本发明专利技术涉及制冷设备维护技术领域，尤其涉及一种基于脉冲神经网络的结霜区域识别方法、装置及设备，方法包括：对冷风机图像进行帧差操作，得到帧差图像；将帧差图像各像素点的灰度值输入脉冲神经网络中，通过编码层和兴奋层之间的动态连接强度，深化神经元脉冲信号差异，得到各神经元的脉冲发放率；以各脉冲发放率中的频率最大值和最小值构成频率区间，以预设比例剔除所述频率区间的高频段和低频段，获取脉冲发放率处于剩余的频率段的神经元对应的兴奋像素点；根据所述兴奋像素点的坐标得到结霜区域，准确且高效地得到冷风机的结霜区域。域。域。
【技术实现步骤摘要】
一种基于脉冲神经网络的结霜区域识别方法、装置及设备
[0001]本专利技术涉及制冷设备维护
，尤其涉及一种基于脉冲神经网络的结霜区域识别方法、装置及设备。
技术介绍
[0002]冷风机在运行一段时间后，其蒸发器往往会出现结霜情况，而霜面会影响冷风机的制冷效率，因此需要对冷风机进行除霜。
[0003]在通过冷风机的图像来获取冷风机的结霜情况，进行除霜时，冷风机的结霜区域以外的区域会影响冷风机图像对结霜情况的识别效果，带来很大的误差；因此需要将摄像头对准的冷风机区域进行划分，通过人工预先根据摄像头位置设置计算区域。
[0004]但是该方法一方面受限于摄像头摆放的位置，一旦摄像头发送偏移，就需要重新调整结霜区域，增加了调试的工作量。另一方面，人工设置结霜区域带有一定的主观性，因为冷风机蒸发器结霜是一个相对随机的过程，如果计算区域设置的不够合理，会使得计算的结果与实际的结霜程度相关性大大降低。
技术实现思路
[0005]本申请提供了一种基于脉冲神经网络的结霜区域识别方法、装置及设备，解决了现有技术中结霜区域的设置不准确且效率低的问题。
[0006]本申请第一方面提供了一种基于脉冲神经网络的结霜区域识别方法，包括：
[0007]对冷风机图像进行帧差操作，得到帧差图像；
[0008]将帧差图像输入脉冲神经网络中，所述脉冲神经网络包括：编码层和兴奋层；编码层将帧差图像转换为脉冲序列，并根据脉冲序列向兴奋层发送脉冲信号，网络计算兴奋层各神经元的脉冲发放率；编码层与兴奋层之间的连接强度根据前一时刻的脉冲发放情况动态变化，增加活跃神经元突触的连接强度，减少不活跃神经元突触的连接强度；
[0009]以各脉冲发放率中的频率最大值和最小值构成频率区间，以预设比例剔除所述频率区间的高频段和低频段，获取脉冲发放率处于剩余的频率段的神经元对应的兴奋像素点；
[0010]根据所述兴奋像素点的坐标得到结霜区域。
[0011]可选的，所述编码层与兴奋层之间的连接强度根据前一时刻的脉冲发放情况动态变化具体为：
[0012]编码层的各神经元与兴奋层的各神经元一一对应连接，且编码层与兴奋层之间的连接强度采用STDP规则动态进行更新；
[0013]所述STDP规则具体为：
[0014][0015]其中，b和a分别代表着权重更新率和对上一个时刻的权重依赖性，
△
y是突触之间的连接强度增量，其随着突触神经元脉冲的发放不断更新，y
max
为突触连接强度的最大上限值，y是突触与突触之间的连接强度。u
p
代表突触前迹，u1为神经元发放脉冲时的突触前迹，β
up
为时间常量。
[0016]可选的，所述脉冲神经网络还包括：抑制层；
[0017]抑制层的各神经元与兴奋层的每个神经元都相连接，且采用预设固定的连接强度，向兴奋层未发送脉冲信号的神经元发送抑制信号。
[0018]可选的，所述获取脉冲发放率处于剩余的频率段的神经元对应的兴奋像素点，具体为：
[0019]将剩余频率段平均分为预设数量的区间，根据处于各区间的神经元数量，选择神经元数量随频率升高而降低的首个区间，以及该区间之后的预设数量的区间；识别处于选中区间的神经元对应的像素点，得到兴奋像素点。
[0020]可选的，所述对冷风机图像进行帧差操作之前，还包括：
[0021]对冷风机摄像头获取的图像进行灰度化处理，并将图像放缩至脉冲神经网络对应的尺寸，使图像像素点数与脉冲神经网络层的神经元数相对应。
[0022]可选的，所述对冷风机图像进行帧差操作，得到帧差图像，具体为：
[0023]将当前冷风机图像与时序上的前一张冷风机图像的对应像素点的灰度值做差，并各灰度差值代入灰度差值处理模型中，将得到处理后的灰度差值代入对应像素点位置中，得到帧差图像；
[0024]所述灰度差值处理模型具体为：
[0025][0026]其中，S
t
(x,y)为坐标为(x,y)的像素点处理后的灰度差值，F
t
(x,y)为坐标为(x,y)的像素点处理前的灰度差值，minF
t
灰度差值最小值，maxF
t
灰度差值最大值。
[0027]本申请第二方面提供了一种基于脉冲神经网络的结霜区域识别装置，包括：
[0028]帧差模块，用于对冷风机图像进行帧差操作，得到帧差图像；
[0029]神经网络模块，将帧差图像输入脉冲神经网络中，所述脉冲神经网络包括：编码层和兴奋层；编码层将帧差图像转换为脉冲序列，并根据脉冲序列向兴奋层发送脉冲信号，网络计算兴奋层各神经元的脉冲发放率；编码层与兴奋层之间的连接强度根据前一时刻的脉冲发放情况动态变化，增加活跃神经元突触的连接强度，减少不活跃神经元突触的连接强度；
