文物作为人类文明璀璨历史的物理存证,通过预防性保护研究,提升文物的保存质量,延长文物的生存周期是当前文物保护领域的热点问题。近年来,随着物联网和5G技术的发展,基于物联网的文物生存环境监测技术得到了广泛应用,但对文物本体状态的监测还鲜有涉及。针对馆藏青铜器本体监测效率低下和准确度不高等问题,本文对青铜器预防性保护过程中的病害检测问题展开研究,面向病害识别和病害定位两个子任务,分别提出基于深度学习的识别算法和基于类激活映射的定位方法。研究工作主要包括:（1）针对青铜器病害检测研究需求,与陕西省文物保护研究院合作,共同制定数据标准,构建了包含孔洞、裂隙、破损、锈蚀以及无病害的青铜器病害图像数据集,为该研究提供了数据基础。（2）针对人工识别效率低和现有模型识别精度不高的问题,本文将青铜器病害识别分为病害判别和病害分类两个任务,提出一种基于改进DenseNet的青铜器病害识别方法。该方法在卷积神经网络DenseNet中添加卷积注意力模块（Sequeze and Excitation Block,SE Block）,用以衡量不同特征通道的相关性,再添加三个CBAM（Convolutional Block Attention Module）模块,进一步关注单一通道位置属性的重要性。实验分别对病害判别和病害分类两个过程进行验证,与不同网络模型进行对比以验证方法的有效性和优越性,还使用置信检验验证方法的可靠性。结果表明,病害判别和病害分类的准确率分别为0.9845和0.9386,与经典分类模型相比,本方法效果更优,性能更好。（3）针对现有检测方法存在病害区域标注过程繁杂和定位效果不准确的问题,提出一种基于类激活映射的弱监督定位方法ES-CAM,该方法以类激活图的形式标识出病害的形状特征。首先对识别模型提取特征金字塔激活图,再对所属目标类进行正向传播,获得各个激活图的权重,对权重和激活图完成线性组合与特征平滑操作,最终标定目标区域。实验从定性和定量两个角度对方法的定位效果进行验证,并设计了可靠性实验和消融实验验证方法的可靠性和提出的特征金字塔结构的有效性。结果表明,较其他方法,本方法能够获取更加准确且完整的病害位置信息与形状信息,实现了对病害的自动定位。（4）设计实现了青铜器病害检测原型系统。该系统可实现青铜器图像数据读取、青铜器病害识别和精准定位等功能,为文物预防性保护以及文物修复提供了指导信息。