CN113239323B - 一种基于交易数据的艺术品估值系统和估值方法 - Google Patents

Abstract

本发明涉及一种基于交易数据的艺术品估值系统和估值方法，估值系统包括：信息处理模块、信息获取模块，本发明的信息获取模块获取预检测艺术品的图片信息，信息处理模块的图像处理单元对所述信息获取模块获取的数据进行处理，首先对预检测艺术品的图像信息进行处理，判定所述预检测艺术品的种类、特征信息，与网络信息获取单元储存的数据进行对比，获取与所述预检测艺术品最接近的数据，并计算估值，估值时考虑最接近的艺术品交易价格、交易时的拍卖公司以及预检测艺术品的种类行情，通过计算公式预算估值，通过与最接近的艺术品匹配，并考虑艺术品的交易行情、交易时的拍卖公司对交易价格的影响，使得最终预估值更为精确。

Description

一种基于交易数据的艺术品估值系统和估值方法

技术领域

本发明属于估值计算领域，具体涉及一种基于交易数据的艺术品估值系统和估值方法。

背景技术

艺术品估值是指对艺术品市场交易价格的估计、预测。因为艺术品的特征是异质性，即每一件艺术都是独一无二的，而且一件艺术品可能和另一件艺术品差异巨大，导致传统的资产评估方法（如房地产、二手车等资产的评估）无法完全适用于艺术品估值。目前，市场上常用的艺术品估值的方法为由拍卖行、画廊等业务人员，根据市场交易经验进行的艺术品估值，和由艺术品估值专家、博物馆、艺术馆工作人员，根据艺术品的艺术价值、历史价值、学术价值等经验进行艺术品估值。这种常用的艺术品估值方法都是基于人的主观判断进行的估值，受到估值人的经验、学识、喜好等个人因素所影响，很难建立统一的方法和标准化的流程，且估值偏差值较大，无法确定统一的标准，因此本发明提供一种基于交易数据的艺术品估值系统和估值方法，以至少部分的解决上述问题。

发明内容

本发明的目的在于解决上述问题，为此本发明提供一种基于交易数据的艺术品估值系统的估值方法，所述估值系统包括：

信息获取模块，其与全息扫描仪相连接用以与所述全息扫描仪完成数据交换，其内部设置有艺术品信息储存矩阵B（B1,B2,B3），其中，B1表示艺术品平视全息扫描数据，B2表示艺术品仰视45°全息扫描数据，B3表示艺术品俯视45°全息扫描数据；当信息处理模块获取艺术品信息时，控制所述全息扫描仪对艺术品的正面、仰视45°以及俯视45°进行全息扫描以生成所述艺术品信息储存矩阵B（B1,B2,B3），并将获取信息传送至信息处理模块；

信息处理模块，其用以信息处理，其包括：估值模块、图像处理单元以及网络信息获取单元，所述网络信息获取单元，其内部设置有艺术品信息储存矩阵Q（Q1,Q2...Qn），其中，Q1表示第一艺术品信息矩阵，Q2表示第二艺术品信息矩阵...Qn表示第n艺术品信息矩阵；对于第i艺术品信息矩阵Qi（Qi1，Qi2，Qi3,Qi4）,其中，Qi1表示第i艺术品类型信息，Qi2表示第i艺术品尺寸信息，Qi3表示第i艺术品交易价格，Qi4表示第i艺术品交易时的拍卖公司；所述网络信息获取单元通过大数据实时获取全国艺术品交易信息，并将艺术品信息储存在所述艺术品信息储存矩阵Q（Q1,Q2...Qn）内；

