首次！西安科技大學人文社科成果登國際重要期刊！

近日，藝術學院“文化遺產(chǎn)數(shù)字保護與智能設計協(xié)同創(chuàng)新團隊”關于宋代銅鏡紋樣識別的研究成果Research on Song Dynasty Copper Mirror Pattern Recognition Based on MOEA/D發(fā)表于Nature Portfolio旗下重要期刊、中科院1區(qū)TOP期刊npj Heritage Science，這是學校人文社科領域首次在該期刊發(fā)表研究成果，標志著西安科技大學在文化遺產(chǎn)數(shù)字保護的交叉學科研究領域實現(xiàn)重要突破，也為中華優(yōu)秀傳統(tǒng)文化的數(shù)字化傳承與智能保護打造了全新技術路徑。

銅鏡是中國古代兼具實用價值與文化內(nèi)涵的藝術瑰寶，宋代銅鏡更是工藝美術史上的經(jīng)典。隨著商品經(jīng)濟繁榮與市民階層興起，宋代銅鏡突破前代風格，紋樣題材拓展至龍、鳳、鶴等動物紋、花卉紋及銘文，雕刻從唐代奢華高浮雕變?yōu)闇\雕刻，構圖更精巧密集，還作為跨文化交流媒介外銷至日本、朝鮮等地，鐫刻著當時的社會審美與文化底蘊。但長期以來，宋代銅鏡紋樣的識別與研究多依賴專家主觀判斷，效率低、準確性受個人經(jīng)驗限制，成為文化遺產(chǎn)數(shù)字化保護的一大難題。

此次西科團隊的研究，正是聚焦宋代銅鏡動物紋樣識別這一關鍵問題，由藝術學院馮青教授為第一作者，2023級設計學研究生余可心擔任通訊作者，藝術學院研究生李雅璇、人工智能與計算機學院馬天教授為共同作者，研究成果得到了國家社科基金藝術學項目（NO.24EG247）的支持。團隊摒棄傳統(tǒng)研究的定性分析思路，融合人工智能技術，打造出融合殘差網(wǎng)絡ResNet50與多目標進化分解算法MOEA/D的自動化識別框架，讓千年宋鏡的紋樣之美，在AI技術下被精準“解碼”。

研究的第一步，團隊搭建了規(guī)范化的宋代銅鏡動物紋樣數(shù)據(jù)集，完成了圖像數(shù)據(jù)采集、標準化處理、數(shù)據(jù)集劃分與標注等一系列工作，整理出包含龍、鳳、鶴、龜、獅等14類動物紋樣的140幅宋代銅鏡原始圖像，按70%、15%、15%的比例劃分為訓練集、驗證集與測試集。針對樣本量不足、類別分布不均衡的問題，團隊對訓練集開展在線數(shù)據(jù)增強，通過隨機裁剪縮放、水平翻轉、旋轉等7種操作，讓每幅圖像隨機生成15個變體，大幅提升模型泛化能力，為模型訓練筑牢數(shù)據(jù)基礎。

在模型構建上，團隊選擇ResNet50作為基礎特征提取網(wǎng)絡，通過凍結部分網(wǎng)絡層的方式，提升模型訓練穩(wěn)定性與識別效率，該網(wǎng)絡能有效緩解深度神經(jīng)網(wǎng)絡的梯度消失問題，分層捕捉銅鏡紋樣從淺層邊緣、幾何特征到深層語義特征的多維度細節(jié)。而研究的核心創(chuàng)新，在于引入MOEA/D算法對ResNet50的學習率、權重衰減等關鍵超參數(shù)進行聯(lián)合優(yōu)化，將多目標優(yōu)化問題分解為一系列單目標子問題，實現(xiàn)“最大化識別準確率、最小化驗證損失”的多目標平衡；同時采用焦點損失函數(shù)，讓模型更關注獅、鹿、孔雀等樣本量較少的難分類紋樣，有效緩解類別不均衡帶來的識別偏差。

相較于傳統(tǒng)手工特征提取方法，這套深度學習框架能自主學習高層次紋樣表征，大幅減少人為干預導致的誤差，在性能與效率上實現(xiàn)了雙重突破。實驗結果顯示，優(yōu)化后的模型在驗證集上的漢明準確率最高達94.48%，較基礎ResNet50模型提升超4.5個百分點，且訓練時間與基礎模型相差不足0.3%，計算量全程可控。在測試集上，該模型漢明準確率達0.919、宏F1值達0.358，均優(yōu)于VGG16、EfficientNet-B0等對比模型，不僅提升了標簽級預測一致性，還降低了不同紋樣品類間的識別性能波動，有效緩解了基礎模型“少數(shù)類性能崩潰、多數(shù)類過擬合”的問題。

更值得關注的是，馮青教授帶領的“文化遺產(chǎn)數(shù)字保護與智能設計協(xié)同創(chuàng)新團隊”，隸屬于我校重點建設的智能科創(chuàng)10大青年教學團隊之一 ——智慧文化藝術傳播團隊。團隊長期深耕中華傳統(tǒng)造物思想的理論與實踐研究，圍繞文物智能虛擬修復已發(fā)表相關論文30余篇，研究成果還曾獲“陜西省第十七次哲學社會科學優(yōu)秀成果獎”二等獎、“陜西高等學校人文社會科學研究優(yōu)秀成果獎”三等獎。此次研究成果登上國際頂級期刊，正是團隊跨學科研究實力的有力彰顯。

此次西科在npj Heritage Science發(fā)表重要成果，也是學校推進人文社科與人工智能、計算機科學等理工學科交叉融合的典型范例，更是落實教育強國建設要求、打造特色科技創(chuàng)新團隊的具體體現(xiàn)。這套AI識別框架，不僅將宋代銅鏡動物紋樣識別從“人工主觀判斷”推向“自動化精準分析”，為文化遺產(chǎn)的數(shù)字化存檔、傳播與復用提供了可靠技術支撐，也為其他傳統(tǒng)工藝與文化遺產(chǎn)的智能保護提供了全新思路。

未來，學校還將繼續(xù)依托跨學科研究平臺，深耕文化遺產(chǎn)數(shù)字保護領域的研究與探索，團隊也將通過擴充樣本、引入遷移學習、生成式數(shù)據(jù)增強等方式進一步提升模型性能，同時結合可解釋人工智能技術，挖掘模型識別的關鍵特征，讓AI不僅能“認出”紋樣，更能解讀紋樣背后的文化內(nèi)涵。從青銅古鏡到智能算法，千年文化遺產(chǎn)與現(xiàn)代科技的碰撞，正讓中華優(yōu)秀傳統(tǒng)文化在數(shù)字時代煥發(fā)新的生機，西科將持續(xù)為文化遺產(chǎn)保護事業(yè)貢獻智慧與力量，推動中華優(yōu)秀傳統(tǒng)文化的創(chuàng)造性轉化和創(chuàng)新性發(fā)展。

鳴 謝 | 藝術學院 圖書館

制 版 | 陳俊杰

編 輯 | 王少博

責 編 | 劉光林

審 核 | 曹雪梅

黨委宣傳部網(wǎng)絡與新媒體中心出品