基于深度学习的智能图像处理研究

• 作者: 刘文彬 温柏坚 王尧 董召杰 郑杰生 郑颖龙 高尚
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 卷积神经网络 MOOSE算法 形态学 二值化
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 理论创新
• 页码范围: 60-63
• 页数: 4页
• 分类号: TP399
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2020.08.060

摘要

针对当前数显式仪表在人工采集的不便性问题,结合当前的视觉技术,提出一种基于卷积神经网络的数显仪表处理方法.为提高对数显仪表的高精度提取,首先对图像进行灰度化和二值化处理,然后对图像进行滤波和形态学处理;然后采用深度学习算法中的卷积神经网络和MOOSE算法分别对数字和小数点进行识别;最后,在搭建识别试验平台的基础上,对35 821张图像识别,识别准确率可达到95.99％,与实际识别来看,可准确识别小数点,说明本识别方法具有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温柏坚	广东电网有限责任公司信息中心	25	175	8.0	12.0
2	董召杰		6	0	0.0	0.0
3	郑杰生		2	0	0.0	0.0
4	高尚		3	0	0.0	0.0
5	刘文彬		2	0	0.0	0.0
6	王尧		2	0	0.0	0.0
7	郑颖龙		2	0	0.0	0.0