典型文献
基于语义分割和卷积神经网络的数显表识别算法研究
文献摘要：
针对传统数显表读数识别算法适用性差、抗噪能力弱等问题,提出了一种适用于小数据集的基于语义分割和卷积神经网络(CNN)的数显表读数识别算法.该算法通过融合残差网络的U-net实现数字区域定位,利用卷积神经网络实现数字识别.采用mnist数据集预训练模型,使用真实表盘数字图片进行微调,建立适用于多种类、有背景噪声条件下的数显表识别模型.利用家用水表图片构建的测试数据集对算法进行验证.实验结果表明,数字区域定位分割结果的平均IoU为99.76％,160张水表读数识别准确率为100％,单张图片识别用时350.59 ms,满足工程应用需求.
文献关键词：
语义分割;数字识别;卷积神经网络;残差网络
中图分类号：
作者姓名：
陈霄;王黎明;张法业;张艺蓝;姜明顺;张雷
作者机构：
国网江苏省电力有限公司,江苏南京210024;江苏方天电力技术有限公司,江苏南京211100;山东大学控制科学与工程学院,山东济南250061
文献出处：
引用格式：
[1]陈霄;王黎明;张法业;张艺蓝;姜明顺;张雷-.基于语义分割和卷积神经网络的数显表识别算法研究)[J].电子设计工程,2022(21):140-145
A类：
水表读数识别
B类：
语义分割,数显表,表识,识别算法,算法研究,小数据,融合残差,残差网络,net,数字区域,区域定位,数字识别,mnist,预训练模型,表盘,微调,背景噪声,噪声条件,识别模型,用家,家用,测试数据,IoU,识别准确率,单张,图片识别,ms,应用需求
AB值：
0.343569
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
