CN115331031A - 一种基于元素智能比对技术的工艺美术品防伪鉴别方法 - Google Patents
一种基于元素智能比对技术的工艺美术品防伪鉴别方法 Download PDFInfo
- Publication number
- CN115331031A CN115331031A CN202211060084.9A CN202211060084A CN115331031A CN 115331031 A CN115331031 A CN 115331031A CN 202211060084 A CN202211060084 A CN 202211060084A CN 115331031 A CN115331031 A CN 115331031A
- Authority
- CN
- China
- Prior art keywords
- patina
- bronze ware
- target
- bronze
- ware
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 229910000906 Bronze Inorganic materials 0.000 claims abstract description 427
- 239000010974 bronze Substances 0.000 claims abstract description 427
- KUNSUQLRTQLHQQ-UHFFFAOYSA-N copper tin Chemical compound [Cu].[Sn] KUNSUQLRTQLHQQ-UHFFFAOYSA-N 0.000 claims abstract description 427
- 241001311547 Patina Species 0.000 claims abstract description 333
- 239000000470 constituent Substances 0.000 claims description 46
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 44
- 238000004458 analytical method Methods 0.000 claims description 41
- 239000000463 material Substances 0.000 claims description 41
- 239000011248 coating agent Substances 0.000 claims description 24
- 238000000576 coating method Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 12
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 7
- 239000010949 copper Substances 0.000 claims description 7
- 229910052802 copper Inorganic materials 0.000 claims description 7
- 239000010410 layer Substances 0.000 description 19
- 241000221535 Pucciniales Species 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- QPLDLSVMHZLSFG-UHFFFAOYSA-N Copper oxide Chemical compound [Cu]=O QPLDLSVMHZLSFG-UHFFFAOYSA-N 0.000 description 2
- 229940116318 copper carbonate Drugs 0.000 description 2
- ARUVKPQLZAKDPS-UHFFFAOYSA-L copper(II) sulfate Chemical compound [Cu+2].[O-][S+2]([O-])([O-])[O-] ARUVKPQLZAKDPS-UHFFFAOYSA-L 0.000 description 2
- 229910000366 copper(II) sulfate Inorganic materials 0.000 description 2
- GEZOTWYUIKXWOA-UHFFFAOYSA-L copper;carbonate Chemical compound [Cu+2].[O-]C([O-])=O GEZOTWYUIKXWOA-UHFFFAOYSA-L 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 239000011247 coating layer Substances 0.000 description 1
