本發(fā)明涉及非物質(zhì)文化遺產(chǎn)數(shù)字化保護(hù)，具體涉及一種融合深度學(xué)習(xí)與區(qū)塊鏈存證的刺繡數(shù)字化的全流程保護(hù)方法。

背景技術(shù)：

1、刺繡作為中國非物質(zhì)文化遺產(chǎn)的重要組成部分，承載著豐富的歷史文化價值和藝術(shù)內(nèi)涵。然而，隨著現(xiàn)代科技的快速發(fā)展和傳統(tǒng)手工藝的逐漸衰落，刺繡技藝的傳承與保護(hù)面臨著嚴(yán)峻的挑戰(zhàn)。當(dāng)前，刺繡數(shù)字化保護(hù)主要依賴圖像采集與平面掃描技術(shù)，具體表現(xiàn)為手工記錄針法、靜態(tài)影像存檔以及簡單的區(qū)塊鏈應(yīng)用三種方式。這些傳統(tǒng)方法雖然在某種程度上實(shí)現(xiàn)了刺繡作品的數(shù)字化保存，但在效率、精度、還原能力以及區(qū)塊鏈應(yīng)用的深度上存在明顯不足，難以滿足現(xiàn)代非遺保護(hù)的需求。

2、本發(fā)明提出了一種融合深度學(xué)習(xí)與區(qū)塊鏈存證的刺繡數(shù)字化全流程保護(hù)方法。通過引入深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)刺繡針法的精準(zhǔn)識別與繡法的動態(tài)復(fù)現(xiàn)；通過區(qū)塊鏈技術(shù)的深度應(yīng)用，確保數(shù)字化資源的透明化管理和有效保護(hù)。具體而言，本發(fā)明首先通過多維度數(shù)據(jù)采集技術(shù)（如3d激光掃描、九軸慣性測量單元和高光譜成像）獲取刺繡作品的立體結(jié)構(gòu)、針法軌跡和材質(zhì)信息；其次，利用改進(jìn)的自適應(yīng)卡爾曼濾波算法和深度學(xué)習(xí)模型對數(shù)據(jù)進(jìn)行處理與分析，實(shí)現(xiàn)針法的精準(zhǔn)識別與繡法的動態(tài)還原；最后，通過區(qū)塊鏈技術(shù)將刺繡作品的數(shù)字化信息與傳承人信息進(jìn)行深度綁定，確保數(shù)字資產(chǎn)的不可篡改和透明化管理。本發(fā)明不僅能夠提高刺繡數(shù)字化的效率與精度，還能夠為刺繡非遺的保護(hù)與傳承提供全新的技術(shù)支撐。

技術(shù)實(shí)現(xiàn)思路

1、發(fā)明目的：為了解決傳統(tǒng)刺繡數(shù)字化技術(shù)中手工記錄針法效率低下、靜態(tài)影像存檔無法還原立體結(jié)構(gòu)、區(qū)塊鏈應(yīng)用淺顯化導(dǎo)致的記錄失真、傳承低效、產(chǎn)權(quán)混亂等問題，本發(fā)明通過構(gòu)建一種融合深度學(xué)習(xí)與區(qū)塊鏈存證的刺繡數(shù)字化全流程保護(hù)方法，實(shí)現(xiàn)對刺繡作品的多維度數(shù)據(jù)采集、智能分析、動態(tài)建模與區(qū)塊鏈存證，確保刺繡非遺的精準(zhǔn)記錄、高效傳承與透明化管理。本發(fā)明旨在突破傳統(tǒng)技術(shù)在時間和空間上的限制，提供一種高效、精準(zhǔn)、安全的刺繡數(shù)字化保護(hù)方案，為刺繡非遺的保護(hù)與傳承提供全新的技術(shù)支撐。

2、技術(shù)方案：本發(fā)明的一種融合深度學(xué)習(xí)與區(qū)塊鏈存證的刺繡數(shù)字化的全流程保護(hù)方法，從總體上分成五層：數(shù)據(jù)采集層、數(shù)據(jù)處理層、深度學(xué)習(xí)層、區(qū)塊鏈存證層、移動應(yīng)用層，具體包括如下步驟：