所述图像处理单元用以处理所述信息处理模块发出的艺术品图像信息，其内部设置有第i划分坐标集合Zi（x，y，z），i=1,2...n；其中，x表示以艺术品图片中心为原点建立坐标系的x轴向坐标值，y表示以艺术品图片中心为原点建立坐标系的y轴方向坐标值，z表示以艺术品图片中心为原点建立坐标系的z轴方向坐标值；所述信息处理模块将艺术品信息储存矩阵B（B1,B2,B3）内的图像信息按照所述第i划分坐标集合Zi（x，y，z）分为i个区域，并获取i个区域内图像的像素信息Mi，对所述i个区域内的图像像素信息进行处理获取艺术品的类型，外形尺寸，特征信息，生成实际艺术品信息矩阵K（K1，K2,K3）其中，K1表示艺术品类型信息，K2表示艺术品尺寸信息，K3表示艺术品特征信息；同时，所述图像处理单元将所述实际艺术品信息矩阵K（K1，K2,K3）与所述艺术品信息储存矩阵Q（Q1,Q2...Qn）内的信息比较，匹配与所述实际艺术品信息矩阵K（K1，K2,K3）所最接近的艺术品，并获取预检测艺术品对应艺术品的第i艺术品信息矩阵Qi；

所述估值模块，其用以对艺术品估值，其根据所述预检测艺术品对应的最接近第i艺术品信息矩阵Qi对所述预检测艺术品进行估值，所述估值方法为：

步骤一、所述估值模块根据所述第i艺术品信息矩阵Qi内的第i艺术品交易时的拍卖公司Qi4，确定所述拍卖公司的拍卖等级；

步骤二、所述估值模块根据所述拍卖公司的拍卖等级结合第i艺术品信息矩阵Qi内的第i艺术品种类Qi1确定预检测艺术品的拍卖行情等级；

步骤三、所述估值模块根据所述步骤一以及步骤二确定的所述拍卖行情等级、拍卖公司的拍卖等级结合预检测艺术品对应的最接近第i艺术品信息矩阵Qi内的艺术品交易信息Qi3预设预检测艺术品的估值。

进一步地，所述图像处理单元，使用前需对其进行识别信息训练，训练步骤为：

第一步：选取同一类型的艺术品对所述艺术品进行信息获取生成第一

类型艺术品图像信息J1（J11,J12...J1n），其中，J11表示第一类型第一艺术品，J12表示第一类型第二艺术品...J1n表示第一类型第n艺术品；

第二步：所述图像处理单元利用人工智能算法对艺术品图像信息J1

（J11,J12...J1n）内的艺术品图像信息进行识别，提取出所述艺术品的共有特征信息J10，以使所述图像处理单元能够识别处第一类型艺术品；

第三步：重复上述第一步与第二步的方法，对第二种类艺术品，第三种类艺术品...第n种类艺术品进行处理，生成艺术品识别矩阵JO（J10,J20,J30...Jn0），其中，J10表示第一类艺术品特征信息，J20表示第二类艺术品特征信息...Jn0表示第n类艺术品特征信息。

进一步地，所述图像处理单元进行艺术品种类识别时，根据所述预检测艺术品的艺术品信息储存矩阵B（B1,B2,B3），与所述艺术品识别矩阵JO（J10,J20,J30...Jn0）内的特征信息做对比，

当所述艺术品信息储存矩阵B（B1,B2,B3）内的信息与艺术品识别矩阵JO（J10,J20,J30...Jn0）内的J10相匹配时，所述图像处理单元判定该艺术品为第一类艺术品；

当所述艺术品信息储存矩阵B（B1,B2,B3）内的信息与艺术品识别矩阵JO（J10,J20,J30...Jn0）内的J20相匹配时，所述图像处理单元判定该艺术品为第二类艺术品；

...

