[发明专利]一种脉冲神经膜系统干燥剂包装袋识别模型的识别方法

权利要求书

1.一种脉冲神经膜系统干燥剂包装袋识别模型的识别方法，其特征在于包括以下步骤：

(1)采用摄像头对由电机驱动输送并拉伸为竖直状态的干燥剂条带上的各干燥剂包装袋拍摄图像，得到各干燥剂包装袋对应的彩色干燥剂包装袋图像；

(2)将步骤(1)中得到的彩色干燥剂包装袋图像转换为干燥剂包装袋灰度图，再将干燥剂包装袋灰度图转换为干燥剂包装袋二值图，并将干燥剂包装袋二值图编码成脉冲序列，然后将脉冲序列发送给基于脉冲神经膜系统的干燥剂包装袋识别模型，并使用基于脉冲神经膜系统的膜电位驱动学习算法进行在线图像分类，识别干燥剂包装袋为不良产品或完好产品，不良产品包括空包、半包和夹子；

其中，脉冲神经膜系统的神经元模型为带阈值的神经元模型，在任意时刻t，该神经元的膜电位u(t)表示为：

其中，为第i个突触上的第j个脉冲的时间，为神经元响应后发出脉冲的时间，d为神经元响应后的不应期时间，d的取值为d＝5ms，ω_i为第i个突触的权重，u_rest表示静息电位，u_rest的取值为u_rest＝0，ε为脉冲响应函数，且

其中，干燥剂包装袋二值图编码成脉冲序列时的编码方式采用相位编码，第i个编码神经元的膜电位振荡公式为Acos(ωt+φ_i)，其中A为振幅，A的取值为A＝0.5，ω为振荡相位角速度，ω的取值为ω＝10π，φ_i为相位位移，φ_i表示为φ_i＝φ₀+(i-1)·Δφ，其中φ₀为参考初始相位，φ₀的取值为φ₀＝0，Δφ为常数相位差值，Δφ的取值为

其中，基于脉冲神经膜系统的干燥剂包装袋识别模型所采用的膜电位驱动学习算法具体为：

当神经元的运行时间是在脉冲期望输出时间集合T_d内，则通过调整突触权重，使得神经元的膜电位u(t)大于激发阈值θ，激发阈值θ的取值为θ＝1mv，为了保证神经元在时间集合T_d内激发脉冲，误差函数定义为：

而神经元在时间集合T_d内激发脉冲则表示识别的干燥剂包装袋为不良产品，则基于脉冲神经膜系统的干燥剂包装袋识别模型会发出一个停机信号给电机的控制系统，电机将会停止带动干燥剂条带，由人工从干燥剂条带中剪去不良产品；

通过梯度下降法来最小化神经元膜电位u(t)和激发阈值θ之间的误差，基于梯度下降法的突触权重更新规则表示为：

其中，β₁为学习率，β₁设置为β₁＝0.05；

上述误差函数和突触权重更新规则的含义为：当神经元的膜电位u(t)小于激发阈值θ时，而且神经元运行时间在脉冲期望输出时间集合T_d内时，则希望突触权重增大，使得神经元的膜电位u(t)迅速增大，大于或等于激发阈值θ，突触权重改变的值为：

当神经元的运行时间在脉冲非期望输出时间集合NT_d内，则通过调整突触权重，使得神经元的膜电位u(t)小于激发阈值θ，为了保证神经元在时间集合NT_d内不发出激发脉冲，误差函数定义为：

而神经元在时间集合NT_d内不激发脉冲则表示识别的干燥剂包装袋为完好产品；

基于梯度下降法的突触权重更新规则表示为：

其中，β₂为学习率，β₂设置为β₂＝0.05；

上述误差函数和突触权重更新规则的含义为：当神经元的膜电位u(t)大于激发阈值θ时，且神经元运行时间在脉冲非期望输出时间集合NT_d内时，则希望突触权重变小，使得神经元的膜电位u(t)迅速减小，小于激发阈值θ，突触权重改变的值为：