伴随着数字化时代的到来，博物馆逐步开放其藏品的数字资源，通过在线平台向公众展示其丰富的历史与文化遗产。科学博物馆集团（包括伦敦科学博物馆、布拉德福德国家科学与媒体博物馆、约克国家铁路博物馆、曼彻斯特科学与工业博物馆以及希尔登的本地交通博物馆）利用计算机视觉技术，对超过7000张涵盖21个类别的藏品照片进行了系统分析。通过机器学习的自动分组和色彩识别方法，研究人员探讨了物品的颜色、形状与纹理，为博物馆的数字藏品库添加了新的维度和价值。 数字藏品的色彩演变揭示了工业与设计的历史变迁。数据分析表明，暗炭灰色是所有对象中最常见的颜色，出现在超过80％的藏品照片中，尽管每幅图片中这种颜色所占比例较低。趋势显示，随着时间推移，藏品的总体色调呈现出更为灰暗的趋势，而棕色和黄色的使用频率相应下降。
这主要反映了材料上的转变，例如由传统木材转向塑料和金属的应用。上世纪六十年代起，鲜艳的饱和色彩开始逐渐被运用于设计，反映了消费文化和制造技术的进步。 对单一藏品内部颜色的分析也令人称奇。以1900年产的Century Model 46片式相机为例，计算机视觉揭示出其色彩变化丰富多样，不仅体现了材质差异，也折射出时间带来的磨损与光泽变化。不同年代的技术产品在色彩运用上形成鲜明对比。宏观层面上的典型案例是1844年制造的Cooke和Wheatstone双针电报机与2008年至2010年的iPhone 3G手机。
电报机采用了大量的红木，形状上也复杂多变，随着光线反射产生色彩梯度和阴影，而iPhone则体现了现代手机的简洁设计，金属与塑料材料使其色彩更单一且整洁。 随着计算机视觉的应用进一步深化，细微的色彩信息也被挖掘出来。例如，在数十个怀表及一座钟表中发现了蓝色调。蓝色通常较少出现在19世纪的物品中，但通过机器自动识别，蓝色像素呈现分散的图案。蓝色的来源或在怀表指针，或在怀表背部螺丝上。这种蓝色系是由对螺丝进行加热处理后的氧化层形成，具有防锈作用。
由此，计算机视觉技术不仅帮助发现藏品的宏观趋势，也令细节特色更加清晰。 博物馆藏品中色彩最丰富的物品往往是包装盒或相关材料，而非物品本身。诸如1920年代的香烟包装盒及带有胶片的 Pathescope 9.5毫米电影摄影机、1980年代的电脑游戏和棋盘游戏都是色彩丰富度较高的藏品。这些反映了消费文化的兴起、计算机辅助设计和印刷技术革命，博物馆有意收藏了这段时期的游戏作为时代印记。 研究中对电话这一特定类别的详细分析尤为引人注目。从19世纪末到当代，电话经历了丰富的色彩变迁。
早期电话（如19世纪黑色和银色的传统电话）色彩与现代智能手机有意想不到的相似，然而1960至1980年代间电话的色彩更加多样且鲜艳。直到1980年代末期“砖头手机”出现，电话开始回归灰黑色系，符合当时功能性与商业定位的趋势。 除了色彩外，形状和纹理也是评价藏品的重要指标。科学博物馆集团利用机器学习模型将照片中的物体进行形态聚类，创建了一份独特的“藏品形态地图”。这张地图以视觉相似度为基础，将轮廓、纹理、色调相似的对象放置附近。大多数近代物品（约1940年代后）的边框呈浅色调，显示为方体或长方体形状，例如香烟盒、电视机、手机和电脑游戏等。
旧物件则以深红色边框为标志，但它们在形状上也多为方盒形，包括钱箱、砝码和鼻烟壶。在算法看来，现代笔记本电脑与旧钱箱形态相近，令人称奇。 在这幅地图中，还出现了几个视觉上独特的“孤岛”。其中一种孤岛由打字机集合组成，其形态特殊，键盘、打字辊和多种杠杆装置一览无遗，几乎没有同类物品能与其相提并论。一位1901年纽约论坛报的评论形象描绘了打字机的不可替代性：“假若有一条法令禁止人们使用这类奇妙机器一周，整个商业世界将陷入无法想象的混乱。”其他孤岛中包括人造丝线团和古埃及及叙利亚砝码，这些物品因独特的形态和色彩被算法明显区分。
除了群体层面的独特性，计算机视觉亦能揭示个体藏品的异常之处。图中展示的几件独特物品包括家用工具如果酱切割器、利用壁炉废热的加热装置及旋转式刨丝器；以及装饰性强烈的艺术装饰风格相框和扬声器；还有类似“翻页书”的Kinora影像观赏器。这些物件往往形态或功能极具创新。最异类的是一块人工草坪和一块蓝色碎玻璃岩石。前者是由回收耐克运动鞋制成的可循环利用产品，后者是制玻璃炉中加入的碎玻璃（工业称为“cullet”），它能加快玻璃熔化速度并节省燃料，这暗示了回收技术在工业设计中的融合。 通过对藏品色彩与形态的深入研究，不难发现，一些日常物品随着时代进步逐渐变得更加灰色、更趋向长方箱形，反映了工业设计的趋势和材料演化。
同时，计算机视觉让研究者得以捕捉表面之下的细节以及历史沧桑的痕迹。越来越多藏品的数字化与在线开放，促进了公众参与和学术研究，使得过去被尘封的藏品获得新生与理解。 面临的挑战同样不容忽视。完整分析整个博物馆收藏极为复杂，部分藏品尚未拍摄照片，部分照片采用黑白色调，亦有拍摄现场背景复杂或颜色不一致的情况，影响颜色识别准确度。因此筛选后台色调单一且物品与图像边界有适当距离的照片成为必要。颜色提取依赖于像素级分析，同时需剔除与背景色相近的像素。
阈值设置若过高，易丢失真实的近白色物体色彩，若过低，背景色可能混入核心物品，影响数据可信度。图像相似度分析则借助VGG16卷积神经网络提取特征，随后使用主成分分析（PCA）和t-SNE降维算法简约表达，但物品体积比例未直接纳入考量，可能导致大小相异但形状相似物体被判为近似。展示时尽力避免图片重叠，虽有一定扭曲，却保证了较为真实的空间布局。 需要补充的是，物品的色彩不仅受其本身属性影响，还会受到摄影环境、摆放位置、光照条件等外部因素干扰。不同角度、不同光线下的拍摄，同一物品颜色表现均可能有所差异。因此现有观测结果尚处于初步阶段，具有一定的探索性质。
随着技术发展和收藏丰富，未来预测计算机视觉将在博物馆数字化、文物保护与展示领域发挥更大潜能。 综上所述，科学博物馆集团通过计算机视觉技术对藏品进行系统性颜色与形态分析，不仅深化了公众对藏品背后文化、技术与历史脉络的理解，也推动了博物馆数字转型的进程。呈现了博物馆藏品的动态演进、丰富细节和独特之处，为传统藏品注入科技活力。同时展现了现代数据科学与文化遗产保护的完美融合前景，激发人们对历史遗产保护与创新展示的更大兴趣。未来应用将不断拓展，更为深入、多样的跨领域研究和互动体验正等待跨越科技与艺术边界的人们去开拓。
