典型文献
基于卷积神经网络模型的仪表智能识别算法
文献摘要：
针对数显游标卡尺字符识别场景,该文提出一种基于卷积神经网络(CNN)检测模型的仪表智能识别系统.首先,从数字式游标卡尺测试现场采集图像样本,并对其分辨率和大小进行归一化;其次建立CNN模型来训练图像样本并提取特征,根据图像特征提取图像样本中的数字显示区域,并提取出游标卡尺中的数字;最后,构建数字式游标卡尺的数据集,并利用浅层神经网络模型对其进行识别.实验测试结果表明,所提出的CNN模型对仪表字符的整体识别率达到95％以上,单个字符识别率为98.86％,远高于其他算法,该模型具有良好的鲁棒性和泛化能力.
文献关键词：
目标检测;模式识别;卷积神经网络;数字式仪表;特征提取
中图分类号：
作者姓名：
石玮玮;孙辉;李晓峰;程远方;王涛
作者机构：
国营洛阳丹城无线电厂,河南 洛阳 471000
文献出处：
引用格式：
[1]石玮玮;孙辉;李晓峰;程远方;王涛-.基于卷积神经网络模型的仪表智能识别算法)[J].科技创新与应用,2022(32):20-23
A类：
B类：
卷积神经网络模型,仪表智能识别,识别算法,游标卡尺,字符识别,检测模型,智能识别系统,现场采集,采集图像,像样,训练图像,提取特征,图像特征提取,数字显示,出游,浅层神经网络,实验测试,表字,识别率,个字符,泛化能力,目标检测,模式识别,数字式仪表
AB值：
0.322083
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
