基于卷积神经网络模型的仪表智能识别算法

摘要

针对数显游标卡尺字符识别场景,该文提出一种基于卷积神经网络(CNN)检测模型的仪表智能识别系统。首先,从数字式游标卡尺测试现场采集图像样本,并对其分辨率和大小进行归一化;其次建立CNN模型来训练图像样本并提取特征,根据图像特征提取图像样本中的数字显示区域,并提取出游标卡尺中的数字;最后,构建数字式游标卡尺的数据集,并利用浅层神经网络模型对其进行识别。实验测试结果表明,所提出的CNN模型对仪表字符的整体识别率达到95%以上,单个字符识别率为98.86%,远高于其他算法,该模型具有良好的鲁棒性和泛化能力。