3、步驟1，采集多模態(tài)數(shù)據(jù)：采用多模態(tài)數(shù)據(jù)采集技術(shù)獲取刺繡作品的多模態(tài)數(shù)據(jù)，包括三維點(diǎn)云數(shù)據(jù)、針尖運(yùn)動軌跡和材質(zhì)特性，為后續(xù)工藝數(shù)據(jù)分析和深度學(xué)習(xí)建模提供高質(zhì)量原始數(shù)據(jù)；

4、步驟2，進(jìn)行數(shù)據(jù)預(yù)處理和特征提取：將步驟1中采集的多模態(tài)數(shù)據(jù)經(jīng)改進(jìn)的自適應(yīng)卡爾曼濾波算法消除環(huán)境噪聲，并通過關(guān)鍵幀抽提技術(shù)壓縮冗余時序信息，最終得到標(biāo)準(zhǔn)化工藝數(shù)據(jù)集，存儲于數(shù)據(jù)庫中；

5、步驟3，進(jìn)行深度學(xué)習(xí)驅(qū)動的針法識別與繡法復(fù)現(xiàn)：利用深度學(xué)習(xí)驅(qū)動針法識別，通過3d卷積神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)和canny邊緣檢測算法，實(shí)現(xiàn)繡法的復(fù)現(xiàn)；

6、步驟4，區(qū)塊鏈存證與數(shù)字權(quán)屬管理：通過區(qū)塊鏈rc721協(xié)議上鏈，明確數(shù)字權(quán)屬，批量管理資源；

7、步驟5，移動端應(yīng)用部署：通過輕量化跨平臺框架構(gòu)建移動應(yīng)用，實(shí)現(xiàn)刺繡數(shù)字化保護(hù)。

8、步驟1包括如下步驟：

9、步驟1.1，采用3d激光掃描儀（分辨率≥1600dpi）對刺繡作品表面進(jìn)行非接觸式掃描，生成毫米級精度的三維點(diǎn)云數(shù)據(jù)，通過鄰域平均濾波算法進(jìn)行去噪處理，公式為：

10、?，

11、其中，表示以目標(biāo)點(diǎn)為中心的預(yù)設(shè)鄰域半徑內(nèi)的第個原始三維點(diǎn)云坐標(biāo)，即每個點(diǎn)代表掃描儀捕捉到的刺繡表面的一個微小區(qū)域的三維坐標(biāo)；為鄰域內(nèi)有效點(diǎn)的數(shù)量，（需滿足以排除孤立噪點(diǎn)）；為去噪后輸出的平滑三維點(diǎn)云坐標(biāo)；

12、步驟1.2，通過部署于刺繡針具上的九軸imu傳感器（型號mpu-9250，采樣頻率200hz）實(shí)時采集針尖運(yùn)動數(shù)據(jù)，通過以下公式對針尖運(yùn)動數(shù)據(jù)進(jìn)行平滑處理：

13、?，

14、其中，為t時刻針尖的運(yùn)動速度，由部署在刺繡針具上的九軸imu傳感器計算得到，單位可為m/s或mm/s；為平滑后的t時刻針尖的運(yùn)動速度，即經(jīng)過濾波后更穩(wěn)定的速度值，用于減少瞬時噪聲，使運(yùn)動軌跡更加平滑；為平滑系數(shù)，取值范圍，用于控制平滑程度，如果較大（接近1），新采集的速度數(shù)據(jù)占主導(dǎo)作用，更新速度較快，濾波效果較弱，如果較?。ń咏?），平滑后的速度數(shù)據(jù)更依賴歷史數(shù)據(jù)，軌跡更加平穩(wěn)，但可能會導(dǎo)致滯后效應(yīng)；

15、步驟1.3，通過高光譜成像系統(tǒng)（波長范圍400~2500nm）分析繡線材質(zhì)的光譜反射特性，生成材質(zhì)光譜指紋，通過以下公式對光譜數(shù)據(jù)進(jìn)行歸一化處理：

