文献类型：期刊文章

作　　者：聂宇[1,4] 王智宇[2] 章义来[1,4] 李超[1,4] 彭永康[2,4] 李娟[2] 倪成林[4] 许艳娜[3]

NIE Yu;WANG Zhiyu;ZHANG Yilai;LI Chao;PENG Yongkang;LI Juan;NI Chenglin;XU Yanna(Jiangxi Province Engineering and Technology Research Center of Ceramic Enterprise Informatization,Jingdezhen Ceramic University,Jingdezhen 333403,Jiangxi,China;School of Information Engineering,Jingdezhen Ceramic University,Jingdezhen 333403,Jiangxi,China;Office of Science and Technology,Jingdezhen Ceramic University,Jingdezhen 333403,Jiangxi,China;Guangdong Songfa Ceramics Co.,Ltd.,Chaozhou 515600,Guangdong,China)

机构地区：[1]景德镇陶瓷大学江西省陶瓷企业信息化工程技术研究中心,江西景德镇333403 [2]景德镇陶瓷大学信息工程学院,江西景德镇333403 [3]景德镇陶瓷大学科学技术处,江西景德镇333403 [4]广东松发陶瓷股份有限公司,广东潮州515600

出　　处：《陶瓷学报》

基　　金：潮州市陶瓷产业人才振兴计划(2021YJ03);江西省教育厅科学技术研究项目(GJJ2201032,GJJ2201049,GJJ2204703);景德镇市科技计划项目(20212GYZD009-02,20224GY008-03);景德镇市社会科学规划项目(202233);江西省03专项及5G项目(20232ABC03A29)。

年　　份：2023

卷　　号：44

期　　号：6

起止页码：1247-1255

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：目前,在个性化定制陶瓷产品中,有着众多图像一致但局部文本不同的情况出现(例如:班级聚会合影留念的纪念瓷盘,仅是落款姓名不同),通过传统的图像识别技术难以进行有效识别。提出一种基于CTPN和CRNN两种深度学习模型的陶瓷图像中文本的识别方法,同时辅以传统SIFT算法,实现对无文本或文本识别难度高的图像识别。具体识别流程为,系统通过调用CTPN和CRNN模型,对其中的文本进行识别,并将文本信息与存储在数据库中的文本信息进行匹配并返回最佳结果。如果识别文本效果不佳,则利用SIFT算法提取出图像的特征点,并与库中的图像进行逐一对比,返回相似度较高的结果。通过研究实验测试,对于个性化定制陶瓷产品的图像识别,在性能上提升9倍以上,既解决了个性化定制陶瓷图像识别中识别耗时较长的问题,又解决了对只有局部文字不同的定制图像识别效果较弱的问题。

关 键 词：陶瓷图像识别  深度学习模型  文本识别 多算法融合  

分 类 号：TQ174]