基于轻量化深度学习的仪表数字识别研究

• 作者: 孙孟姣 周斌 马金辉 郑州科技学院
• 来源期刊: 科技创新与生产力
• 关键词: 仪表读数 深度学习 数字识别 卷积神经网络 轻量化网络
• 年，卷（期）: 2024,（7）
• 所属期刊栏目: 应用技术
• 页码范围: 121-125
• 页数: 5页
• 语种: 中文

摘要

针对特殊场景下人工读取仪表数字具有费时费力、危险性、高等局限性等特征，采用基于轻量化深度学习技术实现仪表数字自动识别。首先，利用摄像机获取仪表图像，对图像进行截取预处理、数字定位和区域分割；然后，通过再造数据方式扩充识别数据集；最后，利用轻量化卷积神经网络训练识别模型，实现仪表数字和字符的鲁棒识别。实验结果表明，该方法准确度达到98%以上，且具有实时特性和鲁棒特性。