6.1.4　创新之处及可行性

在数据获取方面，用爬虫方法从网上批量下载图像，而不是从青花瓷实物上取样，这对青花瓷器起到保护作用。爬虫程序适合于收集信息，那也是最直观和常用办法。最先，因为爬虫程序是一个程序流程，运作得特别快，而且也不会因为重复的事情而感到疲倦，因而应用爬虫程序获得海量数据越来越简单和迅速。例如能做到抓取青花瓷里的纹理做自然语言理解获得青花瓷的类型、特征和时代等信息供客户掌握应用。由于99%以上的网站是基于模板开发的，使用模板可以快速生成大量布局相同、内容不同的页面。因而，只需为一个网页页面开发爬虫程序，爬虫程序还可以对根据同一模板形成的差异网页页面开展抓取具体内容。次之，应用网络爬虫归纳梳理竖直市场需求关键词，开展数据对比分析、商业数据分析、运作投资建议，搞好市场营销方案。

在方法和技术方面，基于深度学习算法来进行青花瓷年代判别，比传统的方法效率高；并且结合高光谱技术对青花瓷进行断代研究，能大大提高判别精度；引用的高光谱技术具有无损、简便的特点，在文物保护领域得到广泛应用。深度学习在图像鉴别中的高速发展是大势所趋，将来有着极大的应用空间。从ImageNet练习所得到的图像特征能直接高效地运用到各种各样与图像有关的鉴别每日任务（比如图像归类、图像查找、物体检测和图像切分这些），和其他不同类型的图像测试集，具有较好的泛化性能。深度学习本质上是根据双层非线性变换，从宏观信息中自动学习特征，进而取代手工设计的特征。深层次的构造使之具有很强的语言表达能力和自学能力，尤其擅长获取繁杂的全局性特征和前后文信息，然而这是浅部实体模型很难做到的。一幅图像中，各种各样隐含的因素往往以繁杂的离散系统的形式联系在一起，而深度学习能使这种因素等级分类开，则在最大隐含层不一样神经细胞代表着不同类型的因素，从而使得归类更加轻松。

基于构建的算法模型研发了微信小程序进行青花瓷器年代判别，具有快捷方便的特点，容易推广普及。小程序是一种轻量级应用程序，用户无需下载即可使用。它们作为高效的应用程序，可能在未来取代许多APP，且它们有望在商业服务销售市场上持续推动创新。依托手机微信等App强大的搜索功能，根据小程序的关键词整合度，可以提高曝光度。

遥感青花-古玩助手的创建有广泛的应用前景。基于深度学习网络的成熟发展，其中卷积神经网络在图像分类方面应用较广；高光谱技术具有无损的特点；与大数据分析、云计算等技术的结合。而随着现代科技的进步，无损光谱技术由于其无损、快速、简便等特点，被越来越多的研究者引入文物保护领域，并且具有广阔的应用前景。基于卷积神经网络构建算法分类模型，并尝试结合高光谱信息来提升算法模型精度。传统的鉴定方法不仅要求鉴定者在青花瓷的鉴定上有丰富的经验，而且传统的化学仪器分析方法却对测试的样品内部结构有破坏。遥感青花-古玩助手利用在青花瓷分类研究中性能最佳的VGG16模型对青花瓷进行分类，分类精度达到 54% 左右，结合光谱信息分析，进行光谱匹配，整体匹配精度达到 89% 左右，利用该方法对青花瓷进行分类必然会使得青花瓷的鉴定更加准确。基于深度学习算法模型研发了微信小程序可以初步判别青花瓷器的年代，达到可以快速、便捷判别青花瓷年代的目的。一些出土的文物中会出现难以准确区分朝代的青花瓷，快速准确地进行类型识别显得尤为重要（赵恒谦等，2021）。将此技术应用到青花瓷断代研究中是一个比较新颖的方法，能有效摒弃其他传统方法的缺点。此外，本书研究的最终目的是服务于文物传承与保护，因此本书研究不仅具有学术价值，同时具有社会文化价值。