当所述艺术品信息储存矩阵B（B1,B2,B3）内的信息与艺术品识别矩阵JO（J10,J20,J30...Jn0）内的Jn0相匹配时，所述图像处理单元判定该艺术品为第n类艺术品。

进一步地，所述估值模块其内部设置有行情对比矩阵D(D1,D2...Dn)，

其中，D1表示第一类型艺术品行情对比矩阵，D2表示第二类型艺术品行情对比矩阵...Dn表示第n类型艺术品行情对比矩阵，对于第i类型艺术品行情对比矩阵Di（Di1，Di2），i=1,2...n，其中,Di1表示第i类型艺术品行情对比第一参数，Di2表示第i类型艺术品行情对比第二参数；所述估值方法的步骤二中，确定所述预检测艺术品拍卖价格时，根据所述第i艺术品信息矩阵Qi内的艺术品类型Qi1，控制所述网络信息获取单元检索近三年的艺术品类型Qi1的平均成交价格H，并判定Qi1类型艺术品的拍卖行情等级；

判定时，若所述艺术品类型Q11为第一类型艺术品，所述估值模块调取所述行情对比矩阵D(D1,D2...Dn)内的第一类型艺术品行情对比矩阵D1内的数据作为对比参数；当H<D11时，所述估值模块判定该类型艺术品为第一行情，当D11<H≤D12时，所述估值模块判定该类型艺术品为第二行情，当H≥D12时，所述估值模块判定该类型艺术品为第三行情；

若所述艺术品类型Q21为第二类型艺术品，所述估值模块调取所述行情对比矩阵D(D1,D2...Dn)内的第二类型艺术品行情对比矩阵D2内的数据作为对比参数；当H<D21时，所述估值模块判定该类型艺术品为第一行情，当D21<H≤D22时，所述估值模块判定该类型艺术品为第二行情，当H≥D22时，所述估值模块判定该类型艺术品为第三行情；

若所述艺术品类型Qn1为第n类型艺术品，所述估值模块调取所述行情对比矩阵D(D1,D2...Dn)内的第一类型艺术品行情对比矩阵Dn内的数据作为对比参数；当H<Dn1时，所述估值模块判定该类型艺术品为第一行情，当Dn1<H≤Dn2时，所述估值模块判定该类型艺术品为第二行情，当H≥Dn2时，所述估值模块判定该类型艺术品为第三行情。

进一步地，所述估值模块确定预检测艺术品的行情等级后赋予其特定的行情值，从所述艺术品信息储存矩阵Q（Q1,Q2...Qn）内检索五个与所述预检测艺术品最接近的数据，获取其对应的交易平均值Y0，所述估值模块内部设置有赋值参数G1，G2,G3;

当所述估值模块判定预检测艺术品的交易行情为第一等级时，计算其

对应的第一交易行情计算参数H1,H1=G1×Y0；

当所述估值模块判定预检测艺术品的交易行情为第二等级时，计算其

对应的第二交易行情计算参数H2,H2=G2×Y0；

当所述估值模块判定预检测艺术品的交易行情为第三等级时，计算其

对应的第三交易行情计算参数H3,H3=G3×Y0。

进一步地，所述估值方法的步骤三中，所述估值模块对预检测艺术品进行估值时，使用多元回归分析建立数学模型数量关系式：

式中，P为预估价格，α、p1、P2和P3为待定系数，Qi3为与预检测艺术品最接近的第i艺术品信息矩阵Qi内的第i艺术品交易价格，Hi，i=1,2,3,表示预检测艺术品对应的行情计算参数，R表示预检测艺术品对应的拍卖公司拍卖等级。

与现有技术相比，本发明的技术效果在于：本发明包括：信息处理模块，信息获取模块，本发明的信息获取模块获取预检测艺术品的图片信息，本发明的信息处理模块的图像处理单元对所述信息获取模块获取的数据进行处理，首先对预检测艺术品的图像信息进行处理，判定所述预检测艺术品的种类，特征信息，与网络信息获取单元储存的数据进行对比，获取与所述预检测艺术品最接近的数据，并计算估值，估值时考虑最接近艺术品交易价格，交易时的拍卖公司，以及预检测艺术品的种类行情，通过计算公式预算估值，通过与最接近的艺术品匹配，并考虑艺术品的交易行情，交易时的拍卖公司对交易价格的影响，使得最终预估值更为精确；

