买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京信息工程大学申请的专利一种融合深度学习与区块链存证的刺绣数字化的全流程保护方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120068023B 。

龙图腾网通过国家知识产权局官网在2025-07-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510550194.0，技术领域涉及：G06F21/10；该发明授权一种融合深度学习与区块链存证的刺绣数字化的全流程保护方法是由丁正龙;吴睿颀;张琳洁;王昊;王诗婵;梁语婷;杨程;丁鑫设计研发完成，并于2025-04-29向国家知识产权局提交的专利申请。

本一种融合深度学习与区块链存证的刺绣数字化的全流程保护方法在说明书摘要公布了：本发明提供了一种融合深度学习与区块链存证的刺绣数字化的全流程保护方法，包括：步骤1，采用多模态数据采集技术获取刺绣作品的多模态数据；步骤2，将步骤1中采集的多模态数据经改进的自适应卡尔曼滤波算法消除环境噪声，通过关键帧抽提技术压缩冗余时序信息，得到标准化工艺数据集；步骤3，利用深度学习驱动针法识别，通过卷积神经网络、生成对抗网络和边缘检测算法，实现绣法的复现；步骤4，通过区块链协议上链，明确数字权属，批量管理资源；步骤5，移动端应用部署：通过轻量化跨平台框架构建移动应用，实现刺绣数字化保护。本发明极大地完善了数据基础，为刺绣数字化研究与应用提供了丰富且系统的数据资源。

本发明授权一种融合深度学习与区块链存证的刺绣数字化的全流程保护方法在权利要求书中公布了：1.一种融合深度学习与区块链存证的刺绣数字化的全流程保护方法，其特征在于，包括以下步骤： 步骤1，采集多模态数据：采用多模态数据采集技术获取刺绣作品的多模态数据，包括三维点云数据、针尖运动轨迹和材质特性； 步骤2，进行数据预处理和特征提取：将步骤1中采集的多模态数据经改进的自适应卡尔曼滤波算法消除环境噪声，并通过关键帧抽提技术压缩冗余时序信息，最终得到标准化工艺数据集，存储于数据库中； 步骤3，进行深度学习驱动的针法识别与绣法复现：利用深度学习驱动针法识别，通过3D卷积神经网络、生成对抗网络和Canny边缘检测算法，实现绣法的复现； 步骤4，区块链存证与数字权属管理：通过区块链RC721协议上链，明确数字权属，批量管理资源； 步骤5，移动端应用部署：通过轻量化跨平台框架构建移动应用，实现刺绣数字化保护； 步骤1包括如下步骤： 步骤1.1，采用3D激光扫描仪对刺绣作品表面进行非接触式扫描，生成毫米级精度的三维点云数据，通过邻域平均滤波算法进行去噪处理，公式为： 其中，Pix,y,z表示以目标点为中心的预设邻域半径内的第i个原始三维点云坐标，即每个点Pi代表扫描仪捕捉到的刺绣表面的一个区域的三维坐标x,y,z；N为邻域内有效点的数量，N≥5；Pfilteredx,y,z为去噪后输出的平滑三维点云坐标； 步骤1.2，通过部署于刺绣针具上的九轴IMU传感器实时采集针尖运动数据，通过以下公式对针尖运动数据进行平滑处理： vsmoothedt＝α·vt+1-α·vsmoothedt-1， 其中，vt为t时刻针尖的运动速度；vsmoothedt为平滑后的t时刻针尖的运动速度；α为平滑系数，取值范围0α1； 步骤1.3，通过高光谱成像系统分析绣线材质的光谱反射特性，生成材质光谱指纹，通过以下公式对光谱数据进行归一化处理： 其中，Sλ为波长λ处的原始光谱数据；Smin和Smax分别为原始光谱数据的最小值和最大值；Snormalizedλ为归一化后的光谱数据； 步骤1.4，识别材料成分和老化状态，包括如下步骤： 步骤1.4.1，使用Wiley通用光谱数据库，对刺绣材料进行成分分析； 步骤1.4.2，采用支持向量机SVM训练分类模型，输入材质光谱指纹，输出预测的材料类别； 步骤1.4.3，计算材料的光谱偏移率Dshift： 其中Snewλ为被测材料的标准光谱数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：211806 江苏省南京市浦口区双峰路69号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。