[0030]筛选模块，用于以各脉冲发放率中的频率最大值和最小值构成频率区间，以预设比例剔除所述频率区间的高频段和低频段，获取脉冲发放率处于剩余的频率段的神经元对应的兴奋像素点；
[0031]结霜区域构建模块，用于根据所述兴奋像素点的坐标得到结霜区域。
[0032]可选的，神经网络模块中，所述编码层与兴奋层之间的连接强度根据前一时刻的脉冲发放情况动态变化具体为：
[0033]编码层的各神经元与兴奋层的各神经元一一对应连接，且编码层与兴奋层之间的连接强度采用STDP规则动态进行更新；
[0034]所述STDP规则具体为：
[0035][0036]其中，b和a分别代表着权重更新率和对上一个时刻的权重依赖性，
△
y是突触之间的连接强度增量，其随着突触神经元脉冲的发放不断更新，y
max
为突触连接强度的最大上限值，y是突触与突触之间的连接强度。u
p
代表突触前迹，u1为神经元发放脉冲时的突触前迹，β
up
为时间常量。
[0037]可选的，神经网络模块中，所述脉冲神经网络还包括：抑制层；
[0038]抑制层的各神经元与兴奋层的每个神经元都相连接，且采用预设固定的连接强度，向兴奋层未发送脉冲信号的神经元发送抑制信号。
[0039]本申请第三方面提供了一种基于脉冲神经网络的结霜区域识别设备，所述设备包括处理器以及存储器：
[0040]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0041]所述处理器用于根据所述程序代码中的指令执行本申请第一方面任一项所述的基于脉冲神经网络的结霜区域识别方法。
[0042]本申请提供的基于脉冲神经网络的结霜区域识别方法，通过将冷风机图像的帧差图像输入脉冲神经网络中，得到各神经元的脉冲发放率，以脉冲发放率体现对应的像素点位置的灰度值变化，以动态连接强度深化神经元脉冲发放率差异，使得结霜的变化能精准的被识别量化，以各脉冲发放率中的频率最大值和最小值构成频率区间，以预本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于脉冲神经网络的结霜区域识别方法，其特征在于，包括：对冷风机图像进行帧差操作，得到帧差图像；将帧差图像输入脉冲神经网络中，所述脉冲神经网络包括：编码层和兴奋层；编码层将帧差图像转换为脉冲序列，并根据脉冲序列向兴奋层发送脉冲信号，网络计算兴奋层各神经元的脉冲发放率；编码层与兴奋层之间的连接强度根据前一时刻的脉冲发放情况动态变化，增加活跃神经元突触的连接强度，减少不活跃神经元突触的连接强度；以各脉冲发放率中的频率最大值和最小值构成频率区间，以预设比例剔除所述频率区间的高频段和低频段，获取脉冲发放率处于剩余的频率段的神经元对应的兴奋像素点；根据所述兴奋像素点的坐标得到结霜区域。2.根据权利要求1所述的基于脉冲神经网络的结霜区域识别方法，其特征在于，所述编码层与兴奋层之间的连接强度根据前一时刻的脉冲发放情况动态变化具体为：编码层的各神经元与兴奋层的各神经元一一对应连接，且编码层与兴奋层之间的连接强度采用STDP规则动态进行更新；所述STDP规则具体为：其中，b和a分别代表着权重更新率和对上一个时刻的权重依赖性，
△
y是突触之间的连接强度增量，其随着突触神经元脉冲的发放不断更新，y
max
为突触连接强度的最大上限值，y是突触与突触之间的连接强度。u
p
代表突触前迹，u1为神经元发放脉冲时的突触前迹，β
up
为时间常量。3.根据权利要求1所述的基于脉冲神经网络的结霜区域识别方法，其特征在于，所述脉冲神经网络还包括：抑制层；抑制层的各神经元与兴奋层的每个神经元都相连接，且采用预设固定的连接强度，向兴奋层未发送脉冲信号的神经元发送抑制信号。4.根据权利要求1所述的基于脉冲神经网络的结霜区域识别方法，其特征在于，所述获取脉冲发放率处于剩余的频率段的神经元对应的兴奋像素点，具体为：将剩余频率段平均分为预设数量的分区间，根据处于各分区间的神经元数量，选择神经元数量随频率升高而降低的首个分区间，以及该分区间之后的预设数量的分区间；识别处于选中分区间的神经元对应的像素点，得到兴奋像素点。5.根据权利要求1所述的基于脉冲神经网络的结霜区域识别方法，其特征在于，所述对冷风机图像进行帧差操作之前，还包括：对冷风机摄像头获取的图像进行灰度化处理，并将图像放缩至脉冲神经网络对应的尺寸，使图像像素点数与脉冲神经网络各层的神经元数相对应。6.根据权利要求1所述的基于脉冲神经网络的结霜区域识别方法，其特征在于，所述对冷风机图像进行帧差操作，得到帧差图像，具体为：将当前冷风机图像与时序上的前一张冷风机图像的对应像素点的灰度值做差，并各灰度差值代入灰...
【专利技术属性】
技术研发人员：陈靖宇，周晓杰，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。