分组在胎釉的成分特征得到了验证。A组样品的化学成分均与德清窑址产品非常相近,应产于德清龙山窑址群中部,而B组样品的化学成分与德清地区窑址产品有差别,胎的化学成分具有高钾高钡的特点,与湖州南山窑址最为接近,因此该组样品可能产于湖州青山窑址群。但B组样品与南山窑址样品的化学成分仍然有一定的区别,因此并不能排除该组样品不是浙北地区生产的可能。环太湖地区东周时期的原始瓷产品应是经水路从浙北地区通过太湖和主要水系输送到沿岸各地,并形成了一个完整的运输网络。该运输网络南起浙北的东苕溪流域,主要沿太湖西岸和北岸以及苕溪、荆溪、洮滆、淞江、娄江、东江等主要水系向外流通扩散。在这一网络中,位于太湖北岸的苏州和无锡可能是重要的原始瓷再分配中心。原始瓷产品到达此处后,经过再分配,再通过洮滆、淞江、娄江、东江等水系以及其它人工运河输送至常州、镇江、上海以及长江南岸。
龚玉武,熊樱菲,吴婧玮,夏君定[8](2015)在《杭州出土白瓷制作年代与产地的研究》文中提出近年来,杭州出土了一批白釉瓷器残片,特别是一些具有定窑风格的白瓷样品引发了众多考古工作者和古陶瓷爱好者的关注与浓厚兴趣。为探究其制作年代和产地,采用热释光技术和X射线荧光无损分析技术相结合的方法对一批杭州出土具有定窑风格的白瓷样品进行了检测分析。测试结果表明,这批白釉瓷片样品制作年代约处在北宋末年到南宋早期,胎的化学组成中Al2O3含量较高,最低24.78%,最高达33.06%,具备北方瓷器特点;胎中微量元素Rb、Sr、Zr含量的比例以及钙镁碱釉的特征与河北曲阳定窑极为相似。综合文献及其它人文考证,这批杭州出土的白瓷应该为北宋晚期至南宋早期产自于河北的定窑瓷器。此分析结果也将为研究宋金贸易及文化提供科学依据。
方涛,吴隽,吴军明,郁永彬,江夏,梁铎[9](2011)在《几种现代元素组成分析技术在古陶瓷研究中的应用》文中指出古陶瓷的元素组成能很好的反应陶瓷的种类、产地以及烧制工艺等信息,是古陶瓷科技研究中主要的研究内容之一。随着科学技术的进步,越来越多的元素组成分析技术不断面世,然而,每种分析技术都有着其自身的特点和适用范围,如何针对古陶瓷样品的自身特点和具体的研究目标,正确选择和应用相应的元素组成分析技术是非常必要的。本文通过比较分析XRFI、CP-AES、湿化学方法在不同类型古陶瓷研究中的实际应用,总结得出了不同特点古陶瓷样品所适宜的测试技术和方法,为古陶瓷科技研究获取更为准确和丰富的元素组成信息提供有力的支撑。
付略[10](2008)在《古陶瓷EDXRF分析及数据处理方法的研究》文中进行了进一步梳理中国的文物按其材料性能可分为硅酸盐质文物、金属质文物和有机质文物三大类,古陶瓷是硅酸盐质文物材料的重要组成部分。中国的古陶瓷烧制有一万年左右的历史,要从本质上了解它们,就必须从陶瓷材料的化学组成、结构和性能等方面入手,提取与产地和年代有关的信息并将其作为断源断代的依据。因此胎、釉化学组成的测量和分析是科学工作者研究古陶瓷的重要途径,它包括两方面内容:(1)准确、可信的测量数据的获得;(2)测量数据的科学分析。能量色散X荧光光谱分析法(EDXRF)是一种很好的能定性和精确定量的无损元素分析测试技术。它不破坏分析样品,能快速进行钠(Z11)至铀(Z92)的多元素的同时分析,而且分析的浓度范围宽广、精度高,因此特别适合于进行文物材料的成分分析研究,尤其适合测试极其珍贵的古陶瓷完整文物样品分析与鉴定。本研究运用EDXRF元素分析方法对92件南宋时期的官窑、越窑和龙泉窑以及杭州皇城遗址出土瓷片的胎、釉化学组成进行了测试,并用四种多元统计分析方法分析了其中78件瓷片的常量元素化学组成数据,得出了它们的分类信息并建立了各自的判别式,为它们的断源断代提供了科学的依据。