基于神经网络模型的扫描电镜图像字符识别方法

摘要

为了提取某半导体生产线中扫描电镜图中的字符信息,提出了一种基于BP神经网络模型的图像字符识别方法.首先,基于数字图像处理方法对扫电图片进行预处理,得到图片内最可能为字符的子区域;然后,根据带有标注的历史字符集,基于BP算法训练出字符识别神经网络模型;最后,基于该模型识别生产线中的扫电图片,得到正确的字符信息.提出的方法与传统的基于模板匹配法的OCR方法相比,识别准确率高,对于模糊扫电图片的识别准确率超过传统方法的50％.经过生产线的线下运行验证,验证了该方法的可行性,提高了生产线的智能制造水平.