一种脉冲神经膜系统干燥剂包装袋识别模型的识别方法技术方案

本发明专利技术公开了一种脉冲神经膜系统干燥剂包装袋识别模型的识别方法，包括以下步骤：（1）采用摄像头对由电机驱动输送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，识别干燥剂包装袋是否完好、空包、半包和夹子等。本发明专利技术能快速、准确地识别干燥剂包装袋是否完好、空包、半包和夹子等。

【技术实现步骤摘要】
一种脉冲神经膜系统干燥剂包装袋识别模型的识别方法
本专利技术属于干燥剂包装袋识别
，具体涉及一种脉冲神经膜系统干燥剂包装袋识别模型的识别方法。
技术介绍
干燥剂在各行各业都有着广泛的用途，生产干燥剂的重要性不言而喻。然而，干燥剂生产过程中经常出现空包、半包和夹子等一些不合格产品，为了避免不合格产品流入市场，就需要对每个生产出来的干燥剂包装袋进行检查。目前为了选出这些不合格产品，基本采用人工筛选的方式，容易出现漏检，且人工成本高。因此，亟需一种能够实现自动检测不合格干燥剂包装袋的方法。传统的图像检测边缘算法利用检测目标区域的轮廓，计算轮廓的像素点个数，然后根据标准情况下各个轮廓的像素点数来进行对比，从而判断干燥剂包装袋是否出现空包、半包和夹子等不良产品，然而，这些图像边缘检测算法的检测干燥剂包装袋不良品的准确率不高。另外，在干燥剂包装袋的工业生产线上，传统的图像边缘检测算法的检测干燥剂包装袋的速度难以跟上生产干燥剂包装袋的速度。
技术实现思路
本专利技术提供一种脉冲神经膜系统干燥剂包装袋识别模型的识别方法，以解决现有干燥剂包装袋筛选人工依赖性大、易漏选等技术问题，能快速、准确地识别和检测干燥剂包装袋是否完好、空包、半包和夹子等。为了解决上述技术问题，本专利技术采用如下技术方案：一种脉冲神经膜系统干燥剂包装袋识别模型的识别方法，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，识别干燥剂包装袋是否完好、空包、半包和夹子等；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，ωi为第i个突触的权重，urest表示静息电位，urest的取值为urest＝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+φi)，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，φi为相位位移，φi表示为φi＝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Td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Td内激发脉冲，误差函数定义为：而神经元在时间集合Td内激发脉冲则表示识别的干燥剂包装袋为空包、半包或夹子等不良产品，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Td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NTd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NTd内不发出激发脉冲，误差函数定义为：而神经元在时间集合NTd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NTd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：进一步地，步骤(1)中，多个干燥剂包装袋连成干燥剂条带，干燥剂条带缠绕在多个转轴上，各转轴均水平且沿前后方向布置，最右端处的转轴通过步进电机驱动转动，干燥剂条带在步进电机的带动下通过各转轴而向右间歇式输送，干燥剂条带经过其中两个上下相邻的转轴之间而形成竖直的干燥剂条带，竖直干燥剂条带的正右侧处固定有镜头正对竖直干燥剂条带右侧面的摄像头，竖直干燥剂条带的正左侧处固定有光源射向竖直干燥剂条带左侧面的平行强光源，平行强光源与摄像头处于同一水平高度，平行强光源的大小与干燥剂条带上的干燥剂包装袋的大小相匹配。进一步地，步骤(1)中，干燥剂条带上各干燥剂包装袋的输送速率为2个/s。进一步地，步骤(2)中，基于脉冲神经膜系统的干燥剂包装袋识别模型对干燥剂包装袋的检测速度为4s/个。相对于现有技术，本专利技术的有益效果为：本专利技术中，先通过电机将干燥剂条带拉伸成竖直状态，然后经过摄像头拍照，获取每个干燥剂包装袋的状态图像，在取像的过程中，通过平行强光源消除干燥剂包装袋本身带来的噪声影响，取出的彩色图像转换为灰度图，再转换为二值图，将二值图编码成脉冲序列，最后使用基于脉冲神经膜系统的膜电位驱动学习算法来判定干燥剂包装袋是否存在空包、半包和夹子等不良产品，本专利技术能够克服外界环境干扰，准确地判断干燥剂包装袋是否存在质量问题，采用自动化控制和检测，避免利用人力来检测，检测速度大大提升，并且大量节省了人力成本；本专利技术中，脉冲神经膜系统利用脉冲来对干燥剂包装袋进行信息编码和信息传递，因此能够大大提高处理信息的速度，基于脉冲神经膜系统的膜电位驱动学习算法是一种受生物神经元以脉冲形式处理信息和传递信息启发的算法，能够实现在线方式的学习，具有更强的学习能力，该基于脉冲神经膜系统的干燥剂包装袋识别模型能快速、准确地识别和检测干燥剂包装袋是否完好、空包、半包和夹子等，提高了干燥剂包装袋的生产效率；本专利技术中，步进电机使得干燥剂条带呈间歇式运动，能够根据工位需求及干燥剂包装袋的大小，方便摄像头取像，且当干燥剂条带经过摄像头时，根据干燥剂条带上的黑色标记，实现对每一个干燥剂包装袋进行拍照；本专利技术中，通过设置平行强光源，能够使得干燥剂包装袋中没有装料的部分呈白色，装料的部分呈黑色，消除了干燥剂包装袋上字体等其它干扰因素的影响；本专利技术中，基于脉冲神经膜系统的干燥剂包装袋本文档来自技高网...

【技术保护点】
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：/n(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；/n(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，识别干燥剂包装袋是否完好、空包、半包和夹子等；/n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：/n

【技术特征摘要】
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，识别干燥剂包装袋是否完好、空包、半包和夹子等；
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，ωi为第i个突触的权重，urest表示静息电位，urest的取值为urest＝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+φi)，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，φi为相位位移，φi表示为φi＝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Td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Td内激发脉冲，误差函数定义为：



而神经元在时间集合Td内激发脉冲则表示识别的干燥剂包装袋为空包、半包或夹子等不良产品，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...

【专利技术属性】
技术研发人员：吴庭芳，潘林强，张逃生，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32