一种改进的卷积神经网络的数显仪表识别方法

• 作者: 李记花 李鹤喜 李威龙
• 来源期刊: 计算机科学与应用
• 学科: 工学
• 关键词: 数显仪表识别 注意机制 卷积神经网络
• 年，卷（期）: 2021,（2）
• 页码范围: 257-265
• 页数: 9页
• 分类号: TP3

摘要

为了提高数显仪表的识别率,设计了一种传统图像处理方法和深度学习技术相结合的算法,即一种基于改进的卷积神经网络的数显仪表识别算法。首先通过传统图像处理技术对图像进行图像预处理、字符分割等操作,然后由基于注意机制的卷积神经网络算法对字符进行识别。实验结果表明,该方法不仅有效提高了字符的准确率,字符识别率高达98.5%,还提高了网络的收敛速度。该方法基本可以满足各种数显仪表的识别,能够满足实际应用的需求。