基于深度学习的车牌相似字符识别

针对车牌相似字符难以识别的问题,提出了基于深度学习的特征提取和识别方法。该方法首先对字符图像进行归一化处理;然后以归一化后的图像为输入,构建5层深度网络对相似字符由低层到高层的特征表达。在激励函数定义上采用对字符边缘特征敏感的卷积函数,从而能够对相似字符的局部差异进行分析。在实验部分与支持向量机(SVM)算法的分类效果进行比较,结果表明所提算法的识别率提高了5%。

基于神经网络的突跳式温控器产品编码识别方法

针对突跳式温控器产品编码金属表面反光、凹凸不平以及采用钢印字符导致产品编码识别率下降等问题,提出将字符图像的灰度特征、字符分块占空比以及字符8个特征点之间线段总长度作为神经网络输入的编码识别方法。首先对图像中产品编码区域进行提取、滤波去噪、二值化和字符分割等处理工作;再把分割后的字符归一化为16×16维的图像;最后通过MATLAB编程仿真和工业现场实验得出的结果表明,该方法实现了对温控器编码字符的准确识别,提高了温控器编码相似字符的识别率。