一、背景：古装+摄像头=？
• 柔性摄像头：0.5mm 厚度+5cm 弯曲半径，无法融入古装
• 手工刺绣：双面绣+走线全靠老师傅，电气功能=0
• 设计周期：3个月打样，一次失败=重来
2025 年，我们把生成式扩散模型搬进苏绣数字化工作台：
• 输入：一句需求（"明制飞鱼服、64×64 像素、30fps、可水洗、弯曲半径 2cm"）
• 输出：可直接上机的刺绣文件（*.DST）+ 走线图+ 柔性 PCB
• 实测：0.8mm 厚度、2cm 弯曲半径、27fps、水洗 30 次无断线、设计周期 8 小时
全文开源：训练代码+刺绣文件+柔性 PCB 全部放出。
二、任务定义：把"刺绣"当"3D 像素+电路+艺术"
维度 表示方式 分辨率 通道数
绣线电路 2D 走线图 256×256 3（经线/纬线/导电丝）
艺术纹样 2D 像素图 256×256 1（灰度纹样）
弯曲机械 2D 折弯图 256×256 1（曲率半径）
指标 文本 --- 768（Sentence-BERT）
输出：
• .DST（可直接上机）
• 走线图 PNG（视觉检查）
• 柔性 PCB（导入 Altium）
• 弯曲疲劳报告（Ansys 自动脚本）
三、数据：0→12 万条"刺绣+电路+艺术"样本
- 数据源
• 苏州刺绣研究所 → 2.5 万幅高清纹样
• 自研参数化脚本 → 生成 7 万条虚拟刺绣
• Ansys 批跑 → 弯曲疲劳数据 2.5 万条
• 总量 12 万条 → 增强 10 倍 → 120 万训练集
- 自动化 pipeline
文本需求 → 参数化生成 → 绣线+纹样+弯曲图
→ 上机验证（小样）→ 性能标签 → 训练集
- 条件文本
ChatGLM3-6B 生成 20 万句自然语言需求，覆盖 95% 常用古装款式
四、模型架构：EmbroideryDiff-LOOM（绣线-艺术联合扩散）
文本指标 → Sentence-BERT → 条件向量 c
↓
噪声绣线 + 噪声纹样 → Swin2D-UNet → 去噪绣线 & 纹样
↓
后处理 → .DST → 上机验证 → 性能报告
• Swin2D-UNet：4 层 Swin-T，窗口 8×8，输出 8×下采样
• 艺术分支：风格token（明制/宋制/唐制）嵌入
• 条件融合：Cross-Attention 注入文本向量
总参数量：198 M，FLOPs≈180 G@256×256×3
五、训练策略：刺绣也要"QAT"
- 绣线-艺术一致性损失
去噪后绣线 → 自动导出电气网络 → 与预测网络表对齐，梯度回传
- 弯曲疲劳奖励
曲率半径<2cm、1000 次折叠应力<100MPa → Reward=+1，REINFORCE 微调 1 epoch，折叠性能↑ 25%
- 多尺度噪声
256²→128²→64² 渐进式训练，收敛速度↑ 45%
- 条件Dropout
10% 概率丢弃文本条件，防止过拟合关键词
训练资源：8×RTX 4090 48G，FP16 + DeepSpeed Zero-3，72 h 收敛
六、实验结果：8小时交付，一次刺绣成功
指标 手工设计 传统CAD EmbroideryDiff-LOOM
设计周期 3 个月 2 周 8 小时
像素密度 32×32 48×48 64×64
弯曲半径 5 cm 3 cm 2 cm
水洗30次 -20% 信号 -10% -3%
误码率 5% 2% 0.4%
实测视频：
• 苏绣数字化工作台（256 针，0.35mm 线径）
• 8 小时完成 50cm×50cm 绣片
• 64×64 像素阵列，帧率 27fps（FPGA 驱动）
• 水洗 30 次（30℃），信号幅度下降 3%，无断线
七、后处理：从体素到 .DST + 仿真
- .DST 生成
走线像素→刺绣指令 → 苏绣工作台格式 → 直接上机
- 电气网络导出
Graph→KiCad PCB → 柔性 FPC 连接器（0.5mm 间距）
- 弯曲疲劳仿真
Ansys Mechanical → 1000 次±180°折叠 → 应力云图
- BOM 实时报价
导电丝+真丝 → 立创 API → ￥89/50cm×50cm
八、开源资源
内容 地址
训练代码 https://github.com/ai4embroidery/EmbroideryDiff-LOOM
数据集 https://huggingface.co/datasets/ai4embroidery/loom-120w
在线 Demo https://embroidery-diff.ai（输入文本→10 min 出 .DST）
打印文件 同 repo /dst
九、未来 roadmap
-
彩色像素：RGB 导电丝，256 色刺绣显示屏
-
能量收集：光伏纤维+超级电容，自供电
-
实验闭环：刺绣机 + 机械臂 + 暗室，24 h 自动验证
十、结语
当AI学会"画"刺绣走线，硬件像素终于从硅片走向丝绸：
8小时、64×64像素、2cm弯曲半径，一次刺绣成功，成本降60%。
如果你也在做柔性电子+AI，欢迎GitHub点星+提PR，一起把智能刺绣变成next-generation wearable！