16、?，

17、該公式用于對高光譜數(shù)據(jù)進(jìn)行歸一化處理，將光譜數(shù)據(jù)映射到[0,1]范圍，以便后續(xù)的分析和機(jī)器學(xué)習(xí)建模，其中，為波長處的原始光譜數(shù)據(jù)，即高光譜成像系統(tǒng)測得的某個波長對應(yīng)的光譜反射率或強(qiáng)度值，單位通常為反射率（0~100%）或輻射度（w/m2·sr·nm）；和分別為原始光譜數(shù)據(jù)的最小值和最大值；為歸一化后的光譜數(shù)據(jù)，將線性變換到[0,1]之間，去除光照條件或設(shè)備差異對數(shù)據(jù)的影響，使其適用于機(jī)器學(xué)習(xí)模型或模式識別任務(wù)；

18、步驟1.4，識別材料成分和老化狀態(tài)，包括如下步驟：

19、步驟1.4.1，使用wiley通用光譜數(shù)據(jù)庫，對刺繡材料進(jìn)行成分分析；

20、步驟1.4.2，采用支持向量機(jī)（svm）訓(xùn)練分類模型，輸入材質(zhì)光譜指紋，輸出預(yù)測的材料類別（如100%絲綢、棉麻混合等）；

21、步驟1.4.3，計算材料的光譜偏移率：

22、?，

23、其中為被測材料的標(biāo)準(zhǔn)光譜數(shù)據(jù)；反映光譜偏移情況，用于評估老化程度。

24、步驟2包括如下步驟：

25、步驟2.1，執(zhí)行改進(jìn)的自適應(yīng)卡爾曼濾波算法。改進(jìn)后的狀態(tài)轉(zhuǎn)移矩陣公式為：

26、?，

27、其中，是狀態(tài)轉(zhuǎn)移矩陣，是控制輸入矩陣，是控制輸入向量，是過程噪聲；為k時刻系統(tǒng)狀態(tài)向量，表示針尖運(yùn)動的關(guān)鍵參數(shù)：

28、?，

29、其中，表示針尖的三維坐標(biāo)位置，由3d激光掃描儀測得，是由九軸imu傳感器計算得到的針尖在方向的速度；

30、狀態(tài)轉(zhuǎn)移矩陣反映針尖運(yùn)動狀態(tài)的變化，采用離散運(yùn)動模型：

31、?，

32、其中，為采樣時間間隔，狀態(tài)轉(zhuǎn)移矩陣的前三行體現(xiàn)位置隨時間的變化：，后三行體現(xiàn)速度不變：；

33、在一些情況下，針尖運(yùn)動會受到外部控制輸入的影響，例如操作者手部施加的力，控制輸入矩陣為：

34、?，

35、控制輸入向量包括九軸imu傳感器測得的針尖在x、y、z三個方向的加速度：

36、?，

37、得到針尖運(yùn)動受到的影響，包括位置變化和速度變化：

38、位置變化：；

39、速度變化：；

40、其中表示當(dāng)前時刻在x軸方向上的速度，表示前一時刻在x軸方向上的速度；

41、過程噪聲表示系統(tǒng)的動態(tài)誤差（例如手部震動），服從高斯分布：；

42、由針尖加速度噪聲和時間間隔計算得到協(xié)方差矩陣：

43、?，

44、其中是針尖運(yùn)動加速度噪聲的方差，可以從imu傳感器提供的數(shù)據(jù)手冊獲得；

45、最后輸出經(jīng)過自適應(yīng)卡爾曼濾波處理后的平滑針尖軌跡；

46、步驟2.2，提取關(guān)鍵幀：通過以下公式計算壓縮率：

47、?，

48、其中，為步驟1采集的多模態(tài)數(shù)據(jù)，為壓縮后數(shù)據(jù)量。

49、步驟3包括如下步驟：

50、步驟3.1，利用3d卷積神經(jīng)網(wǎng)絡(luò)（3d-cnn）提取針腳的空間拓?fù)浣Y(jié)構(gòu)信息，捕捉不同針法的特征。采用改進(jìn)的3d卷積神經(jīng)網(wǎng)絡(luò)提取針腳空間拓?fù)涮卣?，公式為?/p>

