基于GAN-CNN的电子血压计品牌型号识别技术研究

目的:为了解决家用电子血压计自动检定系统因很难获取大量样本数据而导致品牌型号识别准确率不稳定的问题。方法:提出了一种基于生成对抗网络-卷积神经网络(GAN-CNN)的电子血压计品牌型号识别方法。在训练集中加入生成对抗网络(GAN)生成虚拟图像,利用卷积神经网络(CNN)提取特征并进行分类,利用数据增强、归一化等技术来提高模型准确性与稳健性。结果:实验表明,发现GAN-CNN模型采集响应成功并对电子血压计进行分类,而且准确度达到94.7%以上。相对于其他模型具有更高的识别准确度和更好的泛化能力。结论:本文所提出的基于GAN-CNN的电子血压计示数识别技术能够达到较高的准确率和鲁棒性,在智慧计量领域具有较好的应用前景。