尤其，本发明的信息处理模块预先进行人工智能算法识别训练，能识别出预检测艺术品的艺术品种类，方便所述信息处理模块从网络信息获取单元储存的数据中检索与所述预检测艺术品最为接近的艺术品信息，间接提高了最终的估值效果；

尤其，本发明的估值方法第一步中，考虑艺术品交易时拍卖公司对价格的影响，减小了因为拍卖公司不同对价格造成的波动。使得最终预估值更为精确；

尤其，本发明的估值方法第二步中，考虑艺术品类型的交易行情，判定艺术品行情等级，以此确定交易行情参数，将艺术品行情这一对艺术品交易价格影响较大的因素考虑，进一步提高了最终估值的效果；

尤其，本发明的估值公式采用线性回归公式，综合考虑最接近艺术品的交易价格，交易公司，以及艺术品的种类交易行情，计算得出的预估值较为精确。

附图说明

图1为本发明实施例所提供的一种基于交易数据的艺术品估值系统和估值方法的估值系统结构框图。

具体实施方式

以下结合附图，对本发明上述的和另外的技术特征和优点作更详细的说明。

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。

需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

参阅图1所示，其为本发明实施例所提供的一种基于交易数据的艺术品估值系统和估值方法的估值系统结构框图，本实施例的一种基于交易数据的艺术品估值系统的估值方法，所述估值系统包括：

信息获取模块，其与全息扫描仪相连接用以与所述全息扫描仪完成数据交换，其内部设置有艺术品信息储存矩阵B（B1,B2,B3），其中，B1表示艺术品平视全息扫描数据，B2表示艺术品仰视45°全息扫描数据，B3表示艺术品俯视45°全息扫描数据；当信息处理模块获取艺术品信息时，控制所述全息扫描仪对艺术品的正面、仰视45°以及俯视45°进行全息扫描以生成所述艺术品信息储存矩阵B（B1,B2,B3），并将获取信息传送至信息处理模块；

信息处理模块，其用以信息处理，其包括：估值模块、图像处理单元以及网络信息获取单元，所述网络信息获取单元，其内部设置有艺术品信息储存矩阵Q（Q1,Q2...Qn），其中，Q1表示第一艺术品信息矩阵，Q2表示第二艺术品信息矩阵...Qn表示第n艺术品信息矩阵；对于第i艺术品信息矩阵Qi（Qi1，Qi2，Qi3,Qi4）,其中，Qi1表示第i艺术品类型信息，Qi2表示第i艺术品尺寸信息，Qi3表示第i艺术品交易价格，Qi4表示第i艺术品交易时的拍卖公司；所述网络信息获取单元通过大数据实时获取全国艺术品交易信息，并将艺术品信息储存在所述艺术品信息储存矩阵Q（Q1,Q2...Qn）内；

所述图像处理单元用以处理所述信息处理模块发出的艺术品图像信息，其内部设置有第i划分坐标集合Zi（x，y，z），i=1,2...n；其中，x表示以艺术品图片中心为原点建立坐标系的x轴向坐标值，y表示以艺术品图片中心为原点建立坐标系的y轴方向坐标值，z表示以艺术品图片中心为原点建立坐标系的z轴方向坐标值；所述图像信息处理模块将艺术品信息储存矩阵B（B1,B2,B3）内的图像信息按照所述第i划分坐标集合Zi（x，y，z）分为i个区域，并获取i个区域内图像的像素信息Mi，对所述i个区域内的图像像素信息进行处理获取艺术品的类型，外形尺寸，特征信息，生成实际艺术品信息矩阵K（K1，K2,K3）其中，K1表示艺术品类型信息，K2表示艺术品尺寸信息，K3表示艺术品特征信息；同时，所述图像处理单元将所述实际艺术品信息矩阵K（K1，K2,K3）与所述艺术品信息储存矩阵Q（Q1,Q2...Qn）内的信息比较，匹配与所述实际艺术品信息矩阵K（K1，K2,K3）所最接近的艺术品，并获取预检测艺术品对应艺术品的第i艺术品信息矩阵Qi；

