基于Lenet-5网络组合特征融合的水表数字识别

作     者：邸亮 涂俊翔 禹杰 DI Liang;TU Junxiang;YU Jie

作者机构：福州大学机械工程及自动化学院福建福州350108 福州大学机电工程实践中心福建福州350108 

基　　金：福州市科技局项目资助(2017-G-71 2018-G-57) 

出 版 物：《机械制造与自动化》 (Machine Building & Automation)

年 卷 期：2020年第49卷第6期

页      码：189-192页

摘      要：为有效识别水表数字区域的半字符和提高数字识别准确率,设计一种基于Lenet-5网络组合特征融合的水表数字识别算法。对水表原始图像进行预处理,获取完整字符和半字符数字组成的数据集;在Tensor Flow深度学习框架下搭建卷积神经网络,选取卷积核为3×3、1×3、3×1的卷积层作为改进网络的卷积层,增加卷积层的层数,并对非对称卷积前后的组合特征进行融合,提高网络对半字符的识别能力;用图像集训练和检测改进网络的识别性能。实验结果表明,迭代次数为10 000、学习率为0.001 5的改进网络模型在测试集上识别准确率达到99.025%,识别准确率高于原Lenet-5网络和一些典型的水表数字识别算法。

主 题 词：半字符 数字识别 Lenet-5网络 组合特征融合 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.19344/j.cnki.issn1671-5276.2020.06.049

馆 藏 号：203101240...