基于高阶卷积神经网络的工图零件字符识别与检测

发布时间：2018-11-18 15:17

【摘要】：随着计算机科学技术的迅速发展,其在工业工程领域中的应用也越发广泛。在实际工程设计中,工程图纸作为重要一环,是工作人员进行施工的信息依据,而将图纸中的关键信息录入到计算机中也是一项较为常见的工作内容。但由于工程图纸通常数量多,内容复杂,传统人为识别并录入的方法工作效率较低,且出错率较高。所以,工图字符识别技术作为一项基于图像处理、模式识别和人工智能等多学科的综合应用,在工程领域中有着重要意义。光学字符识别(Optical Character Recognition,OCR)作为图像处理的重要方向从被提出到现在已经约有90年的历史,在这期间人们对于它的研究兴趣逐渐上升。光学字符识别通常由字符定位和字符识别两大部分组成,在字符定位方面虽已趋于成熟,但随着图像的分辨率以及复杂度的提升,对于算法的效率及空间要求逐渐提高,多数算法虽能达到较高的精确度,但在情况复杂特殊的工图中要求算法具有较强的鲁棒性,传统的算法无法在工图图纸中达到精确的定位,且许多算法在分辨率高达十亿级以上的时候显得效率较低。而在字符识别方面,该研究方向大致分为字符形状结构方法和基于统计的方法两类,卷积神经网络相比传统的特征提取统计算法,可以自动提取出字符的特征,而不需要显性的再次改造及加入二次处理特征提取算法,这样就减少了很多主观的选取误差,体现了卷积神经网络提取出特征的强鲁棒性,因而卷积神经网络在图像处理机器视觉方向得到了广泛的应用。所以将卷积神经网络加入其中具有可行性。本文首先在字符定位方面,针对英文字母以及数字结构的无规律性及不饱和性,并参照传统的较为成熟的几种定位算法,选取了相对稳定且精确度高的连通域算法作为本文定位算法的基础。针对复杂度较高的工图提出了改进的区域生长阈值连通域算法,与基于区域生长以及基于轮廓跟踪的连通域算法相比在工图字符定位方面效率有了明显的提高,应用范围更广。针对工程图纸的绘图特征,本文加入了针对性的直线检测、阈值判定及尺寸比例判定等算法,加强了实验效果。在卷积神经网络的识别方面,国外近些年来较多的利用卷积神经网络在特定的情境下进行图像识别方面的应用,但国内的研究尚未成熟。随着卷积神经网络种类以及复杂度的提升,目前针对不同的目标图像特征来选取恰当的卷积神经网络,从而改进神经网络结构,择优选取合适的激励函数来提升学习效率成为一个重要的研究难题。Le Net-5是一个较早提出的相对成熟稳定的卷积神经网络模型,该网络最初应用于银行手写数字识别中,随后应用于其它方面的特征识别,而本文所面对字母以及数字的识别类别远大于原卷积神经网络所处理的10个数字,算法的时间复杂度较之前的目标学习有了较大的改进,所以本文针对原卷积神经网络的结构层数、输出以及激励函数、池化算法等都进行了改进。通过实验我们可以看到算法的执行时间大幅减少,并且在工图特定环境中识别的精度也有显著提高。本文在自采集的实验工图中进行实验,为确保实验图的有效性,本文采集了30000幅标准工图,尺寸分辨率在3000×5000到10000×20000的范围内,为增添实验的复杂性,本文又在实验中加入1000幅手绘工图。实验证明,本文在字符定位方面准确率到达97.8%,说明提出的改进连通域算法有效,同样在字符识别方面,识别率高达99.4%,运行时间对比之前的Le Net-5算法节约20%,证明本文针对复杂工图上的字符识别有较大的改进。
[Abstract]:......
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41;TP183

【相似文献】

相关期刊论文 前10条

1 杨晓帅 ,付玫;神经网络技术让管理更轻松[J];软件世界;2000年11期

2 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

3 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

4 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

5 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

6 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

7 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

8 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

9 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

10 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

相关会议论文 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

相关重要报纸文章 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

相关博士学位论文 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

相关硕士学位论文 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：2340402