- BERDEBHAJNAUOM-UHFFFAOYSA-N copper(I) oxide Inorganic materials [Cu]O[Cu] BERDEBHAJNAUOM-UHFFFAOYSA-N 0.000 description 1
- AQMRBJNRFUQADD-UHFFFAOYSA-N copper(I) sulfide Chemical compound [S-2].[Cu+].[Cu+] AQMRBJNRFUQADD-UHFFFAOYSA-N 0.000 description 1
- ORTQZVOHEJQUHG-UHFFFAOYSA-L copper(II) chloride Chemical compound Cl[Cu]Cl ORTQZVOHEJQUHG-UHFFFAOYSA-L 0.000 description 1
- OMZSGWSJDCOLKM-UHFFFAOYSA-N copper(II) sulfide Chemical compound [S-2].[Cu+2] OMZSGWSJDCOLKM-UHFFFAOYSA-N 0.000 description 1
- 229960004643 cupric oxide Drugs 0.000 description 1
- KRFJLUBVMFXRPN-UHFFFAOYSA-N cuprous oxide Chemical compound [O-2].[Cu+].[Cu+] KRFJLUBVMFXRPN-UHFFFAOYSA-N 0.000 description 1
- 229940112669 cuprous oxide Drugs 0.000 description 1
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N iron oxide Inorganic materials [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- NDLPOXTZKUMGOV-UHFFFAOYSA-N oxo(oxoferriooxy)iron hydrate Chemical compound O.O=[Fe]O[Fe]=O NDLPOXTZKUMGOV-UHFFFAOYSA-N 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5862—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/52—Scale-space analysis, e.g. wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Spectrometry And Color Measurement (AREA)
- Credit Cards Or The Like (AREA)
Abstract
本发明公开一种基于元素智能比对技术的工艺美术品防伪鉴别方法,包括青铜器基本信息获取、构建参考青铜器集合、青铜器组成信息采集与分析、青铜器铜锈信息采集、青铜器铜锈颜色分析、青铜器铜锈成分分析、青铜器真伪鉴定和青铜器鉴定结果显示,通过对青铜器的组成信息进行采集与分析以及对铜锈信息进行采集与分析,进而对青铜器的真伪进行鉴定,解决了当前技术存具有较强的主观性和误差性的问题,实现了青铜器真伪鉴定的智能化和自动化的分析,大大的增加了青铜器分析过程的可靠性和客观性,有效的保障了青铜器鉴定结果的真实性和科学性,同时也大大的提高了青铜器鉴定过程的效率和效果。
Description
技术领域
本发明属于工艺美术品防伪鉴别技术领域,涉及到一种基于元素智能比对技术的工艺美术品防伪鉴别方法。
背景技术
青铜器是中国最为重要的历史文化遗产之一,具有很强的历史文化价值,但是随着青铜器仿冒品的出现,对青铜器的价值鉴定造成了很大干扰,因此需要对对青铜器的真伪进行鉴别。
目前青铜器真伪的鉴别方法主要方式是专业鉴定人员进行鉴别,很显然这种分析方式存在以下几个问题:
1、当前专业鉴定人员通过眼部感知、手部感觉和耳部听觉对青铜器的材质进行分析与判断,并没有通过智能化的分析方式对青铜器的材质进行分析与判断,从而无法直观的了解青铜器组成元素情况以及镀层情况,进而无法保障青铜器材质分析结果的科学性和真实性,同时也无法提高后续青铜器真伪鉴定结果的说服力。
2、当前通过专业鉴定人员的眼部对青铜器表面的铜锈的颜色进行分析与判断的方式,具有较强的主观性和误差性,同时也无法准确的展示青铜器中铜锈元素的数量和含量,进而无法为后续青铜器铜锈分析提供准确的数据,从而无法精准的判断解到青铜器铜锈的的符合情况,并且也无法有效的保障青铜器铜锈鉴定结果的可靠性和参考性,同时也无法提高青铜器鉴定的效率和效果。
发明内容
本发明的目的在于提供的一种基于元素智能比对技术的工艺美术品防伪鉴别方法,解决了背景技术中存在的问题。
本发明的目的可以通过以下技术方案实现:
一种基于元素智能比对技术的工艺美术品防伪鉴别方法,该方法包括以下步骤:
步骤一、青铜器基本信息获取:通过摄像头对目标青铜器的图像进行采集,得到目标青铜器对应的图像,并从中定位出目标青铜器对应的形状、尺寸、花纹的种类和各种类花纹对应的轮廓;