同时用自组织特征映射神经网络方法(self-organizing map,SOM)对48个来自3个不同产地的出土于4个古代青瓷窑址的瓷片胎的常量量元素化学组成数据进行了聚类分析,结果表明SOM能正确地区分出瓷片的3个产地:龙泉、慈溪和杭州。由于两官窑的瓷片在主、次量元素化学组成上比较接近,使得它们的分类正确率仅为76.92%,于是作者对两官窑瓷片胎的微量元素化学组成数据用同样方法又进行了一次聚类分析。结果发现分类正确率提高到了84.61%,说明两官窑的瓷片在微量元素上的差别比在常量元素上的差别要大,这与实际情况是一致的,表明SOM神经网络方法适合用于古陶瓷的聚类分析研究中。接着又将LS-SVM算法用于杭州南宋官窑2窑址出土的38件瓷片的分类研究中,根据瓷片胎和釉的常量和痕量元素组成对它们进行了分类,用留一法检验其分类效果,并与支持向量机(support vector machine,SVM)算法和SOM算法进行了比较。结果表明:SVM算法和LS-SVM算法比SOM算法更适合于处理“小样本”问题;一般情况下,SVM的分类效果比LS-SVM的分类效果好,而LS-SVM具有更快的求解速度;两官窑瓷片釉的化学组成区别比胎的化学组成区别更大,痕量元素化学组成的区别比常量和微量元素化学组成的区别更大。
二、古陶瓷完整器元素成分无损分析的实现(二)——设备改建和定量分析方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、古陶瓷完整器元素成分无损分析的实现(二)——设备改建和定量分析方法(论文提纲范文)
(1)能谱仪在古陶瓷无损检测中的技术指标评估(论文提纲范文)
0 引言 |
1 仪器设备及样品描述 |
2 检测分析与讨论 |
2.1 稳定性分析 |
2.2 重复性分析 |
2.3 检出限分析 |
3 结论 |
(2)激光诱导击穿光谱技术结合机器学习策略的陶瓷快速定量与判别分析方法研究(论文提纲范文)
摘要 |
ABSTRACT |
英文缩写对照表 |
第一章 绪论 |
1.1 引言 |
1.2 激光诱导击穿光谱 |
1.2.1 LIBS技术简介 |
1.2.2 LIBS信号增强研究 |
1.2.3 LIBS仪器应用研究 |
1.2.4 LIBS技术联用研究 |
1.3 化学计量学 |
1.3.1 化学计量学简介 |
1.3.2 化学计量学在LIBS中的应用 |
1.4 本论文研究内容及意义 |
第二章 基于LIBS结合RFR的陶瓷多元素定量分析方法研究 |
2.1 基于RFR算法的陶瓷多元素定量分析方法研究 |
2.1.1 引言 |
2.1.2 实验材料与方法 |
2.1.3 结果与讨论 |
2.1.3.1 实验参数优化 |
2.1.3.2 RFR模型输入变量和参数的优化 |
2.1.3.3 RFR模型预测能力的验证 |
2.1.4 本节小结 |
2.2 基于RFR结合SBS算法的陶瓷多元素定量分析方法研究 |
2.2.1 引言 |
2.2.2 实验方法 |
2.2.3 结果与讨论 |
2.2.3.1 预处理方法的选择与优化 |
2.2.3.2 基于SBS算法优化RFR模型输入变量 |
2.2.3.3 SBS-RFR模型参数优化 |
2.2.3.4 SBS-RFR模型预测性能的验证 |
2.2.4 本节小结 |
2.3 本章小结 |
第三章 基于LIBS结合RF的不同时期陶瓷判别分析方法研究 |
3.1 基于RF结合Ⅵ准则的不同时期陶瓷判别分析方法研究 |
3.1.1 引言 |
3.1.2 实验材料与方法 |
3.1.3 结果与讨论 |
3.1.3.1 基于PCA的判别分析研究 |
3.1.3.2 Ⅵ-RF模型输入变量和参数优化 |
3.1.3.3 Ⅵ-RF模型预测能力的验证 |
