[發明專利]一種基于生物神經網絡的拓撲特征檢測方法及裝置

有效

• 申請號: 202110401866.3
• 申請日: 2021-04-14
• 公開（公告）號: CN113095492B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 王超名;吳思;弭元元
• 申請（專利權）人: 北京大學;合肥綜合性國家科學中心人工智能研究院有限公司
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/04;G06V10/94;G06T7/90;G06F30/27
• 代理公司: 北京汲智翼成知識產權代理事務所(普通合伙) 11381
• 代理人: 陳曦;任佳

本發明公開了一種基于生物神經網絡的拓撲特征檢測方法及裝置。該方法包括：獲取待測目標物的圖像，并進行預處理；將預處理后的待測目標物的圖像輸入到生物神經網絡中演化預設時間，得到該時間段內產生的脈沖發放次數，以確認待測目標物當前時刻的拓撲特征。本發明相對于傳統人工神經網絡方法，具有快速響應且性能穩定的特點。并且可以直接在仿腦計算系統中實現，引入生物神經網絡動力學和電突觸，無需任何額外處理，網絡性質穩定，能實現十毫秒內的快速拓撲特征檢測。

技術領域

本發明涉及一種拓撲特征檢測方法，尤其涉及一種基于生物神經網絡的拓撲特征檢測方法，同時也涉及相應的拓撲特征檢測裝置，屬于類腦計算技術領域。

背景技術

現代工業生產流水線在高速運行時，常常會出現瑕疵、不準確等質量問題。這些問題往往可以歸結為物體的固有拓撲特征(包括連通性和洞等)發生了改變。例如，藥物灌裝中出現的碎屑、高速印刷機上出現的污點、高速螺紋機上出現的裂痕等，使得原有物件的連通性和洞等拓撲特征發生了改變。這些質量問題如果不能夠及時發現并解決，不但會降低產品的使用滿意度，嚴重甚至會威脅到用戶的生命。

通常采用人工目視的檢測方法實現對物體拓撲特征變化的檢測。但是，人工檢測存在效率低、容易疲勞且漏檢率高的問題。因此，如果能使用計算機對物體拓撲特征變化進行自動檢測，一方面可以提高檢測的準確率，另一方面也可節約成本并提高檢測效率。

然而，計算機視覺領域在理論和實踐上都證明，計算模型要計算出拓撲性質有著本質的困難。例如，人工智能先驅明斯基從理論上證明，單層感知機無法做到拓撲連通性的檢測，而多層感知機所需的隱藏層單元數目隨著圖形的大小增加呈指數上升。因此，人工神經網絡無法很好地處理物體拓撲特征檢測。

發明內容

本發明所要解決的首要技術問題在于提供一種基于生物神經網絡的拓撲特征檢測方法。

本發明所要解決的另一技術問題在于提供一種基于生物神經網絡的拓撲特征檢測裝置。

為了實現上述目的，本發明采用下述技術方案：

根據本發明實施例的第一方面，提供一種基于生物神經網絡的拓撲特征檢測方法，包括如下步驟：

獲取待測目標物的圖像，并進行預處理；

將預處理后的所述待測目標物的圖像輸入到生物神經網絡中演化預設時間，得到該時間段內產生的脈沖發放次數，以確認待測目標物當前時刻的拓撲特征。

其中較優地，所述生物神經網絡包括讀出神經元層和由多個神經元組成的電突觸網絡層，每個所述神經元通過相應的電突觸與所述讀出神經元層的讀出神經元相耦合；

所述電突觸網絡層，用于對預處理后的所述待測目標物的圖像中的拓撲特征進行快速同步化脈沖響應；

所述讀出神經元層，用于對電突觸網絡層中錯位發放的同步化脈沖響應進行重合檢測，得到與所述待測目標物的圖像中的拓撲特征對應的脈沖發放次數。

其中較優地，所述電突觸網絡層中的神經元均勻分布，并且對于任意一個神經元，通過電突觸與周邊近鄰神經元相耦合。

其中較優地，每個神經元接收預處理后的所述待測目標物的圖像中至少一個像素點的數據，根據如下神經元的動力學公式進行膜電位演化，以對所述拓撲特征進行快速同步化脈沖響應；

上式中，V_i(t)表示神經元i在當前時刻t時的膜電位，τ表示神經元膜電位的時間常數，表示神經元i在當前時刻時接收到的近鄰神經元j通過電突觸傳遞的電流，j∈N_G(i)表示神經元i的各個近鄰神經元；表示神經元i在當前時刻時接收至少一個像素點的灰度值，并轉化為相應的電流后與神經元i自身的高斯噪聲之和。