步骤二、构建参考青铜器集合:根据目标青铜器对应的形状、尺寸和各种花纹轮廓,从数据库中筛选出目标青铜器对应的各参考青铜器,从而构建参考青铜器集合;
步骤三、青铜器组成信息采集与分析:对目标青铜器的组成元素信息和表面镀层厚度进行采集,进而得到目标青铜器对应的组成元素信息和表面镀层厚度,其中,组成元素信息包括组成元素数目和各组成元素对应的含量,并根据目标青铜器对应的组成元素信息和表面镀层厚度,对目标青铜器的组成信息进行分析,得到目标青铜器对应的材质符合指数,进而对目标青铜器的材质进行判断,若目标青铜器的材质合格,则执行步骤四,反之则执行步骤八;
步骤四、青铜器铜锈信息采集:从目标青铜器对应的图像中定位出目标青铜器中存在的铜锈区域数目,进而对目标青铜器中各铜锈区域对应的颜色信息进行采集,同时对目标青铜器中各铜锈区域对应的铜锈信息进行采集,其中,颜色信息包括亮度、色调和饱和度,铜锈信息包括铜锈元素数量、各铜锈元素对应的含量和锈层数;
步骤五、青铜器铜锈颜色分析:根据目标青铜器中各铜锈区域对应的颜色信息,对目标青铜器中各铜锈区域的铜锈颜色进行分析,得到目标青铜器中各铜锈区域对应的铜锈颜色符合指数;
步骤六、青铜器铜锈成分分析:根据目标青铜器中各铜锈区域对应的铜锈成分信息,对目标青铜器中各铜锈区域的铜锈成分进行分析,得到目标青铜器中各铜锈区域对应的铜锈成分符合指数;
步骤七、青铜器真伪鉴定:根据目标青铜器中各铜锈区域对应的铜锈颜色匹配指数和铜锈成分符合指数,对目标青铜器中各铜锈区域的铜锈进行分析,得到目标青铜器对应的铜锈符合指数,并对目标青铜器的真伪进行判断,得到目标青铜器的真伪鉴定结果,并执行步骤八;
步骤八、青铜器鉴定结果显示:将目标青铜器的真伪鉴定结果进行显示。
优选地,所述从数据库中筛选出目标青铜器对应的参考青铜器,具体筛选过程如下:
将目标青铜器对应的形状与数据库中存储的各青铜器对应的形状进行匹配对比,进而筛选得到与目标青铜器形状匹配度最高的各青铜器,并作为各参考形状青铜器;
将目标青铜器对应的尺寸与各参考形状青铜器对应的的尺寸进行相互对比,进而筛选得到与目标青铜器尺寸匹配度最高的各参考形状青铜器,并作为各参考尺寸青铜器;
将目标青铜器对应的花纹的种类和各种类花纹对应的轮廓与各参考尺寸青铜器对应的花纹的种类和各种类花纹对应的轮廓进匹配对比,进而得到与目标青铜器中花纹的种类和各种类花纹对应的轮廓匹配度最高的各参考尺寸青铜器,并作为各参考青铜器。
优选地,所述对目标青铜器的组成元素进行分析,具体分析过程如下:
将目标青铜器中各组成元素按照预设顺序进行编号,依次编号为1,2...i...n;
将目标青铜器中组成元素数目、各组成元素对应的含量和表面镀层厚度代入计算公式中,得到目标青铜器对应的材质符合指数其中,n表示目标青铜器中组成元素对应的数目,ci表示目标青铜器中第i个组成元素对应的含量,D表示目标青铜器对应的表面镀层厚度,n′、c′、D′分别为设定的青铜器组成元素对应的标准数目、标准含量、标准表面镀层厚度,Δc为设定的青铜器组成元素对应的许可含量,ε1、ε2、ε3分别为设定的组成元素数目、组成元素含量、表面镀层厚度对应的权重因子,i表示各组成元素对应的编号,i=1,2......n。
优选地,所述对目标青铜器的材质进行判断,具体判断过程如下:
将目标青铜器对应的材质符合指数与数据库中存储的标准青铜器材质符合指数进行对比,若目标青铜器对应的材质符合指数大于或者等于标准青铜器材质符合指数,则判定目标青铜器的材质合格,若目标青铜器对应的材质符合指数小于标准青铜器材质符合指数,则判定目标青铜器的材质不合格。
优选地,所述对目标青铜器中各铜锈区域对应的铜锈信息进行采集,具体采集过程如下:
通过青铜器分析仪对目标青铜器中各铜锈区域的铜锈元素数量和各铜锈元素对应的含量进行采集,得到目标青铜器中各铜锈区域对应的铜锈元素数量和各铜锈元素对应的含量;
通过透视仪对目标青铜器中各铜锈区域的锈层进行采集,得到目标青铜器中各铜锈区域对应的锈层数。
优选地,所述对目标青铜器中各铜锈区域的铜锈颜色进行分析,具体分析过程如下:
将目标青铜器中各铜锈区域按照预设顺序进行编号,依次编号为1,2...j...m,并从数据库中提取出参考青铜器集合中各铜锈种类,进而将各铜锈种类进行编号,依次编号为1,2...q...z;
将目标青铜器中各铜锈区域对应的亮度、色调和饱和度代入计算公式中,得到目标青铜器中各铜锈区域与各铜锈种类对应的颜色匹配指数其中,Hj、Dj、Bj分别表示目标青铜器中第j个铜锈区域对应的亮度、色调、饱和度,分别为参考青铜器中第q个铜锈种类对应的亮度、色调、饱和度,γ1、γ2、γ3分别为设定的亮度、色调、饱和度对应的权重因子,j表示目标青铜器中各铜锈区域对应的编号,j=1,2......m,q表示各铜锈种类对应的编号,q=1,2......z;
将目标青铜器中各铜锈区域与各铜锈种类对应的颜色匹配指数与设定的标准铜锈颜色匹配指数进行对比,若目标青铜器中某铜锈区域与某铜锈种类对应的颜色匹配指数大于或者等于标准铜锈颜色匹配指数,则将该铜锈种类作为目标青铜器中该铜锈区域对应的铜锈种类,并将标青铜器中该铜锈区域对应的颜色符合指数记为a1,以此方式得到目标青铜器中各铜锈区域对应的铜锈种类和颜色符合指数,并将目标青铜器中各铜锈区域对应的颜色符合指数记为取值为a1。