所述估值模块，其用以对艺术品估值，其根据所述预检测艺术品对应的最接近第i艺术品信息矩阵Qi对所述预检测艺术品进行估值，所述估值方法为：

步骤一、所述估值模块根据所述第i艺术品信息矩阵Qi内的第i艺术品交易时的拍卖公司Qi4，确定所述拍卖公司的拍卖等级；

步骤二、所述估值模块根据所述拍卖公司的拍卖等级结合第i艺术品信息矩阵Qi内的第i艺术品种类Qi1确定预检测艺术品的拍卖行情等级；

步骤三、所述估值模块根据所述步骤一以及步骤二确定的所述拍卖行情等级、拍卖公司拍卖等级结合预检测艺术品对应的最接近第i艺术品信息矩阵Qi内的艺术品交易信息Qi3预设预检测艺术品的估值。

具体而言，所述图像处理单元，使用前需对其进行识别信息训练，训练步骤为：

第一步、选取同一类型的艺术品对所述艺术品进行信息获取生成第一

类型艺术品图像信息J1（J11,J12...J1n），其中，J11表示第一类型第一艺术品，J12表示第一类型第二艺术品...J1n表示第一类型第n艺术品；

第二步、所述图像处理单元利用人工智能算法对艺术品图像信息J1

（J11,J12...J1n）内的艺术品图像信息进行识别，提取出所述艺术品的共有特征信息J10，以使所述图像处理单元能够识别处第一类型艺术品；

第三步、重复上述第一步与第二步的方法，对第二种类艺术品，第三种类艺术品...第n种类艺术品进行处理，生成艺术品识别矩阵JO（J10,J20,J30...Jn0），其中，J10表示第一类艺术品特征信息，J20表示第二类艺术品特征信息...Jn0表示第n类艺术品特征信息。

具体而言，所述图像处理单元进行艺术品种类识别时，根据所述预检测艺术品的艺术品信息储存矩阵B（B1,B2,B3），与所述艺术品识别矩阵JO（J10,J20,J30...Jn0）内的特征信息做对比，

当所述艺术品信息储存矩阵B（B1,B2,B3）内的信息与艺术品识别矩阵JO（J10,J20,J30...Jn0）内的J10相匹配时，所述图像处理单元判定该艺术品为第一类艺术品；

当所述艺术品信息储存矩阵B（B1,B2,B3）内的信息与艺术品识别矩阵JO（J10,J20,J30...Jn0）内的J20相匹配时，所述图像处理单元判定该艺术品为第二类艺术品；

...

当所述艺术品信息储存矩阵B（B1,B2,B3）内的信息与艺术品识别矩阵JO（J10,J20,J30...Jn0）内的Jn0相匹配时，所述图像处理单元判定该艺术品为第n类艺术品。

具体而言，所述估值模块其内部设置有行情对比矩阵D(D1,D2...Dn)，

其中，D1表示第一类型艺术品行情对比矩阵，D2表示第二类型艺术品行情对比矩阵...Dn表示第n类型艺术品行情对比矩阵，对于第i类型艺术品行情对比矩阵Di（Di1，Di2），i=1,2...n，其中,Di1表示第i类型艺术品行情对比第一参数，Di2表示第i类型艺术品行情对比第二参数；所述估值方法的步骤二中，确定所述预检测艺术品拍卖价格时，根据所述第i艺术品信息矩阵Qi内的艺术品类型Qi1，控制所述网络信息获取单元检索近三年的艺术品类型Qi1的平均成交价格H，并判定Qi1类型艺术品的拍卖行情等级，判定时，

