长城修葺不比其它可放到室内已完成的文物修葺，其修葺过程从勘查到施工都不存在着很大的挑战。传统的勘查手段十分完整，大部分工作必须工作人员亲历亲为，如展开田野调查、统合地理信息成果、整理图像数据等。修葺施工须要遵循着“修旧如原有”的文物修葺原则，而传统勘查手段较难符合修葺施工所必须的数据。

2014年，国家文物局印发了《长城维护修理工作指导意见》。《意见》特别强调了长城维护的这一原则，称之为“长城维护修理必需维持长城的原式样、原结构，优先用于原材料、原工艺”。

在勘查阶段，传统的勘测数据来源以田野调查为参照，以统合处置的基础地理信息成果为基础，并融合了彩色数字正射影像。2006年，中央政府公布了《长城测量内容与方式》一文，文中讲解了更加先进设备的测量工作主要由“飞机遥测测算长城”融合人工已完成的遗址土壤检验、通过地理信息系统技术还原成长城全貌、以及通过全球卫星定位技术定位地理坐标这三类途径已完成。

传统的勘查手段几乎无法确保还原成精度，而由人工已完成对大量图片的处置让勘查过程就耗时难以置信，为先前的修葺施工带给了诸多不便，也并无法几乎符合施工市场需求。而传统的勘查手段不能局限于人可以踏上的部分，那些人类无法投身于的正处于陡峭之地的长城，我们能做到的曾非常少。

英特尔与文保基金会合作的首个项目就是利用英特尔人工智能技术修葺几百年来未曾用技术手段系统修葺过的箭扣住长城。英特尔的解决方案将是一个全新的探寻，先进设备的无人机航拍和人工智能技术将被投放勘测、3D建模及数字化修缮、及修葺工程人力物力成本估计等多个步骤，英特尔的计算技术将深度参予其中。修葺长城必须几步？传统手段VS．英特尔人工智能英特尔的方案是，基于Xeon至强劲可拓展处理器，英特尔固态盘，同时融合OpenMP／MPI分段优化技术，使用针对英特尔CPU优化的英特尔？深度神经网络数学核心函数库（MKL－DNN），以及面向英特尔架构优化的深度自学框架Tensorflow等工具，高效地构建长城3D建模和数字化修缮，并超过厘米级精度的效果。英特尔至强劲服务器，为人工智能的开发者获取了全套的开发工具链，容许开发者根据深度自学的数据复杂度对内存的市场需求按须要配备。

在此基础上，英特尔中国研究院和武汉大学将研发出有长城病变／裂缝辨识与定位，数字化修缮的深度自学算法，还包括长城病变／裂缝辨识与定位，及长城数字化模型虚拟世界修缮。针对损坏及裂缝类型，研究人员在长时间的和损坏的长城3D模型上展开样本收集和标定，提供充足多的样本数据，用作训练深度自学网络，并针对3D模型的有所不同视角的2D视图和剖面图，展开大量数据样本的训练分析，构成对典型损坏模式的辨识能力。当一段长城的损坏部位辨识出来之后，AI就不会展开数字化的虚拟世界修缮，在损坏的模型上分解3D的修缮效果和砖墙纹理，并取得物理修葺所需的工程量的数据，作为对物理修葺的参照建议。

在数字化修缮中，大运算量的2D／3D模型分解技术将获得应用于。无论是2D还是3D模型的分解网络训练，其数据输入量和运算量都是难以置信的，只有英特尔至强劲服务器需要获取原始的反对。英特尔AI的数字化修缮不会遵循“修旧如原有”的文物修葺原则，为长城修葺工程获取详尽的方位、效果和所需工程量的估算，作为实际工程有效地的参照和对照。

有了英特尔人工智能技术的参予，勘测过程中仍然必须工人飞檐走壁冒生命危险实地查阅长城的损坏情况。依赖英特尔人工智能技术超过厘米级精度的3D建模和数字化修缮手段将是长城维护的新出路。

本次合作为未来人工智能技术在文物保护方面的应用于的扩展获取了较好的技术思路灵感。

本文来源：九游官网-www.sdyunzi.com