优选地,所述铜锈种类包括绿锈、红锈、蓝锈和黑锈。
优选地,所述对目标青铜器中各铜锈区域的铜锈成分进行分析,具体分析过程如下:
将目标青铜器中各铜锈区域内的各铜锈元素按照预设顺序进行编号,依次编号为1,2...u...v;
从数据库中提取参考青铜器集合中各铜锈种类对应的平均铜锈元素数量、平均各铜锈元素对应的含量和平均锈层数,并作为各铜锈种类对应的参考铜锈元素数量、各参考铜锈元素对应的含量和各参考锈层,基于目标青铜器中各铜锈区域对应的铜锈种类,从数据库定位出标青铜器中各铜锈区域对应铜锈种类的参考铜锈元素数量、各参考铜锈元素对应的含量,并分别标记为其中,u表示各铜锈元素对应的编号,u=1,2......v;
将目标青铜器中各铜锈区域对应的铜锈元素数量、各铜锈元素对应的含量和锈层数代入计算公式中,得到目标青铜器中各铜锈区域对应的铜锈成分符合指数βj,其中,zj、Xj分别表示目标青铜器中第j个铜锈区域对应的铜锈元素数量、锈层数,表示目标青铜器中第j个铜锈区域内第u个铜锈元素对应的含量,η1、η2、η3分别为设定的铜锈元素数、铜锈元素含量、锈层数对应的权重因子。
优选地,所述对青铜器中各铜锈区域的铜锈进行分析,具体分析过程如下:
将目标青铜器中各铜锈区域对应的颜色符合指数和目标青铜器中各铜锈区域对应的铜锈成分符合指数βj代入计算公式中,得到目标青铜器对应的铜锈符合指数ψ,其中,σ1、σ2分别为设定的颜色匹配指数、铜锈成分符合指数对应的权重因子,e为自然常数,τ为设定的铜锈符合指数对应的修正因子。
优选地,所述对目标青铜器的真伪进行判断,具体判断过程如下:
将目标青铜器对应的铜锈符合指数与数据库中存储的标准青铜器铜锈符合指数进行对比,若目标青铜器对应的铜锈符合指数小于标准青铜器铜锈符合指数,则判定目标青铜器为伪青铜器,若目标青铜器对应的铜锈符合指数大于标准青铜器铜锈符合指数,则判定目标青铜器为真青铜器。
相较于现有技术,本发明的有益效果如下:
1、本发明提供的一种基于元素智能比对技术的工艺美术品防伪鉴别方法,通过对青铜器的组成信息进行采集与分析、对铜锈信息进行采集与分析,进而对青铜器的真伪进行鉴定,解决了当前技术存具有较强的主观性和误差性的问题,实现了青铜器真伪鉴定的智能化和自动化的分析,大大的增加了青铜器分析过程的可靠性和客观性,有效的保障了青铜器鉴定结果的真实性和科学性,同时也提高了青铜器鉴定过程的效率和效果。
2、本发明在青铜器组成信息采集与分析中通过对青铜器的组成信息进行采集与分析,直观的展示了青铜器组成元素的含量以及镀层数目,进而为后续青铜器的组成信息分析提供了可靠的依据,同时也保障了青铜器材质分析结果的准确性,并且还在一定程度上提高了后续青铜器鉴定结果的说服力。
3、本发明在青铜器铜锈信息采集中通过对青铜器上铜锈的颜色信息和铜锈信息进行采集,进而为后续青铜器铜锈颜色分析和青铜器铜锈成分分析设置了铺垫,同时也为后续青铜器成分分析提供了准确直观的数据,另一方面,对青铜器铜锈颜色进行分析,保障了青铜器鉴定结果的真实性,进而有效的保障了后续青铜器铜锈成分分析结果的参考性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的方法实施步骤流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,一种基于元素智能比对技术的工艺美术品防伪鉴别方法,该方法包括以下步骤:
步骤一、青铜器基本信息获取:通过摄像头对目标青铜器的图像进行采集,得到目标青铜器对应的图像,并从中定位出目标青铜器对应的形状、尺寸、花纹的种类和各种类花纹对应的轮廓;
步骤二、构建参考青铜器集合:根据目标青铜器对应的形状、尺寸和各种花纹轮廓,从数据库中筛选出目标青铜器对应的各参考青铜器,从而构建参考青铜器集合;
在一个具体的实施例中,从数据库中筛选出目标青铜器对应的参考青铜器,具体筛选过程如下:
将目标青铜器对应的形状与数据库中存储的各青铜器对应的形状进行匹配对比,进而筛选得到与目标青铜器形状匹配度最高的各青铜器,并作为各参考形状青铜器;
将目标青铜器对应的尺寸与各参考形状青铜器对应的的尺寸进行相互对比,进而筛选得到与目标青铜器尺寸匹配度最高的各参考形状青铜器,并作为各参考尺寸青铜器;
将目标青铜器对应的花纹的种类和各种类花纹对应的轮廓与各参考尺寸青铜器对应的花纹的种类和各种类花纹对应的轮廓进匹配对比,进而得到与目标青铜器中花纹的种类和各种类花纹对应的轮廓匹配度最高的各参考尺寸青铜器,并作为各参考青铜器。
步骤三、青铜器组成信息采集与分析:对目标青铜器的组成元素信息和表面镀层厚度进行采集,进而得到目标青铜器对应的组成元素信息和表面镀层厚度,其中,组成元素信息包括组成元素数目和各组成元素对应的含量,并根据目标青铜器对应的组成元素信息和表面镀层厚度,对目标青铜器的组成信息进行分析,得到目标青铜器对应的材质符合指数,进而对目标青铜器的材质进行判断,若目标青铜器的材质合格,则执行步骤四,反之则执行步骤八;
在一个具体的实施例中,对目标青铜器的组成元素和表面镀层厚度进行采集,具有采集过程如下:
通过青铜器分析仪对目标青铜器的组成元素进行采集,通过镀层测量仪对目标青铜器的表面镀层厚度进行采集。