3.1.4 本节小结 |
3.2 基于RF结合GSBS算法的不同时期陶瓷判别分析方法研究 |
3.2.1 引言 |
3.2.2 实验方法 |
3.2.3 结果与讨论 |
3.2.3.1 LIBS光谱预处理 |
3.2.3.2 GSBS-RF模型输入变量与参数优化 |
3.2.3.3 GSBS-RF模型预测能力的验证 |
3.2.4 本节小结 |
3.3 基于RF结合MI-DBS算法的不同时期陶瓷判别分析方法研究 |
3.3.1 引言 |
3.3.2 实验方法 |
3.3.3 结果与讨论 |
3.3.3.1 小波变换去噪 |
3.3.3.2 基于MI-DBS优化RF模型输入变量 |
3.3.3.3 MI-DBS-RF模型预测性能的验证 |
3.3.4 本节小结 |
3.4 本章小结 |
结论与展望 |
参考文献 |
作者简介及攻读博士学位期间取得的科研成果 |
致谢 |
(3)21世纪以来古陶瓷科技考古研究新进展(上)(论文提纲范文)
一成分分析 |
1. 质子激发X射线荧光光谱仪(PIXE) |
2. X射线荧光光谱仪(XRF) |
3. 中子活化分析(NAA) |
4. 电感耦合等离子体发光光谱仪(ICP-OES) |
5. 小结 |
二结构分析 |
1. 激光三维扫描(3D Laser Scanner) |
2. 光学显微镜(OM) |
3. 电子显微镜(EM) |
4. 光学相干断层扫描(OCT) |
5. 计算机断层扫描(CT) |
6. 小结 |
(4)耀州窑青瓷呈色机理研究及色度学分析(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 引言 |
1.2 耀州窑青瓷概述 |
1.2.1 耀州窑发展历史 |
1.2.2 耀州窑青瓷的主要釉色 |
1.2.3 耀州窑青瓷的工艺特点 |
1.3 耀州窑青瓷组成特点 |
1.3.1 釉的组成特点 |
1.3.2 胎的组成特点 |
1.4 青瓷釉的呈色 |
1.4.1 物理色 |
1.4.2 化学色 |
1.5 色度学在古陶瓷中的应用 |
1.5.1 色度学理论 |
1.5.2 色度学在古陶瓷中的应用 |
1.6 耀州窑青瓷研究现状 |
1.7 研究内容、思路与意义 |
1.7.1 研究内容 |
1.7.2 研究思路 |
1.7.3 研究意义 |
1.8 创新点 |
2 实验 |
2.1 主要实验仪器设备 |
2.2 标本分析与表征 |
2.2.1 化学成分分析 |
2.2.2 光学性能分析 |
2.2.3 物相分析 |
2.2.4 价态分析 |
2.2.5 分子结构分析 |
2.2.6 显微结构分析 |
2.2.7 色度分析 |
2.2.8 标本的制备与表征 |
3 五代耀州窑天青瓷的研究 |
3.1 引言 |
3.2 实验方法 |
3.2.1 标本类型与特征 |
3.2.2 标本表征 |
3.3 结果与讨论 |
3.3.1 耀州窑五代天青瓷釉的组成特点与色度值 |
3.3.2 烧成温度与物相分析 |
3.3.3 Fe离子的价态与釉色的关系 |
3.3.4 胎的组成特点 |
3.3.5 釉层厚度和胎釉中间层对天青釉呈色的影响 |
3.3.6 Fe、Ti元素对胎釉的呈色影响 |
3.3.7 物相对青瓷透光性的影响 |
3.4 本章小结 |
4 宋代耀州窑橄榄绿釉瓷的研究 |
4.1 引言 |
4.2 实验方法 |
4.2.1 标本类型与特征 |
4.2.2 标本表征 |
4.3 结果与讨论 |
4.3.1 化学组成与釉面呈色的关系 |
4.3.2 烧成温度与物相对釉呈色的影响 |
4.3.3 铁离子的化学态与釉色的关系 |
4.4 本章小结 |
5 金代耀州窑月白釉瓷的研究 |
5.1 引言 |
5.2 实验方法 |
