基于卷积神经网络的电力操作票文字识别方法

• 作者: 位一鸣 张非 罗麟 袁海范
• 来源期刊: 浙江电力
• 学科: 工学
• 关键词: 操作票 文字识别 手写字体 卷积神经网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 电力大数据
• 页码范围: 68-74
• 页数: 7页
• 分类号: TM76
• 字数: 5960字
• 语种: 中文
• DOI: 10.19585/j.zjdl.202004012

摘要

为提升电力操作票文字识别的准确度,提出了一种CBTR(基于卷积神经网络的文字识别)方法.首先,基于卷积神经网络学习得到非线性映射函数,提升操作票图像的PSNR(峰值信噪比);然后,基于假想笔画、路径签名与8方向特征构建集成卷积神经网络模型,使用简单平均法计算分类结果,克服手写字体识别难题.最后,选择DLQDF,MCDNN,DeepCNet作为基准方法,使用实际运维检修中操作票图像样本集进行算法验证.结果表明CBTR方法能准确识别操作票图像文字,具有显著的性能优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗麟		4	7	1.0	2.0
2	张非		2	0	0.0	0.0
3	位一鸣		2	1	1.0	1.0
4	袁海范		2	0	0.0	0.0