[发明专利]一种基于脉冲神经网络的物品检测方法及装置

说明书

本申请公开了一种基于脉冲神经网络的物品检测方法及装置，方法包括：对预置物品图像进行脉冲编码操作，得到脉冲编码图像；将脉冲编码图像输入预置YOLO模型中进行检测目标的坐标提取，得到检测物坐标，预置YOLO模型基于脉冲神经网络构建；基于检测物坐标对脉冲编码图像进行目标裁剪，得到目标图像；将目标图像输入预置脉冲识别模型中进行目标识别，得到物品检测结果，预置脉冲识别模型基于Resnet和脉冲转换框架构建。本申请能够解决现有技术的检测过程容易受干扰，效率较低，导致无法满足自主售货机的运行需求的技术问题。

技术领域

本申请涉及目标检测技术领域，尤其涉及一种基于脉冲神经网络的物品检测方法及装置。

背景技术

随着目前计算设备的发展，各种网络支付也随之发展。人们可以便捷的通过网络支付在网络与现实中购买所需的物品，而各种自动售货机逐渐遍布在各种生活场所中方便人们购买商品。因为自助售货机不受时间与地点的限制，且能够节省大量的人力，所以受到了市场的欢迎。随着电子技术的迭代升级，自动售货机也而逐渐变得更为智能化与便捷化。在未来，各种新兴的自助购物方式将会得到极大的推广与发展。而如何提升自助购物方式中检测物品的可靠性便成为了一个关键。

现有的目标检测算法中发展较为快速且高效的是神经网络算法，但是现有的基于神经网络算法的物品检测过程易受环境因素干扰导致计算量较大，进而使得设备的功耗随之增大，在一定程度上增加自动售货机的投入成本，而且自动售货机需要长时间运行，与用户短时间交互，需要更为高效可靠的物品检测算法满足实际检测需求。

发明内容

本申请提供了一种基于脉冲神经网络的物品检测方法及装置，用于解决现有技术的检测过程容易受干扰，效率较低，导致无法满足自主售货机的运行需求的技术问题。

有鉴于此，本申请第一方面提供了一种基于脉冲神经网络的物品检测方法，包括：

对预置物品图像进行脉冲编码操作，得到脉冲编码图像；

将所述脉冲编码图像输入预置YOLO模型中进行检测目标的坐标提取，得到检测物坐标，所述预置YOLO模型基于脉冲神经网络构建；

基于所述检测物坐标对所述脉冲编码图像进行目标裁剪，得到目标图像；

将所述目标图像输入预置脉冲识别模型中进行目标识别，得到物品检测结果，所述预置脉冲识别模型基于Resnet和脉冲转换框架构建。

优选地，所述对预置物品图像进行脉冲编码操作，得到脉冲编码图像，之前还包括：

获取目标物品的初始图像数据后，对所述初始图像数据进行预处理操作，得到预置物品图像，所述预处理操作包括去畸变、降噪、裁剪和缩放。

优选地，所述将所述脉冲编码图像输入预置YOLO模型中进行检测目标的坐标提取，得到检测物坐标，所述预置YOLO模型基于脉冲神经网络构建，包括：

基于脉冲神经网络和预设动态标准构建预置YOLO模型；

将所述脉冲编码图像输入所述预置YOLO模型中进行检测目标的坐标提取，得到检测物坐标，所述检测物坐标为检测边界框的坐标。

优选地，所述基于所述检测物坐标对所述脉冲编码图像进行目标裁剪，得到目标图像，之前还包括：

在无法获取到所述检测物坐标的情况下，基于预置图像偏移量计算所述检测物坐标。

优选地，所述将所述目标图像输入预置脉冲识别模型中进行目标识别，得到物品检测结果，所述预置脉冲识别模型基于Resnet和脉冲转换框架构建，包括：

基于Resnet和人工神经网络搭建初始Resnet模型；

通过脉冲转换框架将所述初始Resnet模型转换为预置脉冲识别模型，所述预置脉冲识别模型的损失函数为PolyLoss函数；