5.2.1 标本类型与特征 |
5.2.2 标本表征 |
5.3 结果与讨论 |
5.3.1 耀州窑金代月白瓷胎釉的组成特点 |
5.3.2 釉的色度值分析 |
5.3.3 铁元素的化学态对釉色的影响 |
5.3.4 烧成温度与物相分析 |
5.4 本章小结 |
6 耀州窑天青、橄榄绿、月白釉呈色机理比较研究 |
6.1 引言 |
6.2 实验方法 |
6.2.1 标本类型与特征 |
6.2.2 标本表征 |
6.3 结果与讨论 |
6.3.1 五代、宋、金时期耀州窑青瓷釉的呈色与组成特点 |
6.3.2 物相、烧成温度与釉呈色之间的关系分析 |
6.3.3 Fe离子化学态与釉色的关系 |
6.3.4 胎体与釉色的关系 |
6.4 微纳结构对釉面呈色的影响 |
6.5 胎釉中间层与釉面呈色关系 |
6.6 本章小结 |
7 青瓷釉的色度学分析 |
7.1 引言 |
7.2 色度学中的色彩理论与釉呈色 |
7.2.1 色彩三原色R、G、B |
7.2.2 陶瓷釉色精确表达 |
7.2.3 陶瓷的釉色定义与色彩值区域 |
7.2.4 青瓷的釉色定义与色彩值区域 |
7.3 本章小结 |
8 青瓷釉呈色因素与色度的函数关系研究 |
8.1 引言 |
8.2 实验原料与方法 |
8.2.1 原料 |
8.2.2 实验方法 |
8.2.3 结果与讨论 |
8.3 本章小结 |
9 结论 |
致谢 |
参考文献 |
附录 |
攻读博士学位期间发表的学术论文及专利 |
(5)基于人工智能的古陶瓷器型和纹饰图像特征识别研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 引言 |
1.2 课题背景及意义 |
1.2.1 古陶瓷识别的意义 |
1.2.2 古陶瓷识别的主要方法 |
1.2.3 人工智能技术与古陶瓷识别 |
1.2.4 本研究的目的及意义 |
1.3 国内外研究现状 |
1.3.1 文物智能识别 |
1.3.2 古陶瓷信息采集 |
1.3.3 人工智能行业应用 |
1.3.4 古陶瓷科技鉴定 |
1.3.5 古陶瓷信息采集与识别技术发展方向 |
1.4 主要研究内容与结构安排 |
1.4.1 主要研究内容 |
1.4.2 技术路线与创新点 |
1.4.3 论文结构安排 |
2 古陶瓷整体图像特征提取 |
2.1 引言 |
2.2 古陶瓷工艺与图像特征 |
2.2.1 原料选择 |
2.2.2 处理工艺 |
2.2.3 主要元素成分 |
2.2.4 烧成 |
2.3 古陶瓷图像特征提取方法 |
2.3.1 古陶瓷图像背景像素问题 |
2.3.2 区域生长提取方法 |
2.3.3 基于深度学习的提取方法 |
2.4 基于深度学习古陶瓷图像特征提取验证 |
2.4.1 耀州窑和青花瓷验证 |
2.4.2 越窑验证 |
2.4.3 低提取率验证 |
2.4.4 数据集验证 |
2.4.5 验证结果分析 |
2.5 区域生长与深度学习提取方法对比分析 |
2.6 本章小结 |
3 古陶瓷器型图像特征提取与识别 |
3.1 引言 |
3.2 古陶瓷器型图像特征提取与识别方法 |
3.2.1 古陶瓷器型图像特征提取方法 |
3.2.2 古陶瓷器型图像特征识别方法 |
3.3 古陶瓷器型图像特征提取与识别验证 |
3.3.1 梅瓶器型提取与识别 |
3.3.2 胆瓶器型提取与识别 |
3.3.3 数据集验证 |
3.3.4 古陶瓷器型图像特征提取与识别方法总结 |
3.4 本章小结 |
4 古陶瓷纹图像特征识别 |
4.1 引言 |
4.2 古陶瓷物理化学性能与纹饰图像特征 |
4.2.1 样品表征 |
4.2.2 样本 |
4.2.3 测试结果分析 |
