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！

龙图腾网获悉孚链艺统科技有限公司申请的专利一种3D类器物的智能识别系统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：CN118644707B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202410681685.4，技术领域涉及：G06V10/764；该发明授权一种3D类器物的智能识别系统是由慕承孚;慕志腾;王新设计研发完成，并于2024-05-29向国家知识产权局提交的专利申请。

本一种3D类器物的智能识别系统在说明书摘要公布了：本发明公开了一种3D类器物的智能识别系统，涉及图像识别技术领域，本发明通过3D扫描获取文物的形状和纹理信息，进行局部和全局特征提取，局部特征提取中；针对核心字样和纹饰的识别，通过CNN‑RNN结构的特征捕捉以及UNet模型的局部识别，对核心字样和纹饰的进行精准识别；随后通过自然语言处理技术，将识别结果与文物的历史、文化背景进行深度理解和整合，为文物的全面理解提供支持，将核心字样和纹饰的含义与文物的内部结构进行整合，通过特征向量的融合和决策树模型的分析，结合历史文献建立风化程度的评估模型，为文物的分类和风化程度判断提供依据，实现了对文物的整体理解和综合识别。

本发明授权一种3D类器物的智能识别系统在权利要求书中公布了：1.一种3D类器物的智能识别系统，其特征在于，包括：数据采集模块，负责从古代玻璃文物获取3D数据，并对采集到的3D数据进行预处理，包括去噪、滤波、对齐；从预处理后的3D数据中提取、识别分类特征，包括表面纹理、形状特征；数据采集模块中进行局部特征和全局特征提取，局部特征提取文物局部区域的特征信息，全局特征提取文物整体的形状、大小全局特征信息；字样纹饰识别模块，利用深度学习和图像处理技术，识别古代玻璃文物的核心字样和纹饰，将其作为关键特征进行后续处理；将文物图像分割成不同区域，然后分别识别文物中的核心字样以及纹饰图案；历史、文化背景定义模块，基于自然语言处理技术，对识别后的核心字样和纹饰的含义进行语义理解，包括文物的历史、文化背景；文物结构内核设计模块，将历史、文化背景定义模块中输出的核心字样和纹饰的含义与文物的内部结构进行整合；文物的内部结构指的是数据采集模块输出的局部特征和全局特征；分类识别模块，利用已提取的特征和信息，采用机器学习、深度学习算法对文物进行分类和识别，利用已提取的特征进行文物识别和风化程度判断，并输出相应的识别结果；局部特征提取步骤包括：对每个局部区域Pi进行特征提取，其中i＝1,2,...,N，N是局部区域数量；进行局部法线估计，使用最小二乘法拟合每个局部区域的表面，并计算得到表面法线向量其中，是局部区域中第j个点的位置向量，k是局部区域中点的数量；利用法线向量计算曲率张量Ki，然后求得主曲率kmax和kmin， 其中，表示在x,y,z处对x方向的曲率，表示在局部区域Pi中，沿x方向的曲率变化，表示沿着x方向的单位向量，表示在局部区域Pi中，同时沿着x和y方向的曲率变化，表示沿着x方向和y方向的单位向量间乘积，表示沿着y方向的曲率，即在局部区域Pi中，沿着y方向的曲率变化，表示沿着y方向的单位向量，Hi表示平均曲率，Gi为高斯曲率；然后利用局部区域的颜色信息、纹理信息，采用灰度共生矩阵GLCM提取颜色信息、纹理信息特征；全局特征提取步骤包括：采用球面谐波变换将文物三维形状表示为球谐函数的线性组合：进行全局特征的尺寸测量，计算文物的边界框和包围盒的尺寸；核心字样以及纹饰图案识别方式为：进行图像预处理，使用DnCNN模型对文物图像进行去噪处理，采用CLAHE算法增强图像的局部对比度；基于预处理后的图像数据，使用DeepLab模型进行文物图像的语义分割；使用结合卷积神经网络和循环神经网络的CNN-RNN结构深度学习模型，捕捉核心字样和纹饰特征；使用UNet模型对文物图像进行局部分割，然后将分割后的局部区域输入到CNN-RNN模型中进行识别，再选用局部特征描述符SIFT、SURF提取关键特征；核心字样和纹饰特征捕捉步骤包括：先用预训练的CNN模型作为特征提取器，将文物图像输入CNN模型，通过前向传播获得图像在模型中某一层的特征表示；设输入的文物图像为I，通过CNN模型后，在第l层的特征图为Fl，Fl＝CNNI；采用支持向量机SVM分类器，损失函数为最小化分类错误和最大化分类间隔，给定特征X和标签Y，SVM的优化目标表示为： 其中，i1为训练样本的检索，n1为样本数量，w是权重向量，b为偏置项，C是正则化参数，xi1,yi1是训练样本；训练过程通过梯度下降法最小化损失函数，更新模型参数w和b；对核心字样和纹饰进行语义理解的方式为：收集与文物相关的历史、文化背景文本数据；采用Skip-gram模型将文本数据中的词语映射到高维向量空间；Skip-gram模型损失函数为： 其中，wt是上下文词汇，wt+j是上下文中的目标词汇，T是总的上下文数，pwt+j|wt表示给定上下文情况下目标词汇的条件概率，t表示训练语料中的当前词，j表示上下文窗口中的词的相对位置，m表示上下文窗口的大小；采用预训练的语言模型，对文本数据进行语义理解和文本生成；利用模型生成的文本表示推断语义信息；将语义理解得到的核心字样和纹饰的含义与历史、文化背景知识进行融合，结合文物的地域、年代、用途信息；输出对核心字样和纹饰的含义进行语义理解后得到的历史、文化背景定义，作为文物智能识别系统的输出之一；文物的内部结构与核心字样和纹饰的含义进行整合的方式为：将特征向量进行逐元素叠加，将文物的特征向量与文物的语义向量进行连接；然后通过非线性映射函数将融合后的特征向量映射到高维表示空间；采用决策树模型分析融合后特征向量中各个维度的重要性，确定对于文物的识别和分类最具有代表性和区分性的特征；将融合后的特征向量作为文物的综合表示。

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孚链艺统科技有限公司，其通讯地址为：100000 北京市顺义区后沙峪镇安富街6号1521室；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”。