在又一个具体的实施例中,对目标青铜器的组成元素进行分析,具体分析过程如下:
将目标青铜器中各组成元素按照预设顺序进行编号,依次编号为1,2...i...n;
将目标青铜器中组成元素数目、各组成元素对应的含量和表面镀层厚度代入计算公式中,得到目标青铜器对应的材质符合指数其中,n表示目标青铜器中组成元素对应的数目,ci表示目标青铜器中第i个组成元素对应的含量,D表示目标青铜器对应的表面镀层厚度,n′、c′、D′分别为设定的青铜器组成元素对应的标准数目、标准含量、标准表面镀层厚度,Δc为设定的青铜器组成元素对应的许可含量,ε1、ε2、ε3分别为设定的组成元素数目、组成元素含量、表面镀层厚度对应的权重因子,i表示各组成元素对应的编号,i=1,2......n。
在另一个具体的实施例中,对目标青铜器的材质进行判断,具体判断过程如下:
将目标青铜器对应的材质符合指数与数据库中存储的标准青铜器材质符合指数进行对比,若目标青铜器对应的材质符合指数大于或者等于标准青铜器材质符合指数,则判定目标青铜器的材质合格,若目标青铜器对应的材质符合指数小于标准青铜器材质符合指数,则判定目标青铜器的材质不合格。
本发明实施例通过对青铜器的组成信息进行采集与分析,直观的展示了青铜器组成元素的含量以及镀层数目,进而为后续青铜器的组成信息分析提供了可靠的依据,同时也保障了青铜器材质分析结果的准确性,并且还在一定程度上提高了后续青铜器鉴定结果的说服力。
步骤四、青铜器铜锈信息采集:从目标青铜器对应的图像中定位出目标青铜器中存在的铜锈区域数目,进而对目标青铜器中各铜锈区域对应的颜色信息进行采集,同时对目标青铜器中各铜锈区域对应的铜锈信息进行采集,其中,颜色信息包括亮度、色调和饱和度,铜锈信息包括铜锈元素数量、各铜锈元素对应的含量和锈层数;
在一个具体的实施例中,对目标青铜器中各铜锈区域对应的颜色信息进行采集,具体采集过程如下:
从目标青铜器对应的图像中定位出目标青铜器中各铜锈区域对应的局部图像,并从各铜锈区域对应的局部图像中提取各铜锈区域对应的亮度、色调和饱和度。
在另一个具体的实施例中,对目标青铜器中各铜锈区域对应的铜锈信息进行采集,具体采集过程如下:
通过青铜器分析仪对目标青铜器中各铜锈区域的铜锈元素数量和各铜锈元素对应的含量进行采集,得到目标青铜器中各铜锈区域对应的铜锈元素数量和各铜锈元素对应的含量;
通过透视仪对目标青铜器中各铜锈区域的锈层进行采集,得到目标青铜器中各铜锈区域对应的锈层数。
需要说明的是,陈年自然的锈层较多,而仿古青铜器由于经历时间较短,锈层数较少,因此,需要对青铜器中各铜锈区域的锈层数进行采集。
本发明实施例通过对青铜器上铜锈的颜色信息和铜锈信息进行采集,进而为后续青铜器铜锈颜色分析和青铜器铜锈成分分析设置了铺垫,同时也为后续青铜器成分分析提供了准确直观的数据,另一方面,对青铜器铜锈颜色进行分析,保障了青铜器鉴定结果的真实性,进而有效的保障了后续青铜器铜锈成分分析结果的参考性。
步骤五、青铜器铜锈颜色分析:根据目标青铜器中各铜锈区域对应的颜色信息,对目标青铜器中各铜锈区域的铜锈颜色进行分析,得到目标青铜器中各铜锈区域对应的铜锈颜色符合指数;
在一个具体的实施例中,对目标青铜器中各铜锈区域的铜锈颜色进行分析,具体分析过程如下:
将目标青铜器中各铜锈区域按照预设顺序进行编号,依次编号为1,2...j...m,并从数据库中提取出参考青铜器集合中各铜锈种类,进而将各铜锈种类进行编号,依次编号为1,2...q...z;
将目标青铜器中各铜锈区域对应的亮度、色调和饱和度代入计算公式中,得到目标青铜器中各铜锈区域与各铜锈种类对应的颜色匹配指数其中,Hj、Dj、Bj分别表示目标青铜器中第j个铜锈区域对应的亮度、色调、饱和度,分别为参考青铜器中第q个铜锈种类对应的亮度、色调、饱和度,γ1、γ2、γ3分别为设定的亮度、色调、饱和度对应的权重因子,j表示目标青铜器中各铜锈区域对应的编号,j=1,2......m,q表示各铜锈种类对应的编号,q=1,2......z;
将目标青铜器中各铜锈区域与各铜锈种类对应的颜色匹配指数与设定的标准铜锈颜色匹配指数进行对比,若目标青铜器中某铜锈区域与某铜锈种类对应的颜色匹配指数大于或者等于标准铜锈颜色匹配指数,则将该铜锈种类作为目标青铜器中该铜锈区域对应的铜锈种类,并将标青铜器中该铜锈区域对应的颜色符合指数记为a1,以此方式得到目标青铜器中各铜锈区域对应的铜锈种类和颜色符合指数,并将目标青铜器中各铜锈区域对应的颜色符合指数记为取值为a1。
需要说明的是,目标青铜器中各铜锈区域均有对应的铜锈种类,因此,不对铜锈区域与铜锈种类不匹配的情况进行分析。
在又一个具体的实施例中,铜锈种类包括绿锈、红锈、蓝锈和黑锈。
需要说明的是,绿锈元素包括碱式碳酸铜和碱式氯化铜等,红锈元素包括氧化亚铜和氧化铁等,蓝秀包括硫化铜、硫酸铜、碱式碳酸铜和碱式硫酸铜等,黑锈包括氧化铜和硫化亚铜等。
步骤六、青铜器铜锈成分分析:根据目标青铜器中各铜锈区域对应的铜锈成分信息,对目标青铜器中各铜锈区域的铜锈成分进行分析,得到目标青铜器中各铜锈区域对应的铜锈成分符合指数;
在一个具体的实施例中,对目标青铜器中各铜锈区域的铜锈成分进行分析,具体分析过程如下:
将目标青铜器中各铜锈区域内的各铜锈元素按照预设顺序进行编号,依次编号为1,2...u...v;