4.3 古陶瓷纹饰图像特征量化识别方法 |
4.3.1 古陶瓷纹饰图像特征识别方法 |
4.3.2 古陶瓷纹饰图像特征量化方法 |
4.4 古陶瓷纹饰图像特征量化识别验证 |
4.4.1 耀州窑青瓷(椒盐噪声) |
4.4.2 越窑青瓷(部分缺失) |
4.4.3 粉彩梅花纹尊(椒盐噪声) |
4.4.4 康熙款画法郎玉堂富贵直口瓶(部分缺失) |
4.4.5 多维特征融合古陶瓷纹饰图像特征量化识别方法总结 |
4.5 本章小结 |
5 古陶瓷铭文款识图像特征识别 |
5.1 引言 |
5.2 古陶瓷铭文款识图像特征识别方法 |
5.2.1 铭文款识图像特征分割识别 |
5.2.2 铭文款识图像特征整体识别 |
5.2.3 基于深度学习的铭文款识图像特征整体识别 |
5.3 基于深度学习的古陶瓷铭文款识图像特征识别验证 |
5.3.1 同一类型验证 |
5.3.2 不同类型验证 |
5.3.3 基于深度学习的铭文款识图像特征识别方法总结与讨论 |
5.4 本章小结 |
6 古陶瓷器型和纹饰图像特征识别系统 |
6.1 引言 |
6.2 系统需求分析 |
6.2.1 系统逻辑功能 |
6.3 系统设计 |
6.3.1 系统架构 |
6.3.2 系统主要功能 |
6.3.3 系统模块划分 |
6.3.4 系统数据库设计 |
6.3.5 系统服务层设计 |
6.3.6 系统关键技术 |
6.4 系统应用测试 |
6.5 本章小结 |
7 结论 |
附录 |
致谢 |
参考文献 |
攻读博士学位期间发表的学术论文目录 |
(7)环太湖地区东周时期原始瓷的产地(论文提纲范文)
摘要 |
Abstract |
引言 |
第一章 环太湖地区先秦原始瓷研究的回顾 |
1.1 发掘史 |
1.1.1 墓葬与聚落 |
1.1.2 窑址 |
1.2 研究成果 |
第二章 遗址及样品 |
2.1 遗址 |
2.1.1 浙北窑址 |
2.1.2 聚落 |
2.1.3 墓葬 |
2.2 样品 |
第三章 样品类型学分析 |
3.1 浙北窑址 |
3.2 上海广富林遗址 |
3.3 苏州獾墩土墩墓 |
3.4 昆山勤丰遗址 |
3.5 无锡安南村遗址 |
3.6 常州四堡村遗址 |
3.7 镇江丁家村遗址 |
3.8 小结 |
第四章 样品成分分析 |
4.1 检测方法与仪器介绍 |
4.2 实验步骤 |
4.2.1 能量色散X荧光光谱光谱仪(EDXRF) |
4.2.2 波长色散X荧光光谱光谱仪(WDXRF) |
4.3 检测结果 |
4.3.1 浙江北部窑址样品的胎釉成分 |
4.3.2 苏州及上海地区样品的胎釉成分 |
4.3.3 常州、无锡、镇江地区胎的成分 |
第五章 原始瓷的产地 |
5.1 湖州及德清地区窑址的产地特征 |
5.2 A、B组样品的产地 |
5.2.1 A组样品的产地 |
5.2.2 B组样品的产地 |
5.2.3 A、B组样品与萧山窑址的关系 |
5.3 小结 |
第六章 原始瓷的流通路线 |
6.1 先秦时期环太湖地区的自然概况及河湖水系 |
6.2 浙北窑址东周原始瓷产品的流通路线 |
结语 |
参考文献 |
附表 |
附图 |
附彩图 |
致谢 |
(8)杭州出土白瓷制作年代与产地的研究(论文提纲范文)
0引言 |
1样品来源及描述 |
2分析方法 |
3测试结果与分析 |
3.1热释光年代测定 |
3.2胎釉化学组成分析 |
4讨论 |
5结论 |
(9)几种现代元素组成分析技术在古陶瓷研究中的应用(论文提纲范文)
1 前言 |
2 古陶瓷样本的特殊性及常用的元素检测技术 |
3 不同类别古陶瓷样品元素组成分析技术的选择 |
3.1 组成非均匀古陶瓷的检测 |
3.2 珍贵古陶瓷的无损检测 |
3.3 古陶瓷特殊部位的微区检测 |
