民间家具的几种木材及收藏的几个坑

王世襄先生曾在晚年发出喟叹:“未临沧海难言水”。

他说自己研究了几十年的明式黄花梨家具,只是某一时刻、某些地区的产物。

以我国历史之悠久,疆域之广袤,民族之众多,无时无地没有家具。放眼来看,黄花梨家具所占的位置就很有限了。

故宫明清古典家具专家胡德生老师也曾说过,硬木家具是中国古代家具的一个小分枝。

胡老师的这个判断应该是很客观的,硬木在中国古代历史的长河中仅仅是一瞬,在明万历之前,古人也用紫檀,黄花梨,只是数量很小,没有成为主流家具。

“柴木”一词招惹了谁?

我们对民间家具的称谓历来都是“柴木家具”、“杂木家具”,其实这是两个很不悦耳的称谓。

柴木家具一名词的来源,据王世襄先生回忆,是在民国时期,京城修家具的木工用这个词特指紫檀、黄花梨等硬木之外的那些木制家具,也就是我们现在经常能见到的用榆木,榉木,柏木,楠木,杉木,核桃木,果木等等材料制作的家具。

木匠们当年用“柴木”,无非是说这些木料不值钱,跟柴火差不多,是一种蔑称,同时还有一种嫌贫夸富之义。

后来,受到西方的影响,一些家具商家把柴木家具称为“软木家具”。软木家具这个词的来源自是英文softwood。

西方人确实把硬木(hardwood)之外的木料称为软木,但在中文语境当中,所谓“软木”是指类似葡萄酒瓶塞那样的木质,所以用“软木家具”又显得有些不伦不类。

其实,软、硬木家具只是一个相对概念。在黄花梨没出现之前,榉木在江南地区一直是以硬木,准确的说是“细木”,的身份使用的。

王世襄先生对家具用材始终抱有严谨的态度。在其著作《明式家具研究》中就没有柴木一说,而是将与硬木对应的木材称之为“非硬性木材”。

在长江以南,家具商家把柴木家具叫“白木家具”或“杂木家具”。

这种称为倒是有历史,也多少有些理由,因为木材在刚刨开的时候色泽都很浅,称白木,很形象,而且种类较多,一般人难以区分,统称为“杂木”,包罗万象。

下面,我们就常见的一些民间家具用材做一个简单的梳理,有几种木材我们在之前家具用材专题中有专文介绍,要回味的粉丝可以通过主页底部导航栏查看。

民间家具 · 常见木材

榉木

榉木,又名椐木。主产于中国秦岭、淮河流域至广东、广西、贵州、云南海拔 800米以下的山地。由于是江南特有的木材之一,因此北方不知此名,所以也叫“南榆”。

由于树龄的差异,榉木树心的颜色也不相同,颜色有血榉、黄榉、白榉之分。榉木使用量极大,它在南方家具中的地位显赫。有“无榉不成具”的说法。

榆木

榆木,榆科榆属,主产温带,落叶乔木,遍及北方各地随处可见,尤其黄河流域山西、陕西、河南、山东、河北等省多见。

榆木木性坚韧,纹理通达清晰,硬度与强度适中,刨面光滑,弦面花纹美丽,是主要北方民间家具最主要的用材之一。

楠木

楠木是一种极高档之木材,其色浅橙黄略灰,纹理淡雅文静,质地温润柔和,无收缩性,遇雨有阵阵幽香。南方诸省均产,唯四川产为最好。

桦木

产东北华北,木质细腻淡白微黄,纤维抗剪力差,易“齐茬断”。其根部及节结处多花纹。古人常用其做门芯等装饰。

蒲人对此极有感情,常镶嵌刀鞘弓背等处。唯其木多汁,成材后多变形,故绝少见全部用桦木制成的桌椅。

柏木

柏木有香味可以入药,柏子可以安神补心。柏木色黄、质细、气馥、耐水,多节疤,故民间多用其做“柏木筲”。

北京大堡台出土的古代王者墓葬内著名的“黄肠题凑”即为上千根柏木方整齐堆叠而成的围障。可取香气而防腐。可见其在木植中级别之高。

樟木

在我国江南各省都有,而台湾福建盛产。树径较大,材幅宽,花纹美,尤其是有着浓烈的香味,可使诸虫远避。

民间的樟木箱有衣箱、顶箱柜等诸品种。旧木器行内将樟木依形态分为数种,如红樟、虎皮樟、黄樟、花梨樟、豆瓣樟、白樟、船板樟等。

核桃木

山西吕梁、太行二山盛产核桃。核桃木为晋做家具的上乘用材,该木经水磨烫蜡后,会有硬木般的光泽,其质细腻无性,易于雕刻,色泽灰淡柔和。

其制品明清都有,大都为上乘之作。可用可藏。其木质特点只有细密似针尖状棕眼并有浅黄细丝般的年轮。重量与榆木等。

楸木

民间称不结果之核桃木为楸,楸木棕眼排列平淡无华,色暗质松软少光泽,但其收缩性小,正可做门芯桌面芯等用。常与高丽木、核桃木搭配使用。

楸木比核桃木重量轻,色深,质松,棕眼大而分散,是区别要点。

民间家具收藏的“坑”

在入坑之前,我们先要搞清楚民间家具的历史定位。

在硬木家具占据中国家具史主流之前,漆木家具绝对是霸主地位,要研究明代之前的家具史,必须要研究漆木家具,这是中国古典家具的活化石和标本。

那么在明代万历以后,黄花梨紫檀家具兴起,同时期的一部分漆木家具都成了参考资料。

以黄花梨和榉木为例,同样的造型与做工,一件黄花梨、一件榉木,您收藏哪一件?

