随着数字技术的飞速发展，博物馆的收藏和展示方式正在经历深刻变革。传统上，公众只能通过亲临现场观赏有限数量的实物展品。然而，科学博物馆集团通过搭建庞大的数字藏品库，开放数以千计的物品照片，使得观众得以更广泛且深入地接触那些长期被储藏、未公开展示的珍贵藏品。在2020年发表的一项研究中，数据科学家Cath Sleeman利用计算机视觉技术对科学博物馆集团收藏中的超过7,000张物品照片进行了系统分析，着重聚焦于藏品的颜色和形状特征，开创了博物馆数字藏品研究的新范式。 这一研究涵盖了涵盖21个类别的日常物件，从摄影技术、时间测量、照明设备，到打印与书写工具及家用电器、导航器具等，均纳入分析范畴。通过对物品照片中的每一个像素色彩进行提取和归纳，并借助机器学习模型识别形状特征，研究团队揭示了多层面的藏品图像信息，助力重构藏品价值与展示视角。
在颜色方面，研究指出暗灰色调是被分析对象中最常见的色彩。超过80%的照片中均出现暗炭灰色，但在单幅照片中往往只占少量区域。这种灰色的普及趋势也反映出工业与材料历史进程的显著变迁，例如木材被塑料等现代合成物代替，导致总体色彩趋向冷灰色系。通过将藏品依最早关联的时间分段，研究团队构建了颜色随时间演化的动态展示，数据中显示从19世纪起，棕色与黄色色系逐渐减少，而灰色色调稳步上升。此外，自20世纪60年代开始，多种高饱和色的使用频率有所提升，反映了工业设计及消费文化的变化。 研究还展示了藏品单件内部丰富的颜色分布。
例如，一台1900年生产的世纪型号46板式相机展现了丰富的色彩层次，反映了当时工艺对细节和材质的深入追求。与之对比，现代产品如2008至2010年间的iPhone 3G则体现出材料和加工工艺导致的色彩单一性和简洁形状，这不仅反映技术变革，也折射了消费审美的转变。 通过计算机视觉的细致扫描，研究发现了“隐藏颜色”，如19世纪怀表中极少数像素的蓝色色调，这些蓝色多数来源于特制的防锈螺丝，通过加热形成的氧化蓝色膜层展示了工艺精细性。此类细节在人类肉眼难以直察的层面上拓展了对历史物品的理解和感知。文章还关注了最为丰富多彩的物品，发现多为20世纪80年代开始普及的消费包装及游戏等产品，突显了信息时代设计与印刷技术的发展。 针对形状特征，团队利用卷积神经网络（VGG16）提取藏品照片的底层图像特征，并采用主成分分析和t-SNE降维方法将数千张物品分类聚类，构建了一个独特的“博物馆形状地图”。
这一地图生动展示了不同年代和类型物品的形态关系。结果显示，现代物件普遍表现为立方体形状，如电视机、手机及计算机游戏盒等，走向更规整的几何造型；而一些特例如台式电话则以复杂造型与卷曲的线缆区别于主流。不同材质的多样性也造就了诸如玻璃器皿等半透明物品的独立聚类。 此外，机器学习的聚类分析还揭示了诸如打字机这类独具特色的形状“孤岛”，其内部结构诸如缠绕的色带和突出杠杆使其与其他藏品截然不同。类似的，黏胶纱团和古埃及与叙利亚的古代重量器具也形成了视觉上的特征群，为研究者辨析物品之间的典型性和独特性提供了有效工具。 独特个体的识别也为藏品的数字管理和展览策划提供了数据支撑。
例如，马麦洛德切割器、废热回收加热器、旋转奶酪刨等家电，以及装饰性极强的装饰艺术框架和喇叭装置都因其独有形状而脱颖而出。研究甚至细致到分析与循环利用相关的物品，如用旧耐克鞋制作的人造草坪以及蓝色碎玻璃，这些物件体现了博物馆藏品背后的生态理念与生产工艺创新。 除了物品本体，研究还指出摄影环境、角度及背景颜色对颜色提取精度带来的影响。为此，研究严格筛选了背景颜色统一的照片，并设定了颜色相似度阈值，保证数据的客观性和可信度。然而，研究同时强调，即使如此，数字视觉提取的颜色与物品真实色彩间仍可能存在细微偏差，且随着藏品不断更新，数据分析结果也会持续演进。 这一跨学科的研究展示了计算机视觉在文物数字化和博物馆学中的巨大潜力。
通过算法对颜色和形状信息的综合挖掘，博物馆不仅能够提升在线藏品的可搜索性和观赏体验，还能在宏观层面观察文化与科技演变轨迹，实现数据驱动的文物研究和创新展示。未来，随着机器视觉算法的不断进步与硬件性能的提升，这一领域必将迎来更多令人期待的发现和应用，为全球博物馆数字化发展树立典范。 综上所述，科学博物馆集团借助先进的计算机视觉技术，诠释了颜色与形状在物品识别与时间演化中的关键作用。藏品颜色的“变灰”趋势、形状的几何化转变，以及隐藏在细节处的工艺信息，都为我们理解过去提供了新的维度。同时，这种数字化探索推动了文化遗产的可持续保护和创新传播，将传统与现代技术有机融合，开启了博物馆收藏新时代。随着更丰富的数据积累与模型优化，未来数字博物馆的研究必将在科学、艺术与文化的交汇处迸发出更多灵感与价值。
。
