[发明专利]一种基于生物神经网络的拓扑特征检测方法及装置

说明书

本发明公开了一种基于生物神经网络的拓扑特征检测方法及装置。该方法包括：获取待测目标物的图像，并进行预处理；将预处理后的待测目标物的图像输入到生物神经网络中演化预设时间，得到该时间段内产生的脉冲发放次数，以确认待测目标物当前时刻的拓扑特征。本发明相对于传统人工神经网络方法，具有快速响应且性能稳定的特点。并且可以直接在仿脑计算系统中实现，引入生物神经网络动力学和电突触，无需任何额外处理，网络性质稳定，能实现十毫秒内的快速拓扑特征检测。

技术领域

本发明涉及一种拓扑特征检测方法，尤其涉及一种基于生物神经网络的拓扑特征检测方法，同时也涉及相应的拓扑特征检测装置，属于类脑计算技术领域。

背景技术

现代工业生产流水线在高速运行时，常常会出现瑕疵、不准确等质量问题。这些问题往往可以归结为物体的固有拓扑特征(包括连通性和洞等)发生了改变。例如，药物灌装中出现的碎屑、高速印刷机上出现的污点、高速螺纹机上出现的裂痕等，使得原有物件的连通性和洞等拓扑特征发生了改变。这些质量问题如果不能够及时发现并解决，不但会降低产品的使用满意度，严重甚至会威胁到用户的生命。

通常采用人工目视的检测方法实现对物体拓扑特征变化的检测。但是，人工检测存在效率低、容易疲劳且漏检率高的问题。因此，如果能使用计算机对物体拓扑特征变化进行自动检测，一方面可以提高检测的准确率，另一方面也可节约成本并提高检测效率。

然而，计算机视觉领域在理论和实践上都证明，计算模型要计算出拓扑性质有着本质的困难。例如，人工智能先驱明斯基从理论上证明，单层感知机无法做到拓扑连通性的检测，而多层感知机所需的隐藏层单元数目随着图形的大小增加呈指数上升。因此，人工神经网络无法很好地处理物体拓扑特征检测。

发明内容

本发明所要解决的首要技术问题在于提供一种基于生物神经网络的拓扑特征检测方法。

本发明所要解决的另一技术问题在于提供一种基于生物神经网络的拓扑特征检测装置。

为了实现上述目的，本发明采用下述技术方案：

根据本发明实施例的第一方面，提供一种基于生物神经网络的拓扑特征检测方法，包括如下步骤：

获取待测目标物的图像，并进行预处理；

将预处理后的所述待测目标物的图像输入到生物神经网络中演化预设时间，得到该时间段内产生的脉冲发放次数，以确认待测目标物当前时刻的拓扑特征。

其中较优地，所述生物神经网络包括读出神经元层和由多个神经元组成的电突触网络层，每个所述神经元通过相应的电突触与所述读出神经元层的读出神经元相耦合；

所述电突触网络层，用于对预处理后的所述待测目标物的图像中的拓扑特征进行快速同步化脉冲响应；

所述读出神经元层，用于对电突触网络层中错位发放的同步化脉冲响应进行重合检测，得到与所述待测目标物的图像中的拓扑特征对应的脉冲发放次数。

其中较优地，所述电突触网络层中的神经元均匀分布，并且对于任意一个神经元，通过电突触与周边近邻神经元相耦合。

其中较优地，每个神经元接收预处理后的所述待测目标物的图像中至少一个像素点的数据，根据如下神经元的动力学公式进行膜电位演化，以对所述拓扑特征进行快速同步化脉冲响应；

上式中，V_i(t)表示神经元i在当前时刻t时的膜电位，τ表示神经元膜电位的时间常数，表示神经元i在当前时刻时接收到的近邻神经元j通过电突触传递的电流，j∈N_G(i)表示神经元i的各个近邻神经元；表示神经元i在当前时刻时接收至少一个像素点的灰度值，并转化为相应的电流后与神经元i自身的高斯噪声之和。