文献类型：期刊文章

作　　者：邸亮[1] 涂俊翔[1] 禹杰[2]

DI Liang;TU Junxiang;YU Jie(Faculty of Mechanical Engineering and Automation,Fuzhou University,Fuzhou 350108,China;Mechanical and Electrical Engineering Practice Center,Fuzhou University,Fuzhou 350108,China)

机构地区：[1]福州大学机械工程及自动化学院,福建福州350108 [2]福州大学机电工程实践中心,福建福州350108

出　　处：《机械制造与自动化》

基　　金：福州市科技局项目资助(2017-G-71,2018-G-57)。

年　　份：2020

卷　　号：49

期　　号：6

起止页码：189-192

语　　种：中文

收录情况：ZGKJHX、普通刊

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。

关 键 词：半字符  数字识别  Lenet-5网络  组合特征融合  

分 类 号：TP391.4]