摘要：随着云计算、大数据和物联网等技术的持续进步,普通高中信息技术课程已逐渐演变成一门以培养学生信息意识、计算思维和信息社会责任感为核心的必修课程。该课程具备时间性、实践性和应用性等特点。从教学设计的视角来看,问题化学习更注重引导学生分析和解决在学习过程中遇到的问题,进而实现知识的获取与创新。在此基础上,学生通过系统地学习教学内容,能够促使知识与教学方法之间建立有效的关联。教师应基于“备、教、学、评一致性”的原则,在教学过程中以问题为媒介,从课程标准出发,明确学习目标,并以问题化学习为导向,对教学内容和教学流程进行优化,从而构建一个与教学目标紧密相连的问题化学习系统。

摘要：基于积分图运算的阈值分割将图像二值化,使用仿射变换完成文本字段图像的方向校正,从而实现文本行的定位.在原始卷积循环神经网络(CRNN)的基础上,将骨干网络替换成MobileNet-V3结构,在2层LSTM之间加入注意力机制,同时引入中心损失函数.利用改进的CRNN实现文本行字符的识别.将改进后的CRNN在40510张芯片文本行图像上进行测试.通过小样本数据集进行模型微调训练得到多个子模型,从而实现集成推理,使用3个模型的综合识别准确率稳定在99.97%左右,单张芯片图像的总识别时间小于60 ms.实验结果表明,改进的CRNN算法的准确率比原始CRNN提升了大约27.48%,多模型集成推理的方法可以实现更高的准确率.

摘要：在研制万能工具显微镜(UTM)自动读数系统的过程中,针对UTM目镜视场数字字符的图像特点,提出了一种数字字符识别预处理算法。算法利用Roberts边缘检测算子对图像进行二值化处理,设计了数学形态学算子进行除噪运算,使用了一种改进的投影算法进行字符分割。结合模板匹配算法的识别实验得到的识别率为98.9%。

摘要：工件表面的压印字符存在凹凸不平、锈蚀、风化等问题,导致传统的字符识别算法难以取得满意的效果。针对这一问题,将工件表面压印字符的识别视为一类特殊的目标检测问题,并针对其特性设计了一种两阶段识别网络:定位-分类网络。定位网络使用无锚框的方法提取字符感兴趣区域,有效解决了字符区域提取困难的问题。分类网络采用特征解耦的卷积模块和结构重参数化技术,能够在不增加额外参数的情况下提升分类的准确率。此外,分类网络采用跨域迁移学习的训练策略,能够有效解决实际应用中的小样本和类别不平衡问题。在自建螺栓数据集和SynthText数据集上的实验结果表明,该算法的整体精度能够达到98%和92%,优于对比算法。

摘要：Vapnik等学者首先提出了实现统计学习理论中结构风险最小化原则的实用算法——支持向量机,成功地解决了模式分类问题。支持向量机是目前车牌识别领域常用的算法之一,但由于实际获取的车牌图像往往存在大量的噪声干扰,大大影响了识别率。因此着眼于研究支持向量机对含噪声图片的识别效果,以字符识别为例进行分析,并与BP神经网络算法作对比,实验证明支持向量机具有较好的抑制噪声能力。

摘要：针对大尺寸结构振动和模态测量要求,提出一种基于字符编码标志的双目摄影目标追踪振动测量方法。设计了一种由字符和圆形组成的编码标志,采用自适应维纳滤波进行图像去噪,自适应局部阈值法提取字符特征,基于BP神经网络训练进行字符识别,实现目标的追踪匹配;进行标志区域灰度平滑,采用灰度质心法获取标志中心坐标;基于双目摄影振动测量方法计算测点的时域振动响应。以某3kW风力机叶片为对象进行实验研究,结果与锤击法的前3阶频率相对误差均小于0.9%,表明该方法可靠可行。

摘要：特征选择问题是机器学习和模式识别中的一个重要问题，其本质上是一个多因素的优化问题，该文将试验设计与多因素优化问题联系起来，利用正交试验设计的统计行性，从行征集中筛选有效鉴别特征子集。在南京理工大学NUST603HW手写汉字库以及Concordia大学的CENPRMI手写体阿拉伯数字数据库上的试验结果表明，所提出的特征选择方法不仅提高了识别率，而且识别结果十分稳定。

摘要：工厂生产线上的商品包装外箱文本印刷存在残缺,无法及时检出会影响流通销售。制作工业商品外观信息数据集,提出基于深度学习的工业视觉箱体字符识别与匹配判断方法。合并YOLOv3中的卷积层和批量归一化层,引入GIoU作为边界框损失函数并设计自适应调整定位坐标的方法,优化在原始图像上进行文本检测定位的速度与精度。同时,训练并对比CRNN和Tesseract两种识别引擎在已裁剪文本图片上的识别性能,设计字符匹配方法判断字符识别正确与否并输出结果,从而减少误判。对基于该方法的系统进行生产线实测,实验结果表明,其识别准确率可达99.5%,单件商品的外观拍照、检测识别、输出结果耗时仅3 s左右,表明所提方法能够实现实时监测。

摘要：本文总结了生物视觉神经系统从视网膜到初级树皮层的信息处理特点，并指出其与小波交换概念相似处。在此基础上设计了人工神经网络字符识别器，用于数码识别．仿真结果初步显示该模型具有较好的推广能力和分类能力．采用广义能量函数法进一步改善了模型性能。

摘要：在分析了语音识别的一维马尔可夫模型（１Ｄ－ＨＭＭ）方法的基础上，采用二维马尔可夫模型（２Ｄ－ＨＭＭ）方法识别工程图纸中的各类印刷体汉字、较规范的手写仿宋体汉字、英文及阿拉伯数字，适用于多字体、倾斜字符识别等情形，抗噪声能力强，取得了较高的识别率．