若所述艺术品类型Q11为第一类型艺术品，所述估值模块调取所述行情对比矩阵D(D1,D2...Dn)内的第一类型艺术品行情对比矩阵D1内的数据作为对比参数；当H<D11时，所述估值模块判定该类型艺术品为第一行情，当D11<H≤D12时，所述估值模块判定该类型艺术品为第二行情，当H≥D12时，所述估值模块判定该类型艺术品为第三行情；

若所述艺术品类型Q21为第二类型艺术品，所述估值模块调取所述行情对比矩阵D(D1,D2...Dn)内的第二类型艺术品行情对比矩阵D2内的数据作为对比参数；当H<D21时，所述估值模块判定该类型艺术品为第一行情，当D21<H≤D22时，所述估值模块判定该类型艺术品为第二行情，当H≥D22时，所述估值模块判定该类型艺术品为第三行情；

若所述艺术品类型Qn1为第n类型艺术品，所述估值模块调取所述行情对比矩阵D(D1,D2...Dn)内的第一类型艺术品行情对比矩阵Dn内的数据作为对比参数；当H<Dn1时，所述估值模块判定该类型艺术品为第一行情，当Dn1<H≤Dn2时，所述估值模块判定该类型艺术品为第二行情，当H≥Dn2时，所述估值模块判定该类型艺术品为第三行情。

具体而言，所述估值模块确定预检测艺术品的行情等级后赋予其特定的行情值，从所述艺术品信息储存矩阵Q（Q1,Q2...Qn）内检索五个与所述预检测艺术品最接近的数据，获取其对应的交易平均值Y0，所述估值模块内部设置有赋值参数G1，G2,G3;

当所述估值模块判定预检测艺术品的交易行情为第一等级时，计算其

对应的第一交易行情计算参数H1,H1=G1×Y0；

当所述估值模块判定预检测艺术品的交易行情为第二等级时，计算其

对应的第二交易行情计算参数H2,H2=G2×Y0；

当所述估值模块判定预检测艺术品的交易行情为第三等级时，计算其

对应的第三交易行情计算参数H3,H3=G3×Y0。

具体而言，所述估值方法的步骤三中，所述估值模块对预检测艺术品进行估值时，使用多元回归分析建立数学模型数量关系式；

式中，P为预估价格，α、p1、P2和P3为待定系数，Qi3为与预检测艺术品最接近的第i艺术品信息矩阵Qi内的第i艺术品交易价格，Hi，i=1,2,3,表示预检测艺术品对应的行情计算参数，R表示预检测艺术品对应的拍卖公司拍卖等级。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (4)

1.一种基于交易数据的艺术品估值系统的估值方法，其特征在于，所述估值系统包括：

信息获取模块，其与全息扫描仪相连接用以与所述全息扫描仪完成数据交换，其内部设置有艺术品信息储存矩阵B（B1,B2,B3），其中，B1表示艺术品平视全息扫描数据，B2表示艺术品仰视45°全息扫描数据，B3表示艺术品俯视45°全息扫描数据；当信息处理模块获取艺术品信息时，所述信息获取模块控制所述全息扫描仪对艺术品的正面、仰视45°以及俯视45°进行全息扫描以生成所述艺术品信息储存矩阵B（B1,B2,B3），并将获取信息传送至信息处理模块；

信息处理模块，其用以信息处理，其包括：估值模块、图像处理单元以及网络信息获取单元，所述网络信息获取单元，其内部设置有艺术品信息储存矩阵Q（Q1,Q2...Qn），其中，Q1表示第一艺术品信息矩阵，Q2表示第二艺术品信息矩阵...Qn表示第n艺术品信息矩阵；对于第i艺术品信息矩阵Qi（Qi1，Qi2，Qi3,Qi4）其中，Qi1表示第i艺术品类型信息，Qi2表示第i艺术品尺寸信息，Qi3表示第i艺术品交易价格，Qi4表示第i艺术品交易时的拍卖公司；所述网络信息获取单元通过大数据实时获取全国艺术品交易信息，并将艺术品信息储存在所述艺术品信息储存矩阵Q（Q1,Q2...Qn）内；

