基于机器视觉技术的生态翻译机器错误文本检测方法设计

英语语法错误、单词拼写错误和错检漏检等，是现有生态翻译机器在英语翻译中存在的主要问题。为了对错误文本进行更准确高效的检测，此次研究设计了一种基于机器视觉技术的自动化文本检测系统。研究对图像滤波处理方式进行优化，并结合MSERs算法，实现了生态翻译机器错误文本的自动检测。在手写类文本检测实验结果中，研究设计系统检测的正确率为92.56%,误判率为8.29%,而传统系统检测的正确率为79.23%,误报率为18.45%。相较于传统系统，研究设计系统有明显的改善，具有更高的正确率和更低的误报率。此次研究提供了一种新的生态翻译机器错误文本的检测思路，具有较好的实际应用价值和意义。     

基于语音感知的英语口语发音自动校准系统

为提升英语口语发音质量，设计基于语音感知的英语口语发音自动校准系统。通过语音感知传感器与英语口语发音处理器设计系统硬件，采集英语口语发音数字信号，并以此为基础，对信号进行预加重、分帧加窗处理，获取信号特征MFCC系数，将MFCC系数作为训练数据集，构建发音检错模型，以检测到的错误发音为依据，对英语口语发音自动校准。实验结果表明系统英语口语发音检错正确率与校准发音质量评分更高，具备更加优质的性能。