摘要：针对书画文物保护工作中人工病害调查和病害图绘制效率低的问题,探索了基于深度神经网络的目标检测技术识别书画病害的可行性。选择YOLOv5系列模型并根据本研究任务特点对其结构做了优化,包括FGSM算法、CmBN策略、Dropblock正则化和CIOU-Loss损失函数。利用博物馆馆藏书画文物素材,融合Mosaic数据增强方法进行书画文物图片的增强,设计了滑动窗口检测技术、图像逐层分析和定位裁剪技术,初步训练出了2个具备病害识别功能的模型,根据模型性能检验指标最终选择了YOLOv5x6作为本研究任务的模型。测试结果表明,该模型以较高的准确率和查全率识别出了待检测病害,用时仅为人工的千分之一。该技术的引入可极大提高文物病害识别效率,并且在病害识别过程中保持客观、稳定的标准。