字符識別作為機器視覺領域的一項前沿研究方向,經(jīng)過近些年的發(fā)展與研究,已經(jīng)廣泛應用于現(xiàn)實生活中的多個方面,尤其是在工業(yè)生產(chǎn)方面,字符識別技術在推動工業(yè)生產(chǎn)智能化方面正扮演著越來越重要的角色。由于工業(yè)生產(chǎn)環(huán)境復雜,比如產(chǎn)生運動模糊、位置變化,甚至出現(xiàn)遮擋物、光照條件變化、物理損傷、裂紋等一系列不確定性干擾因素,傳統(tǒng)字符識別方法很難保證識別的準確性與高效性,嚴重制約了我國工業(yè)智能生產(chǎn)的發(fā)展進程。隨著深度學習算法的不斷發(fā)展,基于卷積神經(jīng)網(wǎng)絡的字符識別在機器視覺方面的收到了越來越多的關注。本文以卷積神經(jīng)網(wǎng)絡為基礎構建了用于工業(yè)字符識別的集成網(wǎng)絡模型結構,在字符識別尤其是工業(yè)環(huán)境下的字符識別下取得了良好的識別效果。本文的主要內容如下:（1）構建了用于模型訓練的字符數(shù)據(jù)集。針對收集到的工業(yè)環(huán)境下的字符圖像樣本數(shù)量不足的情況,對數(shù)據(jù)集進行了適當?shù)臄?shù)據(jù)增強處理,建立的數(shù)據(jù)集包括ICDAR2003自然場景下的部分數(shù)據(jù)樣本和經(jīng)過數(shù)據(jù)增強處理后的工業(yè)字符圖像。（2）針對卷積神經(jīng)網(wǎng)絡中網(wǎng)絡參數(shù)對識別效果的影響設計了具體對比實驗,探討了卷積神經(jīng)網(wǎng)絡的網(wǎng)絡參數(shù)對識別率的影響,如:神經(jīng)網(wǎng)絡的深度,卷積核尺寸的大小及其... 

【文章來源】：深圳大學廣東省

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

工業(yè)環(huán)境下的字符圖像

復雜背景下的字符圖片

軟件ViDi字符識別效果圖


本文編號：2968217