基于改进CNN的铝轮毂背腔字符识别

铝轮毂背腔字符分辨率较低、背景噪声较大,对其进行识别时不易提取几何特征和纹理特征。为此,提出一种基于改进卷积神经网络(CNN)的字符识别方法。在原始CNN的基础上引入改进的inception结构对网络构架进行优化,以提升计算资源的利用率,并在保持网络计算资源不变的前提下增加网络的宽度和深度,降低字符识别时间。实验结果表明,该方法训练准确率达99%以上,识别准确率达98.5%,识别效果优于支持向量机、BP神经网络等方法。

铝轮毂背腔字符的多模板匹配分割

从实际工业生产的角度出发,针对铝轮毂背腔字符难以采集,字符背景噪声较大,字符较小等问题,本文提出了一种基于多模板匹配的快速字符提取方法,解决了铝轮毂背腔字符提取困难的问题。首先,采集铸造模板中的标准字符建立模板库;其次,在原有的模板匹配方法的基础上加以改进,既保留了模板匹配快速查找目标的优点又引入多个不同的模板,使其能够同时查找多个目标;然后,对局部区域进行精匹配并且对每个模板做优势评估,以此来进一步优化改进后的字符提取方法;最后,将本文提出的方法与感知哈希方法进行比对,实验证明:本文方法优于感知哈希算法,能够取得很好的字符提取效果。