从数据库中提取参考青铜器集合中各铜锈种类对应的平均铜锈元素数量、平均各铜锈元素对应的含量和平均锈层数,并作为各铜锈种类对应的参考铜锈元素数量、各参考铜锈元素对应的含量和各参考锈层,基于目标青铜器中各铜锈区域对应的铜锈种类,从数据库定位出标青铜器中各铜锈区域对应铜锈种类的参考铜锈元素数量、各参考铜锈元素对应的含量,并分别标记为其中,u表示各铜锈元素对应的编号,u=1,2......v;
将目标青铜器中各铜锈区域对应的铜锈元素数量、各铜锈元素对应的含量和锈层数代入计算公式中,得到目标青铜器中各铜锈区域对应的铜锈成分符合指数βj,其中,zj、Xj分别表示目标青铜器中第j个铜锈区域对应的铜锈元素数量、锈层数,表示目标青铜器中第j个铜锈区域内第u个铜锈元素对应的含量,η1、η2、η3分别为设定的铜锈元素数、铜锈元素含量、锈层数对应的权重因子。
步骤七、青铜器真伪鉴定:根据目标青铜器中各铜锈区域对应的铜锈颜色匹配指数和铜锈成分符合指数,对目标青铜器中各铜锈区域的铜锈进行分析,得到目标青铜器对应的铜锈符合指数,并对目标青铜器的真伪进行判断,得到目标青铜器的真伪鉴定结果,并执行步骤八;
在一个具体的实施例中,对青铜器中各铜锈区域的铜锈进行分析,具体分析过程如下:
将目标青铜器中各铜锈区域对应的颜色符合指数和目标青铜器中各铜锈区域对应的铜锈成分符合指数βj代入计算公式中,得到目标青铜器对应的铜锈符合指数ψ,其中,σ1、σ2分别为设定的颜色匹配指数、铜锈成分符合指数对应的权重因子,e为自然常数,τ为设定的铜锈符合指数对应的修正因子。
在另一个具体的实施例中,对目标青铜器的真伪进行判断,具体判断过程如下:
将目标青铜器对应的铜锈符合指数与数据库中存储的标准青铜器铜锈符合指数进行对比,若目标青铜器对应的铜锈符合指数小于标准青铜器铜锈符合指数,则判定目标青铜器为伪青铜器,若目标青铜器对应的铜锈符合指数大于标准青铜器铜锈符合指数,则判定目标青铜器为真青铜器。
本发明实施例通过对青铜器的组成信息进行采集与分析、对铜锈信息进行采集与分析,进而对青铜器的真伪进行鉴定,解决了当前技术存具有较强的主观性和误差性的问题,实现了青铜器真伪鉴定的智能化和自动化的分析,大大的增加了青铜器分析过程的可靠性和客观性,有效的保障了青铜器鉴定结果的真实性和科学性,同时也提高了青铜器鉴定过程的效率和效果。
步骤八、青铜器鉴定结果显示:将目标青铜器的真伪鉴定结果进行显示。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于元素智能比对技术的工艺美术品防伪鉴别方法,其特征在于,该方法包括以下步骤:
步骤一、青铜器基本信息获取:通过摄像头对目标青铜器的图像进行采集,得到目标青铜器对应的图像,并从中定位出目标青铜器对应的形状、尺寸、花纹的种类和各种类花纹对应的轮廓;
步骤二、构建参考青铜器集合:根据目标青铜器对应的形状、尺寸和各种花纹轮廓,从数据库中筛选出目标青铜器对应的各参考青铜器,从而构建参考青铜器集合;
步骤三、青铜器组成信息采集与分析:对目标青铜器的组成元素信息和表面镀层厚度进行采集,进而得到目标青铜器对应的组成元素信息和表面镀层厚度,其中,组成元素信息包括组成元素数目和各组成元素对应的含量,并根据目标青铜器对应的组成元素信息和表面镀层厚度,对目标青铜器的组成信息进行分析,得到目标青铜器对应的材质符合指数,进而对目标青铜器的材质进行判断,若目标青铜器的材质合格,则执行步骤四,反之则执行步骤八;
步骤四、青铜器铜锈信息采集:从目标青铜器对应的图像中定位出目标青铜器中存在的铜锈区域数目,进而对目标青铜器中各铜锈区域对应的颜色信息进行采集,同时对目标青铜器中各铜锈区域对应的铜锈信息进行采集,其中,颜色信息包括亮度、色调和饱和度,铜锈信息包括铜锈元素数量、各铜锈元素对应的含量和锈层数;
步骤五、青铜器铜锈颜色分析:根据目标青铜器中各铜锈区域对应的颜色信息,对目标青铜器中各铜锈区域的铜锈颜色进行分析,得到目标青铜器中各铜锈区域对应的铜锈颜色符合指数;
步骤六、青铜器铜锈成分分析:根据目标青铜器中各铜锈区域对应的铜锈成分信息,对目标青铜器中各铜锈区域的铜锈成分进行分析,得到目标青铜器中各铜锈区域对应的铜锈成分符合指数;
步骤七、青铜器真伪鉴定:根据目标青铜器中各铜锈区域对应的铜锈颜色匹配指数和铜锈成分符合指数,对目标青铜器中各铜锈区域的铜锈进行分析,得到目标青铜器对应的铜锈符合指数,并对目标青铜器的真伪进行判断,得到目标青铜器的真伪鉴定结果,并执行步骤八;
步骤八、青铜器鉴定结果显示:将目标青铜器的真伪鉴定结果进行显示。
2.根据权利要求1所述的一种基于元素智能比对技术的工艺美术品防伪鉴别方法,其特征在于:所述从数据库中筛选出目标青铜器对应的参考青铜器,具体筛选过程如下:
将目标青铜器对应的形状与数据库中存储的各青铜器对应的形状进行匹配对比,进而筛选得到与目标青铜器形状匹配度最高的各青铜器,并作为各参考形状青铜器;
将目标青铜器对应的尺寸与各参考形状青铜器对应的的尺寸进行相互对比,进而筛选得到与目标青铜器尺寸匹配度最高的各参考形状青铜器,并作为各参考尺寸青铜器;
将目标青铜器对应的花纹的种类和各种类花纹对应的轮廓与各参考尺寸青铜器对应的花纹的种类和各种类花纹对应的轮廓进匹配对比,进而得到与目标青铜器中花纹的种类和各种类花纹对应的轮廓匹配度最高的各参考尺寸青铜器,并作为各参考青铜器。