51、?，

52、其中，為輸入特征圖，輸入特征圖的參數(shù)包含，其中為輸入通道數(shù)（如顏色、紋理等特征通道），分別表示針腳結(jié)構(gòu)的深度、高度和寬度；為卷積核權(quán)重，為偏置項，為激活函數(shù)，為輸出特征圖；

53、步驟3.2，利用生成對抗網(wǎng)絡(luò)gan生成針腳軌跡的矢量場，提高軌跡的連續(xù)性與合理性；

54、步驟3.3，對生成的針腳路徑進(jìn)行邊緣檢測和優(yōu)化，確保復(fù)現(xiàn)的繡法精度。

55、步驟3.2包括：生成對抗網(wǎng)絡(luò)gan的生成器的損失函數(shù)為：

56、?，

57、其中，生成器的輸入為，輸出為針腳軌跡矢量場；判別器用于判斷生成的針腳路徑是否符合真實(shí)繡法；為物理約束損失，確保生成的路徑符合刺繡物理規(guī)則；為生成器的輸入隨機(jī)噪聲，服從高斯分布；代表對隨機(jī)變量采樣所得結(jié)果的期望值；超參數(shù)用于控制在整體損失中的影響程度。

58、步驟3.3包括：對canny邊緣檢測算法進(jìn)行改進(jìn)，公式為：

59、?，

60、其中表示梯度幅值，分別為水平方向和垂直方向的梯度，利用sobel算子計算得到：

61、，

62、其中是步驟3.2生成的針腳路徑圖像，代表卷積運(yùn)算。

63、對梯度幅值執(zhí)行邊緣檢測和優(yōu)化，對于每個像素點(diǎn)，計算梯度方向；根據(jù)梯度方向，將當(dāng)前像素與鄰域像素進(jìn)行比較，如果當(dāng)前像素的梯度幅值不是局部最大值，則設(shè)為0，這樣可以去掉邊緣噪聲，僅保留最明顯的邊緣。

64、步驟4包括如下步驟：

65、步驟4.1，將步驟2提取的針尖軌跡、壓縮后數(shù)據(jù)量和步驟3中的針腳路徑圖像i相結(jié)合生成數(shù)字孿生體，即將物理繡品的虛擬表示與工藝特性相結(jié)合，得到唯一的數(shù)字表示；

66、通過哈希算法計算所述數(shù)字孿生體的哈希值，并與傳承人生物特征信息（如身份、指紋或面部特征等）綁定，形成一個標(biāo)準(zhǔn)化的元數(shù)據(jù)包，確保數(shù)字繡品的唯一性與真實(shí)性，所述元數(shù)據(jù)包通過ipfs（星際文件系統(tǒng)）進(jìn)行去中心化存儲，確保數(shù)字繡品的數(shù)據(jù)內(nèi)容不可篡改，具備永久存證功能；

67、步驟4.2，利用erc-721非同質(zhì)化代幣nft標(biāo)準(zhǔn)為每件數(shù)字繡品鑄造唯一性非同質(zhì)化代幣nft，賦予鏈上身份，確保數(shù)字資產(chǎn)的唯一性和不可替代性。

68、步驟5包括：應(yīng)用集成的tensorflow?lite引擎部署剪枝優(yōu)化的深度學(xué)習(xí)模型，支持在離線狀態(tài)下實(shí)時低延遲地識別至少20類基礎(chǔ)針法；此外，通過arcore技術(shù)實(shí)現(xiàn)增強(qiáng)現(xiàn)實(shí)交互，用戶能夠通過移動設(shè)備查看和互動虛擬展示的繡品，提升用戶體驗；用戶能夠一鍵將每件繡品的參數(shù)封裝為erc-1155格式唯一性非同質(zhì)化代幣nft，每個唯一性非同質(zhì)化代幣nft將包含其唯一的數(shù)字證書和版權(quán)信息，并通過內(nèi)置智能錢包進(jìn)行鏈上交易；該過程通過智能合約自動執(zhí)行版權(quán)規(guī)則，確保每件數(shù)字繡品的所有權(quán)、交易及版權(quán)管理。此外，所生成的nft將在文博平臺上同步，促進(jìn)繡品的數(shù)字化傳承與文化資產(chǎn)的保護(hù)。

