柱面压印字符识别算法研究和实现

针对柱面压印字符与背景区域同色、且字符位于曲面上、成像质量差的情况,采用一种局部灰度区间最大化的缩放变换方法来凸显字符区域。提出一种先筛选字符区域后进行形态学优化的字符分割方法,能达到优化字符轮廓的效果;并且克服了传统方法直接用形态学优化造成的干扰区域粘连字符的弊病。最后创建训练文件对BP神经网络进行训练,对识别结果进行显示。实验结果表明:柱面压印字符识别算法高效稳定,字符识别正确率高,能够满足工业实际需求。

基于改进LeNet-5的压印字符识别

针对传统的图像识别算法在压印字符识别领域存在识别精度低、速度较慢的问题,提出了一种基于LeNet-5压印字符识别方法。与传统的LeNet-5不同,在文中网络各卷积层中采用小尺寸卷积核,以提取更多的特征并加快模型的训练速度;使用InceptionV2卷积模块取代C5全连接层,可加深网络宽度,从而提高网络的识别精度;放弃全连接层F6,改用全局平均池化层,并且选用性能优越的Relu函数作为激活函数,以便减少训练参数,提高网络的训练速度。通过实验发现,文中模型的识别精度达到98.57%,与传统LeNet-5模型以及BP神经网络相比识别精度分别提高3%和4%,证明文中模型在压印字符的识别上拥有更大的优势。