基于全局优化与深度学习的条形码识别方法

提出了一种在深度神经网络的基础上结合全局优化方法的条形码识别算法,利用卷积循环网络提取出条码中各字元的特征并进行分类,较传统方法具有更强的适应性与泛化能力,再进一步结合全局优化的方法,以达到充分利用条码结构性先验信息的目的,能显著提升方法的效果,尤其是将全局优化方法引入到神经网络中进行端到端学习,不仅保持了两者的优势同时还进一步提高了识别精度.实验结果证明了所提方法的有效性,达到约99.48％的识别精度,超越了传统的图像处理方法.     

基于机器视觉的热轧型钢精整区物料跟踪

针对热轧型钢精整区物料跟踪难的问题,提出了一种基于机器视觉的热轧型钢喷码识别物料跟踪方法.通过在矫直机后增加喷码机为型钢打印"身份证",并增加工业相机和光源采样,再通过深度学习文字识别算法实现精整区型钢物料跟踪,最后采用知识蒸馏方法进行模型压缩以满足工业部署要求.应用结果表明,所提方法能够实现型钢生产过程中精整区的物料跟踪,算法具有良好的鲁棒性.     

集装箱箱号字符识别关键技术的研究

文中主要以集装箱箱号识别为研究对象,在对现有的集装箱照片进行预处理以及定位的基础上,实现箱号的准确识别。主要论述影响字符识别各种关键因素,并且在传统模板匹配的基础上,提出全新的加权模板匹配法和字符结构相结合的识别方法。该方法并不是将36个字符用统一的模板进行匹配识别,而是根据字符结构进行分类,每类都会予以不同的权值分配模板。字符结构是一种二级识别,两种方法相结合很好地实现了对断裂、粘连以及倾斜字符的识别。最后通过理论分析和实验证明了该方法的有效性,并给出了需要进一步研究的问题。     

基于Opencv和Tesseract的行驶证识别系统设计

为了解决行驶证识别困难、识别率低的问题,设计了一套基于OpenCV和Tesseract的行驶证检测和识别系统。首先,利用OpenCV中的高光抑制、图像增强和分块最大类间差法对行驶证进行图像预处理;然后,对图像采用透视变换并将行驶证内芯裁剪下来,经过局部高斯阈值分割,得到清晰的文字;最后,采用Tesseract训练样本并结合单字识别模式,降低了噪点和中英文混合的干扰。测试结果表明,该方法结合优化策略的长短时记忆网络(LSTM)的识别正确率能达到94.1%。     

基于机器视觉的运煤车车号识别技术研究

在铁路运煤装车过程中为了快速、准确地识别车号,提出一种基于机器视觉的运煤车车号识别技术。将连通区域提取与投影分割法结合,实现车号的粗定位、细分割,并对图像中的断裂字符进行二次分割,构建了基于BP神经网络的分类模型进行车号识别,提升了煤炭装车的效率和精度。     

基于二次网格的字符图像特征提取方法

为了提高字符识别率,克服传统字符特征提取方法复杂、计算量大等问题。文中提出了一种基于二次网格化的字符特征提取方法。将字符二值图像划分为4个网格,提取出字符轮廓的曲率特征;并将字符图像划分为32个网格,依次提取出各自网格的占空比、质心、散度3组特征。该方法兼具结构特征与统计特征的优点,对笔画结构相近的字符较易于区分,该方法抗干扰能力强,且足够稳定。通过对1 500张字符二值图像进行实验,其结果表明,该方法对字母与数字的识别准确率达到了97%以上,相较于其他特征提取方法有大幅提高。     

面向终端用户的多维智能煤机信息系统运维体系研究

随着煤机企业信息化的不断发展和延伸,各类信息系统的稳定运行将决定全球能源互联网的发展速度。针对信息系统的运维工作,提出以终端用户为核心,应用多种信息化技术和手段,实现多维度的智能化信息系统运维体系,能够确保终端用户及时反馈处理问题。