买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中南大学

摘要：本发明提供了一种面向瑕疵检测的脉冲神经网络的联邦学习方法，将产品图像输入人工神经网络分支进行前向传播、在时间窗口内将感受野矩阵编码输入脉冲神经网络分支进行前向传播，并在脉冲神经网络分支的前向传播过程中将人工神经网络分支输出的特征与脉冲神经网络分支中每一个时间步输出的特征进行融合，有效缓解了尖峰噪声影响；根据脉冲神经网络分支中最后一层中所有时间步输出的特征与瑕疵种类标签构建损失函数，通过损失函数对脉冲神经网络分支进行反向传播训练，得到本地联邦脉冲神经网络并将多个本地工业设备上传的网络参数输入中央服务器进行聚合得到全局模型，在实现轻量化分布协同训练的同时，有效解决了用于瑕疵检测时准确率低的劣势。

主权项：1.一种面向瑕疵检测的脉冲神经网络的联邦学习方法，其特征在于，包括：步骤1，通过多个本地工业设备获取产品图像，并对所述产品图像进行预处理，得到感受野矩阵编码和瑕疵种类标签；所述对所述产品图像进行预处理，得到感受野矩阵编码和瑕疵种类标签，包括：步骤11，采用自编码器对所述产品图像进行图像去噪，得到去噪后的产品图像，并采用直方图均衡化对所述去噪后的产品图像进行对比度增强，得到突出瑕疵区域的产品图像并将打标，得到瑕疵种类标签；步骤12，将突出瑕疵区域的产品图像进行平均处理，得到平均像素值矩阵；步骤13，根据所述平均像素值矩阵构建高斯混合模型，并采用最大期望算法优化所述高斯混合模型的模型参数；步骤14，根据优化后的高斯混合模型计算每个高斯分量在图像平面的概率密度，得到感受野矩阵；步骤15，根据所述感受野矩阵和所述平均像素值矩阵对所述增强后的产品图像进行编码，得到感受野矩阵编码；步骤2，中央服务器将构建的包括人工神经网络分支和脉冲神经网络分支的初始联邦脉冲神经网络下发至每个所述本地工业设备，并为每个所述本地工业设备分配时间窗口，其中所述人工神经网络分支的激活层的输出端、所述脉冲神经网络分支中每一个时间步的输出端均与所述脉冲神经网络分支中的乘法器的输入端连接，所述乘法器用于将所述人工神经网络分支输出的特征与所述脉冲神经网络分支中每一个时间步输出的特征进行融合，所述人工神经网络分支共享所述脉冲神经网络分支的网络参数；步骤3，所述本地工业设备将所述产品图像输入所述人工神经网络分支进行前向传播、在所述时间窗口内将所述感受野矩阵编码输入所述脉冲神经网络分支进行前向传播，并在所述脉冲神经网络分支的前向传播过程中将所述人工神经网络分支输出的特征与所述脉冲神经网络分支中每一个时间步输出的特征进行融合；步骤4，所述本地工业设备根据所述脉冲神经网络分支中最后一层中所有时间步输出的特征与所述瑕疵种类标签构建损失函数，并基于反向传播机制、动态反馈自适应阈值机制、所述损失函数对所述脉冲神经网络分支进行反向传播训练，得到本地联邦脉冲神经网络；步骤5，所述中央服务器将多个所述本地工业设备上传的本地联邦脉冲神经网络的网络参数进行聚合，得到全局模型并将所述中央服务器分配给所述本地工业设备的时间窗口更新为当前次网络参数聚合时的时间窗口；步骤6，判断所述联邦脉冲神经网络是否满足预设训练条件；若是，则训练结束；否则，将所述联邦脉冲神经网络作为所述步骤2中的初始联邦脉冲神经网络以及更新后的时间窗口传输至多个本地工业设备，并返回执行步骤3。

全文数据：

权利要求：

百度查询： 中南大学 一种面向瑕疵检测的脉冲神经网络的联邦学习方法