3.4 不同类型的古陶瓷全元素分析的技术选择与组合 |
4 结语 |
(10)古陶瓷EDXRF分析及数据处理方法的研究(论文提纲范文)
摘要 |
ABSTRACT |
1.前言 |
1.1 中国陶瓷史概述 |
1.2 古陶瓷化学组成研究综述 |
1.3 古陶瓷化学组成研究的发展方向 |
1.4 本文研究方法和主要内容 |
2.EDXRF分析的基本原理 |
2.1 X射线和X射线光谱 |
2.1.1 X射线的基本性质 |
2.1.2 X射线连续光谱 |
2.1.3 X射线特征光谱 |
2.2 X射线荧光光谱分析的基本原理 |
2.3 EDXRF仪器简介 |
2.4 X射线荧光光谱的定量分析 |
2.4.1 谱峰的测量 |
2.4.2 X射线荧光光谱定量分析中的影响因素 |
2.4.3 背景 |
2.4.4 X射线荧光光谱定量分析方法: |
2.4.5 经验系数法 |
3.古瓷片的化学组成多元统计分析 |
3.1 引言 |
3.2 实验和结果 |
3.3 因子分析 |
3.3.1 胎的常量元素组成因子分析 |
3.3.2 釉的常量元素组成因子分析 |
3.4 聚类分析 |
3.4.1 胎的常量元素组成聚类分析 |
3.4.2 釉的常量元素组成聚类分析 |
3.5 判别分析 |
3.5.1 胎的常量元素组成判别分析 |
3.5.2 釉的常量元素组成判别分析 |
3.6 对应分析 |
3.6.1 胎的常量元素组成对应分析 |
3.6.2 釉的常量元素组成对应分析 |
3.7 结论 |
4.基于SOM神经网络的古代青瓷聚类分析 |
4.1 引言 |
4.2 实验 |
4.2.1 样品 |
4.2.2 实验方法和测试数据 |
4.3 基于SOM网络的聚类分析 |
4.3.1 SOM神经网络原理 |
4.3.2 网络模型的构建与输出 |
4.4 讨论 |
4.5 结论 |
5 基于LS-SVM算法的南宋官窑出土瓷片分类 |
5.1 SVM与LS-SVM的原理比较 |
5.2 实验和模型的建立 |
5.2.1 样品 |
5.2.2 实验方法和测试数据 |
5.2.3 模型的建立 |
5.3 结果与讨论 |
5.4 结论 |
参考文献 |
攻读硕士研究生期间完成的论文 |
致谢 |
四、古陶瓷完整器元素成分无损分析的实现(二)——设备改建和定量分析方法(论文参考文献)
- [1]能谱仪在古陶瓷无损检测中的技术指标评估[J]. 龚玉武,熊樱菲,吴婧玮. 中国检验检测, 2022(01)
- [2]激光诱导击穿光谱技术结合机器学习策略的陶瓷快速定量与判别分析方法研究[D]. 阮方琦. 西北大学, 2021(12)
- [3]21世纪以来古陶瓷科技考古研究新进展(上)[J]. 鲍怡,郑建明. 文物天地, 2020(12)
- [4]耀州窑青瓷呈色机理研究及色度学分析[D]. 桑振. 陕西科技大学, 2020(05)
- [5]基于人工智能的古陶瓷器型和纹饰图像特征识别研究[D]. 穆天红. 陕西科技大学, 2020(01)
- [6]故宫博物院藏传世哥窑、明清仿哥瓷器及相关窑址瓷片的关联研究[J]. 段鸿莺,丁银忠,韩倩,吕成龙,雷勇,史宁昌. 故宫博物院院刊, 2018(06)
- [7]环太湖地区东周时期原始瓷的产地[D]. 李泽群. 南京大学, 2017(09)
- [8]杭州出土白瓷制作年代与产地的研究[J]. 龚玉武,熊樱菲,吴婧玮,夏君定. 文物保护与考古科学, 2015(03)
- [9]几种现代元素组成分析技术在古陶瓷研究中的应用[J]. 方涛,吴隽,吴军明,郁永彬,江夏,梁铎. 陶瓷学报, 2011(01)
- [10]古陶瓷EDXRF分析及数据处理方法的研究[D]. 付略. 浙江大学, 2008(09)