基于双卷积神经网络的铁路集装箱号OCR

发布时间：2022-12-18 19:16

　　针对尚缺乏识别准确率高的铁路集装箱箱号OCR系统这一现实,设计了一套识别准确率能够达到98%以上的铁路集装箱箱号OCR系统。该系统对采集到的图像进行字符的自动分割,在训练CNN时针对目前数据集多样性不足、样本较少的情况,采用了数据增强的方法扩充数据集,并且基于LeNet-5进行了网络结构搜索,训练了分别用于数字和字母识别的卷积神经网络Digit Net和Letter Net,其在测试集上的识别准确率分别能够达到99.7%和99.2%。 

【文章页数】：4 页

【文章目录】：
0 引言
1 OCR系统总体流程
2 字符提取
    2.1 箱号标准
    2.2 图像预处理
    2.3 投影法分割字符
3 CNN的训练与优化
    3.1 数据集的构建
    3.2 数据增强
    3.3 LeNet-5
    3.4 双卷积神经网络
    3.5 基于LeNet-5的网络结构搜索
4 结束语


【参考文献】：
期刊论文
[1]基于计算机视觉的集装箱箱号识别[J]. 黄深广,翁茂楠,史俞,刘清.  港口装卸. 2018(01)

硕士论文
[1]铁路集装箱号码与车型智能识别系统研究[D]. 刘璇.西南交通大学 2018
[2]集装箱箱号识别技术的研究与实现[D]. 陈永煌.华中科技大学 2013



本文编号：3722613