答案不言而喻。

所以这个时候,民间家具由于受到黄花梨等硬木家具的反哺,对于收藏而言,民间家具的造型和工艺审美就成了决定性因素。

硬木家具如果做的不好,留着料子还是值几个钱的,但漆木家具要是工艺做不好,真的是应了“柴木家具”之名了,实至名归,只配去当柴烧了。

这也恰恰就是问题之所在,我们对材质与家具审美的关系有很大的偏差,始终没有达到一个平衡状态。

所以,民间的漆木家具与硬木家具不同,因为它是一种大众化的日用家具,虽然其中有的家具也许在审美情趣上较多地体现着明式家具的遗韵,在造型上保留着高古的风格。

但是,在木料材质、制作工艺、经济价值等诸方面,良莠高下的差别极大。

因此,对于漆木家具的收藏更应要比硬木家具慎重,避免盲目。下面罗列民间家具收藏的三宜与三忌供大家参考。

忌俗而宜雅

民间家具的选购首先应明确的是看重它的古典韵味与艺术风格。

因为,从数量上看,漆木家具的使用范围很大,所体现出的完美程度就相对于黄花梨、紫檀等硬木旧家具低很多。

所以,在挑选柴木家具时,抱定极高的审美标准显得极为重要。

关键还是经典和美观两个方面。经典指的是家具的品类和样式要体现民间特有的生气,民间家具特有的风格。

但是这种独特的风格也是在明式的审美框架之内的,而不是天马行空,没和任何依据。

比如,一件条桌或画案,如果在做工和结构上与明式黄花梨的同类作品极为相似,或者是圆包圆的腿枨,或者是一腿三牙的结构等,就会比稀奇古怪、不伦不类样式有收藏意义得多。

美观是指家具绝不是越旧越好,而应是能带给我们强烈的审美趣味才行。

特别是现在好多的购买者选购家具的目的是在家中使用和陈设,因此,如果家具粗陋不堪,即使年代很久,也是不应花钱将它搬回家的。

忌大而宜巧

因为今天的家居环境与古时的家居环境已发生了根本的变化,随着居室室高的降低,面积的缩小,很多古典家具已不适于在今天的环境中陈设使用。

比如,我们在一间通常十四五平方米的居室中,很难像古人那样摆上大大笨笨的顶箱柜;在一间开间三四米的客厅里,摆上又宽又长,且满是雕刻的大山西条案只会使你的房间变得拥塞不堪。

因此,在选购漆木家具时一般的家庭是不应往家搬那些大块头的家具的,如果家里面积允许,可以选择重器来填充。

对于大多数人来说,从切实的功用出发,我们更应该多关注一些精雅小巧的漆木家具。比如:小花架、香几、小琴桌、小条案、面条柜、小方角柜、小画桌、亮格书架等。

这些家具体积都不大,但是均具备很好的陈设性和实用性,因此,摆在家中都会起到烘托氛围的效果。

忌多而宜精

今人对古家具的喜爱,更多是精神生活提高后对品位与美的向往。因此,一切都应以恰到好处为标准,切莫过犹而不及。

一味贪多而不考量自家整体风格和具体容量对柴木家具的选购,令家里显得拥塞而暗淡。

民间家具因其普遍,一直未能引起外界重视,但其中优质的精品部分,还是少数,确有其学术研究与收藏价值。

这一部分家具,更准确地说,是优质漆木家具,理应回归其应有价值与地位。

从民间艺术中挑精华很难,但民间艺术中一旦出现精品,那必定是横空出世的,其生命张力、饱满程度和原创性远远高于精英艺术。

最好的家具,处于临界状态,既保持了民间工艺的粗犷,又向硬木家具的典雅性观望,这是一种格外引人入胜的状态。

并非所有斑驳的东西就一定古雅,也并非所有经过时间历练的东西就是历史精华。对漆木家具的了解和欣赏,需要比硬木家具更多的眼力和鉴赏力。

中国传统民间家具是中国家具发展的基础,是广大劳动人民创造和智慧的结晶,具有极其丰富的文化内涵。

民间家具有个性,携带了大量的历史,人文、艺术和民俗的信息,工匠们可以尽情地把自己对生活的向往,对美的追求和理解倾注在所制作的家具上,创新之举随处可见。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值