3.根据权利要求1所述的一种基于元素智能比对技术的工艺美术品防伪鉴别方法,其特征在于:所述对目标青铜器的组成元素进行分析,具体分析过程如下:
将目标青铜器中各组成元素按照预设顺序进行编号,依次编号为1,2...i...n;
4.根据权利要求3所述的一种基于元素智能比对技术的工艺美术品防伪鉴别方法,其特征在于:所述对目标青铜器的材质进行判断,具体判断过程如下:
将目标青铜器对应的材质符合指数与数据库中存储的标准青铜器材质符合指数进行对比,若目标青铜器对应的材质符合指数大于或者等于标准青铜器材质符合指数,则判定目标青铜器的材质合格,若目标青铜器对应的材质符合指数小于标准青铜器材质符合指数,则判定目标青铜器的材质不合格。
5.根据权利要求1所述的一种基于元素智能比对技术的工艺美术品防伪鉴别方法,其特征在于:所述对目标青铜器中各铜锈区域对应的铜锈信息进行采集,具体采集过程如下:
通过青铜器分析仪对目标青铜器中各铜锈区域的铜锈元素数量和各铜锈元素对应的含量进行采集,得到目标青铜器中各铜锈区域对应的铜锈元素数量和各铜锈元素对应的含量;
通过透视仪对目标青铜器中各铜锈区域的锈层进行采集,得到目标青铜器中各铜锈区域对应的锈层数。
6.根据权利要求1所述的一种基于元素智能比对技术的工艺美术品防伪鉴别方法,其特征在于:所述对目标青铜器中各铜锈区域的铜锈颜色进行分析,具体分析过程如下:
将目标青铜器中各铜锈区域按照预设顺序进行编号,依次编号为1,2...j...m,并从数据库中提取出参考青铜器集合中各铜锈种类,进而将各铜锈种类进行编号,依次编号为1,2...q...z;
将目标青铜器中各铜锈区域对应的亮度、色调和饱和度代入计算公式中,得到目标青铜器中各铜锈区域与各铜锈种类对应的颜色匹配指数其中,Hj、Dj、Bj分别表示目标青铜器中第j个铜锈区域对应的亮度、色调、饱和度,分别为参考青铜器中第q个铜锈种类对应的亮度、色调、饱和度,γ1、γ2、γ3分别为设定的亮度、色调、饱和度对应的权重因子,j表示目标青铜器中各铜锈区域对应的编号,j=1,2......m,q表示各铜锈种类对应的编号,q=1,2......z;
7.根据权利要求6所述的一种基于元素智能比对技术的工艺美术品防伪鉴别方法,其特征在于:所述铜锈种类包括绿锈、红锈、蓝锈和黑锈。
8.根据权利要求6所述的一种基于元素智能比对技术的工艺美术品防伪鉴别方法,其特征在于:所述对目标青铜器中各铜锈区域的铜锈成分进行分析,具体分析过程如下:
将目标青铜器中各铜锈区域内的各铜锈元素按照预设顺序进行编号,依次编号为1,2...u...v;
从数据库中提取参考青铜器集合中各铜锈种类对应的平均铜锈元素数量、平均各铜锈元素对应的含量和平均锈层数,并作为各铜锈种类对应的参考铜锈元素数量、各参考铜锈元素对应的含量和各参考锈层,基于目标青铜器中各铜锈区域对应的铜锈种类,从数据库定位出标青铜器中各铜锈区域对应铜锈种类的参考铜锈元素数量、各参考铜锈元素对应的含量,并分别标记为其中,u表示各铜锈元素对应的编号,u=1,2......v;
10.根据权利要求9所述的一种基于元素智能比对技术的工艺美术品防伪鉴别方法,其特征在于:所述对目标青铜器的真伪进行判断,具体判断过程如下:
将目标青铜器对应的铜锈符合指数与数据库中存储的标准青铜器铜锈符合指数进行对比,若目标青铜器对应的铜锈符合指数小于标准青铜器铜锈符合指数,则判定目标青铜器为伪青铜器,若目标青铜器对应的铜锈符合指数大于标准青铜器铜锈符合指数,则判定目标青铜器为真青铜器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211060084.9A CN115331031B (zh) | 2022-08-30 | 2022-08-30 | 一种基于元素智能比对技术的工艺美术品防伪鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211060084.9A CN115331031B (zh) | 2022-08-30 | 2022-08-30 | 一种基于元素智能比对技术的工艺美术品防伪鉴别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115331031A true CN115331031A (zh) | 2022-11-11 |
CN115331031B CN115331031B (zh) | 2024-05-28 |
Family
ID=83927160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211060084.9A Active CN115331031B (zh) | 2022-08-30 | 2022-08-30 | 一种基于元素智能比对技术的工艺美术品防伪鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115331031B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115717909A (zh) * | 2022-11-17 | 2023-02-28 | 复旦大学 | 一种面向热害职业危害的健康智能监测方法、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844474A (zh) * | 2015-01-15 | 2016-08-10 | 中国科学院高能物理研究所 | 艺术品防伪方法及鉴定方法 |
