手绘电路图形符号识别技术的研究

特征提取和分类器设计是手绘电路图形符号识别系统的关键环节。针对手绘图形不规则性的特点,提出了一种基于视觉的特征提取方法,并利用自适应学习速率的改进型BP神经网络进行分类识别。通过对10种手绘电路图形符号的分类实验,验证了文中设计的识别系统具有很好的分类效果和较强的实用性。

基于BP神经网络的手绘电路图形符号识别技术

首先介绍了手绘电路图形符号扫描输入和图像信息去噪压缩处理方法,并离散化成标准的二维矩阵形式。然后引入一个三层前馈型BP神经网络,采用Delta迭代训练算法,学习图像矩阵输入与元件符号输出之间的映射关系,并着重阐述了神经网络学习的过拟合问题。最后通过MATLAB编程仿真和交叉验证表明,提出的BP神经网络结构及其训练算法合理、有效和实用。

电气原理草图语义理解系统开发

针对目前市面上现有的手绘草图识别系统对用户的手绘习惯仍有较大限制的现状,提出了一种基于图元以及图元数量的单个电气元件的识别方法;系统使用MATLAB做为软件开发平台;首先通过在线采集的方式来获取手绘图每个笔画的始终点坐标以及每个笔画上所有的采样点的坐标,然后通过简单的平滑处理以及去重处理来降低因输入时的抖动噪音等因素对识别结果造成的影响;其次针对识别对象的结构特征相对稳定的特点,并且考虑到图库中所有的电气元件也都是由相同的几个基本图元组成的,实现了基于图元以及图元数量的单个电气元件的识别方法;实验结果表明,系统能够有效地减少用户在手动绘制时的限制,降低了因用户手绘习惯而造成的识别出错率;并且能够实现较高准确率的识别效果。

从采访对象到特约通讯员

这事大概发生在1982年左右,当时,我还是一个初中生。春节期间,我的小弟和一群伙伴们在屋后的箬叶丛中捡到一叠材料和几本厚厚的书,正当他们将瓜分好的战利品用来折纸片时,被我发现。我对这些来历不明的材料逐一浏览后,感到有责任保护好它们。因为这是一位科技工作者遗失的资料,里面有几本《科技日语速成》之类的教材,有电视机手绘电路图,最关键的是还有一叠平反落实政策用的证明材料,都加盖了很多单位的印章。根据这些证明材料。