69、本發(fā)明還提供了一種電子設(shè)備，包括處理器和存儲器，所述存儲器存儲有程序代碼，當(dāng)所述程序代碼被所述處理器執(zhí)行時，使得所述處理器執(zhí)行所述的方法的步驟。

70、本發(fā)明還提供了一種存儲介質(zhì)，存儲有計算機(jī)程序或指令，當(dāng)所述計算機(jī)程序或指令在計算機(jī)上運(yùn)行時，執(zhí)行所述的方法的步驟。

71、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：1、數(shù)據(jù)采集與處理的高效性：傳統(tǒng)刺繡數(shù)字化技術(shù)主要依賴手工記錄和靜態(tài)影像存檔，手工記錄效率低下且容易失真，靜態(tài)影像存檔無法還原刺繡作品的立體結(jié)構(gòu)和材質(zhì)紋理，導(dǎo)致數(shù)據(jù)采集的完整性和準(zhǔn)確性不足。本發(fā)明通過集成多維度傳感設(shè)備實(shí)現(xiàn)了刺繡工藝數(shù)據(jù)的全方位捕獲與結(jié)構(gòu)化處理，極大地完善了數(shù)據(jù)基礎(chǔ)，為刺繡數(shù)字化研究與應(yīng)用提供了豐富且系統(tǒng)的數(shù)據(jù)資源。

72、2、針法識別與繡法復(fù)現(xiàn)的精準(zhǔn)性：現(xiàn)有的針法識別技術(shù)多依賴于手工記錄或簡單的圖像分析，難以準(zhǔn)確識別復(fù)雜的針法結(jié)構(gòu)，尤其是多層繡線的層疊順序和針距分布。本發(fā)明的深度學(xué)習(xí)驅(qū)動方法能夠更加精準(zhǔn)地識別復(fù)雜的針法結(jié)構(gòu)，并通過動態(tài)復(fù)現(xiàn)技術(shù)還原刺繡作品的立體結(jié)構(gòu)和工藝過程，顯著提升了刺繡數(shù)字化的精度與還原能力。

73、3、區(qū)塊鏈存證的安全性：現(xiàn)有的區(qū)塊鏈應(yīng)用在刺繡數(shù)字化保護(hù)中大多停留在簡單的圖像上鏈階段，未能與繡品的工藝數(shù)據(jù)、傳承人信息等進(jìn)行深度綁定，導(dǎo)致數(shù)字化資源權(quán)屬不明，難以實(shí)現(xiàn)有效的知識產(chǎn)權(quán)保護(hù)。本發(fā)明的區(qū)塊鏈存證技術(shù)不僅能夠明確數(shù)字權(quán)屬，還能夠?qū)崿F(xiàn)數(shù)字化資源的透明化管理和有效保護(hù)，徹底解決了傳統(tǒng)存證中數(shù)據(jù)孤島、權(quán)屬模糊及維權(quán)成本高的核心問題。

74、4、移動端應(yīng)用的便捷性：傳統(tǒng)的刺繡數(shù)字化技術(shù)缺乏便捷的移動端應(yīng)用支持，用戶無法隨時隨地訪問和管理數(shù)字化繡品，導(dǎo)致用戶體驗較差。本發(fā)明的移動端應(yīng)用不僅提供了更加便捷的用戶體驗，還通過增強(qiáng)現(xiàn)實(shí)技術(shù)和區(qū)塊鏈存證功能，拓展了刺繡數(shù)字化的應(yīng)用場景，顯著提升了用戶的操作便捷性和交互體驗。