基于CNN集成模型的工业字符识别方法研究

发布时间：2021-01-10 06:17

　　字符识别作为机器视觉领域的一项前沿研究方向,经过近些年的发展与研究,已经广泛应用于现实生活中的多个方面,尤其是在工业生产方面,字符识别技术在推动工业生产智能化方面正扮演着越来越重要的角色。由于工业生产环境复杂,比如产生运动模糊、位置变化,甚至出现遮挡物、光照条件变化、物理损伤、裂纹等一系列不确定性干扰因素,传统字符识别方法很难保证识别的准确性与高效性,严重制约了我国工业智能生产的发展进程。随着深度学习算法的不断发展,基于卷积神经网络的字符识别在机器视觉方面的收到了越来越多的关注。本文以卷积神经网络为基础构建了用于工业字符识别的集成网络模型结构,在字符识别尤其是工业环境下的字符识别下取得了良好的识别效果。本文的主要内容如下:（1）构建了用于模型训练的字符数据集。针对收集到的工业环境下的字符图像样本数量不足的情况,对数据集进行了适当的数据增强处理,建立的数据集包括ICDAR2003自然场景下的部分数据样本和经过数据增强处理后的工业字符图像。（2）针对卷积神经网络中网络参数对识别效果的影响设计了具体对比实验,探讨了卷积神经网络的网络参数对识别率的影响,如:神经网络的深度,卷积核尺寸的大小及其... 

【文章来源】：深圳大学广东省

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

工业环境下的字符图像

复杂背景下的字符图片

软件ViDi字符识别效果图


本文编号：2968217