所述图像处理单元用以处理所述信息处理模块发出的艺术品图像信息，其内部设置有第i划分坐标集合Zi（x，y，z），i=1,2...n；其中，x表示以艺术品图片中心为原点建立坐标系的x轴向坐标值，y表示以艺术品图片中心为原点建立坐标系的y轴方向坐标值，z表示以艺术品图片中心为原点建立坐标系的z轴方向坐标值；所述信息处理模块将艺术品信息储存矩阵B（B1,B2,B3）内的图像信息按照所述第i划分坐标集合Zi（x，y，z）分为i个区域，并获取i个区域内图像的像素信息Mi，对所述i个区域内的图像像素信息进行处理获取艺术品的类型、外形尺寸、特征信息，生成实际艺术品信息矩阵K（K1，K2,K3）其中，K1表示艺术品类型信息，K2表示艺术品尺寸信息，K3表示艺术品特征信息；同时，所述图像处理单元将所述实际艺术品信息矩阵K（K1，K2,K3）与所述艺术品信息储存矩阵Q（Q1,Q2...Qn）内的信息比较，匹配与所述实际艺术品信息矩阵K（K1，K2,K3）所最接近的艺术品，并获取预检测艺术品对应艺术品的第i艺术品信息矩阵Qi；

估值模块，其用以对艺术品估值，其根据预检测艺术品对应的最接近第i艺术品信息矩阵Qi对所述预检测艺术品进行估值，所述估值方法为：

步骤一、所述估值模块根据所述第i艺术品信息矩阵Qi内的第i艺术品交易时的拍卖公司Qi4，确定所述拍卖公司的拍卖等级；

步骤二、所述估值模块根据所述拍卖公司的拍卖等级结合第i艺术品信息矩阵Qi内的第i艺术品种类Qi1确定预检测艺术品的拍卖行情等级；

步骤三、所述估值模块根据所述步骤一以及步骤二确定的所述拍卖行情等级、拍卖公司拍卖等级结合预检测艺术品对应的最接近第i艺术品信息矩阵Qi内的艺术品交易信息Qi3预设预检测艺术品的估值；

所述估值模块其内部设置有行情对比矩阵D(D1,D2...Dn)，其中，D1表示第一类型艺术品行情对比矩阵D1，D2表示第二类型艺术品行情对比矩阵...Dn表示第n类型艺术品行情对比矩阵，对于第i类型艺术品行情对比矩阵Di（Di1，Di2），i=1,2...n，其中,Di1表示第i类型艺术品行情对比第一参数，Di2表示第i类型艺术品行情对比第二参数；所述估值方法的步骤二中，确定所述预检测艺术品拍卖价格时，根据所述第i艺术品信息矩阵Qi内的艺术品类型Qi1，控制所述网络信息获取单元检索近三年的艺术品类型Qi1的平均成交价格H，并判定Qi1类型艺术品的拍卖行情等级，判定时，

若所述艺术品类型Q11为第一类型艺术品，所述估值模块调取所述行情对比矩阵D(D1,D2...Dn)内的第一类型艺术品行情对比矩阵D1内的数据作为对比参数；当H<D11时，所述估值模块判定该类型艺术品为第一行情，当D11<H≤D12时，所述估值模块判定该类型艺术品为第二行情，当H≥D12时，所述估值模块判定该类型艺术品为第三行情；

若所述艺术品类型Q21为第二类型艺术品，所述估值模块调取所述行情对比矩阵D(D1,D2...Dn)内的第二类型艺术品行情对比矩阵D2内的数据作为对比参数；当H<D21时，所述估值模块判定该类型艺术品为第一行情，当D21<H≤D22时，所述估值模块判定该类型艺术品为第二行情，当H≥D22时，所述估值模块判定该类型艺术品为第三行情；

...