CN107064196A (zh) * | 2017-04-28 | 2017-08-18 | 洛阳理工学院 | 一种青铜器文物的鉴定方法 |
CN107341461A (zh) * | 2017-06-19 | 2017-11-10 | 江西文联智慧互联网络有限公司 | 智能识别与分析技术鉴别艺术品真伪的方法及其系统 |
-
2022
- 2022-08-30 CN CN202211060084.9A patent/CN115331031B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844474A (zh) * | 2015-01-15 | 2016-08-10 | 中国科学院高能物理研究所 | 艺术品防伪方法及鉴定方法 |
CN107064196A (zh) * | 2017-04-28 | 2017-08-18 | 洛阳理工学院 | 一种青铜器文物的鉴定方法 |
CN107341461A (zh) * | 2017-06-19 | 2017-11-10 | 江西文联智慧互联网络有限公司 | 智能识别与分析技术鉴别艺术品真伪的方法及其系统 |
Non-Patent Citations (1)
Title |
---|
魏萌萌: ""从青铜器锈蚀的角度鉴别铜器真伪"", 《文物鉴定与鉴赏》, pages 96 - 98 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115717909A (zh) * | 2022-11-17 | 2023-02-28 | 复旦大学 | 一种面向热害职业危害的健康智能监测方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115331031B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115276006A (zh) | 一种用于电力集成系统的负荷预测的方法及系统 | |
CN105574161B (zh) | 一种商标图形要素识别方法、装置和系统 | |
CN111985499B (zh) | 一种基于计算机视觉的高精度桥梁表观病害识别方法 | |
CN109002974A (zh) | 一种钢卷表面质量分级判定方法及装置 | |
CN115331031A (zh) | 一种基于元素智能比对技术的工艺美术品防伪鉴别方法 | |
CN114648400B (zh) | 一种基于移动互联网的财务数据智能采集分析管理系统 | |
CN115063653A (zh) | 基于图像脑敏感数据的建成环境主导色测度方法和系统 | |
CN115587988A (zh) | 基于数字图像处理的分辨烟叶成熟度高低的方法 | |
CN115545383A (zh) | 一种草莓脆外观品质的双目立体视觉检测方法 | |
CN110097603A (zh) | 一种时尚图像主色调解析方法 | |
Wen et al. | Multi-scene citrus detection based on multi-task deep learning network | |
CN103344571B (zh) | 一种有价证券耐性质量评价方法及装置 | |
CN115187127B (zh) | 基于空间分析的详细规划分级管理智能检测方法 | |
CN104720813B (zh) | 用于表示肤色的标准色卡的获取方法及其应用 | |
KR20180091509A (ko) | 전자눈 분석을 이용한 쌀 신곡과 구곡의 판별 방법 | |
CN102494987A (zh) | 球墨铸铁中显微粒子的自动分类评级方法 | |
CN104318267A (zh) | 一种藏獒幼犬纯度的自动化识别系统 | |
CN110705465B (zh) | 一种基于图像处理的手型分类方法 | |
CN110378783A (zh) | 一种基于直觉模糊数的纳税人信用评价指标排序方法 | |
CN113516617B (zh) | 一种基于机器视觉和ai深度学习的烤烟等级识别建模方法 | |
CN110543580A (zh) | 一种常见藻类的图片对比鉴定方法 | |
CN114022389B (zh) | 一种基于数码相机进行植物叶色等级判别的方法 | |
CN117934962B (zh) | 一种基于参照色卡图像校正的猪肉质量分类方法 | |
CN114813560A (zh) | 绿松石颜色识别系统及方法 | |
CN115294132B (zh) | 一种阳极氧化层缺陷评估优化方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |