基于光敏感文物基材与胶体损伤的博物馆展陈照明指标研究

来源 :天津大学 | 被引量 : 0次 | 上传用户:sakuma556
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
照明会对光敏感文物造成褪色、变色、发乌等不可逆的永久性损伤,严重影响文物的历史和艺术价值。其中书法、绘画和古籍属于国际照明委员会规定的最高敏感级文物,极易受到光学辐射而发生光化学损伤,是照明保护研究的重点类型。而一般建筑照明只需满足人们的使用要求,博物馆照明除满足人员的观赏要求外还需保障文物的光安全,具有视觉舒适和光照保护双重属性,因此研究难度巨大且进展缓慢。《博物馆照明设计规范》已十年无更新,为了对文物更科学性的保护,是目前本领域亟待解决的问题。
  目前,博物馆照明标准中对色温、照度和年曝光量等光源照明指标进行规定,但仍存在待解决的关键问题:在色温方面,由于满足博物馆照明的光源众多,特别是LED引入到博物馆照明中,其光谱灵活,具有可调性,即使满足博物馆照明标准中规定的色温要求,但对于不同文物带来的损伤却存在差异,同时还存在光源同色异谱,使研究更加复杂且更有意义;在照度方面,博物馆照明首要考虑的是对光敏感性文物的保护,将照度限值在50lx,其仅仅是为了满足人们观赏要求的最低限度而并未考虑视觉舒适度,但是不同类型文物对于光吸收的敏感性存在差异,都规定50lx的照度限值,并不能做到合理的展陈照明,再以问题是50lx并不能使视力普遍下降的老年人完全欣赏书画中的细节;在年曝光量方面,标准中并没有科学的说明其对于文物带来的损伤程度。
  针对以上指标中存在的问题。首先,采用十种不同波段窄带光谱作为实验光源,以书画基材与胶体作为实验对象,开展长周期的光照实验,通过实验结果分析得到不同波段窄带光谱对于试件的相对损伤系数及随曝光量的损伤变化曲线,并对十条光谱进行迭代与叠加,将不满足博物馆显色性要求的光谱剔除;其二,根据文物相对损伤公式计算光谱的相对损伤差值,选出各色温区间内平均相对损伤最小值作为最佳色温;其三,根据文物损伤公式计算文物在不同照度值下照射一年与十年其损伤差值大小,通过比较照射一年的损伤差值大小,确定文物的照度区间,通过照射十年的损伤差值大小,给定合理照度值下照射数年后的损伤差值大小。
  研究成果确定了基于书画基材与胶体光照保护下的博物馆照明指标,该成果为建立光敏感文物的保护性照明标准建立了理论基础。
其他文献
目前超市商品结算主要通过条形码或RFID标签技术实现,条形码需要人工扫描,结算效率低,RFID标签成本高且不可重复利用。因此,如何利用人工智能技术实现超市商品的快速检测与识别以实现自动结算,成为近几年的研究热点。本文基于此展开研究,提出了一种基于深度学习的超市商品检测与识别算法,以降低商品结算成本,提高效率。针对超市商品种类繁多且商品特征存在局部性等特点,本文从应用场景出发,利用左、上、右不同方位
学位
随着医疗影像技术的发展,利用医疗影像进行疾病诊断已经成为各大医院的主要诊断方法。医疗影像诊断需要经验丰富的医生,而这样的医生数量较少,而且仅仅通过人工对大量医疗影像诊断会出现疲劳诊断甚至误诊的情况。随着深度学习技术的发展与应用,利用人工智能进行医疗影像识别受到了学术界的关注。由于医疗影像数据的成像形式特殊,数据集数量少且不易提取影像特征,当前的深度学习算法对医疗影像的识别准确率较低且时间复杂度较高
学位
核心专利一般是指某个技术领域的某种产品的关键核心技术所对应的专利[1],对某行业的核心专利进行识别是挖掘该行业关键核心技术信息的有效途径,进而可以为行业企业提供技术研发指导。为了更全面的对核心专利进行识别,本文提出了一种基于文本数据挖掘的核心专利识别方法,该方法首先通过文本挖掘相关智能算法对专利进行领域细分,然后在细分领域的基础上使用改进型PageRank算法对专利进行评分以识别该领域下的核心专利
学位
随着机器学习技术的迅猛发展,基于机器学习的预测方法越来越多地应用到股指预测中,然而目前股指预测的一些算法不能够很好地适应证券数据的波动特征,预测准确率仍有提升的空间。因此找到证券数据的波动特征,进而构建一个能够提高预测准确率的预测模型,探究证券数据的内在规律,使得股票市场能够更好地发挥作用,并且在满足市场监管和投资者需求等方面有重要的现实意义和理论价值。本文的主要研究内容如下:(1)本文将模型树算
学位
当今是一个信息爆炸式增长的时代,视频作为一种信息载体广泛存在人们的日常生活。现有的视频推荐算法可以帮助用户从海量视频资源中快速找到适合自己的视频,但由于一些用户在观看视频过程中评论过少,视频网站无法及时根据用户的评论获取用户的真实偏爱度。因此,如何辨别此类用户的真假偏好,同时尽可能给用户推荐与其观看视频历史具有相似特征视频,成为推荐系统的关键性课题。另外,传统视频推荐算法面对复杂高维的数据信息,需
学位
随着信息时代的快速发展,各种智能终端走入千家万户,例如通讯设备、服务型机器人、智能手环等,这些设备每时每刻都产生大量且复杂的数据,导致卷积神经网络处理数据时效率低下。因此需要较好的卷积神经网络模型进行实时处理数据。这些神经网络模型无论是处理速度还是处理精度,都要有较好的表现。在这种大背景下,科研人员研究了许多关于卷积神经网络压缩算法,通过不同的方法使得模型较为精简,但大致是在不损失精度或者损失较少
学位
云计算、物联网、人工智能等新技术的发展,使得网络安全风险融合叠加并快速演变,由此带来的网络空间威胁日益增多,多源数据融合的网络安全态势感知技术能够收集不同安全设备的日志或告警信息,通过安全事件的历史分析,采用态势评估技术得到当前网络安全态势值来预测未来安全趋势,这对于网络安全管理员的决策具有重要意义。本文采用深度学习技术对网络安全态势评估和预测方法做了深入分析研究,主要研究内容如下:第一,针对已有
学位
实现基本公共服务均等化已成为各国政府追求的重要目标之一,也是我国的一项重要国策。随着信息技术的不断发展,基本公共服务均等化领域积累了海量的数据信息,这些数据信息中蕴含了丰富的知识及知识语义关联,如何获取并充分利用这些知识及其语义关联,来深度、全面评估基本公共服务均等化水平、为公众提供基本公共服务主题搜索、智能知识问答并为政府提供智能信息推荐与辅助决策等,具有非常重要的理论价值和现实意义。本文借助于
学位
医院建筑因其复杂和密集的资源消耗模式、严格的室内环境参数控制,对建成环境的全生命周期影响尤为大;尤其在夏热冬冷地区,还需兼顾夏季防热通风、冬季保温和全年除湿的要求。目前国内外关于绿色医院建筑的研究热点仍停留在绿色医院建筑的定义、设计与改建,以及绿色标识的评价体系建设方面,关于已获得绿色标识的医院建筑的实际运行性能的相关研究尚很缺乏。  本文从我国夏热冬冷地区医院建筑的能源消耗、室内环境质量的运行性
随着社会发展和科学进步,能源消耗成为全球广泛关注的问题,而建筑能耗作为占比很重的类型之一,更加不容忽视。对于现有建筑能耗的问题,人们更加关注新建建筑的绿色节能,而既有建筑中存在的节能问题被忽视。近年来,既有高校建筑的能耗问题进入人们的视线,高校食堂作为校园建筑中高频率、长周期使用的建筑之一,普遍存在建筑能耗过大和建筑环境舒适度较低的问题,原有建筑已经不能满足人们对高校食堂建筑集高舒适、低能耗于一体
学位