若所述艺术品类型Qn1为第n类型艺术品，所述估值模块调取所述行情对比矩阵D(D1,D2...Dn)内的第一类型艺术品行情对比矩阵Dn内的数据作为对比参数；当H<Dn1时，所述估值模块判定该类型艺术品为第一行情，当Dn1<H≤Dn2时，所述估值模块判定该类型艺术品为第二行情，当H≥Dn2时，所述估值模块判定该类型艺术品为第三行情；

所述估值模块确定预检测艺术品的行情等级后赋予其特定的行情值，从所述艺术品信息储存矩阵Q（Q1,Q2...Qn）内检索五个与所述预检测艺术品最接近的数据，获取其对应的交易平均值Y0，所述估值模块内部设置有赋值参数G1，G2,G3;

当所述估值模块判定预检测艺术品的交易行情为第一等级时，计算其

对应的第一交易行情计算参数H1,H1=G1×Y0；

当所述估值模块判定预检测艺术品的交易行情为第二等级时，计算其

对应的第二交易行情计算参数H2,H2=G2×Y0；

当所述估值模块判定预检测艺术品的交易行情为第三等级时，计算其

对应的第三交易行情计算参数H3,H3=G3×Y0。

2.根据权利要求1所述基于交易数据的艺术品估值系统的估值方法，其特征在于，所述图像处理单元，使用前需对其进行识别信息训练，训练步骤为：

第一步、选取同一类型的艺术品对所述艺术品进行信息获取生成第一

类型艺术品图像信息J1（J11,J12...J1n），其中，J11表示第一类型第一艺术品，J12表示第一类型第二艺术品...J1n表示第一类型第n艺术品；

第二步、所述图像处理单元利用人工智能算法对艺术品图像信息J1

（J11,J12...J1n）内的艺术品图像信息进行识别，提取出所述艺术品的共有特征信息J10，以使所述图像处理单元能够识别处第一类型艺术品；

第三步、重复上述第一步与第二步的方法，对第二种类艺术品，第三种类艺术品...第n种类艺术品进行处理，生成艺术品识别矩阵JO（J10,J20,J30...Jn0），其中，J10表示第一类艺术品特征信息，J20表示第二类艺术品特征信息...Jn0表示第n类艺术品特征信息。

3.根据权利要求2所述基于交易数据的艺术品估值系统的估值方法，其特征在于，所述图像处理单元进行艺术品种类识别时，根据所述预检测艺术品的艺术品信息储存矩阵B（B1,B2,B3），与所述艺术品识别矩阵JO（J10,J20,J30...Jn0）内的特征信息做对比，

当所述艺术品信息储存矩阵B（B1,B2,B3）内的信息与艺术品识别矩阵JO（J10,J20,J30...Jn0）内的J10相匹配时，所述图像处理单元判定该艺术品为第一类艺术品；

当所述艺术品信息储存矩阵B（B1,B2,B3）内的信息与艺术品识别矩阵JO（J10,J20,J30...Jn0）内的J20相匹配时，所述图像处理单元判定该艺术品为第二类艺术品；

...

当所述艺术品信息储存矩阵B（B1,B2,B3）内的信息与艺术品识别矩阵JO（J10,J20,J30...Jn0）内的Jn0相匹配时，所述图像处理单元判定该艺术品为第n类艺术品。

4.根据权利要求1所述的基于交易数据的艺术品估值系统的估值方法，其特征在于，所述估值方法的步骤三中，所述估值模块对预检测艺术品进行估值时，使用多元回归分析建立数学模型数量关系式；

式中，P为预估价格，α、p1、P2和P3为待定系数，Qi3为与预检测艺术品最接近的第i艺术品信息矩阵Qi内的第i艺术品交易价格，Hi，i=1,2,3,表示预检测艺术品对应的行情计算参数，R表示预检测艺术品对应的拍卖公司拍卖等级。

Images