基于卷积神经网络的真实场景下水表读数识别

• 作者: 周小宁 李嘉星 张成
• 来源期刊: 计算机科学与应用
• 学科: 工学
• 关键词: 图像处理 数字识别 卷积神经网络 深度学习 LeNet
• 年，卷（期）: 2021,（3）
• 页码范围: 467-475
• 页数: 9页
• 分类号: TP3

摘要

为实现真实场景下老式机械水表读数的自动识别,提出一种基于卷积神经网络的水表数字识别方法。对原始的水表图像进行预处理,通过坐标定位以及分割,获取单个字符的数据集;使用椒盐噪声、旋转角度的方法扩增数据集;而后再依次经过灰度化、滤波、局部阈值分割等操作,对图像进行细节的处理;在TensorFlow的深度学习框架下搭建LeNet卷积神经网络模型,选取卷积核为3 * 3的卷积层,将处理好的数据放入到改进后的LeNet网络模型中进行训练,最终实现字符的分类识别。实验结果表明:该方法在训练集上的准确率达到99.97%,在测试集上的准确率达到98.36%,为真实场景下水表读数的自动识别提供了可能。