数显仪表数字实时识别系统的设计与实现

为了对数显仪表数字识别系统进行改进和优化设计,提出了一种新的识别和研究方法,并设计了一个七段数码管和液晶屏数显示仪表的实时数字自动识别系统.先对仪表数字图像二值化、去除噪声等预处理算法进行了研究,利用各数字背景四连通区域对象的个数和标识矩阵元素的分布来构造识别特征从而对数字进行分类识别,采用基于模型编程的方法结合系统仿真软件Simulink建立仿真模型.该系统识别率达98.6%以上,实验结果表明了该模型和方法的有效性和实用性.     

数字仪表液晶显示识别设计

随着生产智能化的发展,自动化设备广泛应用于工业控制、交通、生产领域。由于技术的进步以及成本的降低,液晶显示屏逐渐取代数码管,成为自动化仪表的关键显示设备,显示包括温度、湿度、指标、参数等重要数据。为了实现生产和监控的自动化,往往需要对仪表液晶显示屏的值进行识别。由于各类仪表液晶显示数值差别较大,数值识别方法各异,导致识别的成功率较低。本文研究自动化仪表液晶显示识别的技术现状,分析自动化仪表液晶显示识别的原理。研究中,根据自动化仪表液晶显示的特定字符,利用定位数字区域、数字特征提取和神经网络识别算法设计判定识别的方法。经实验仿真能够准确识别仪表的液晶显示区域的数字。     

基于OMAPL138数显仪表字符识别系统的设计与实现

为了能够方便、准确地识别出数显仪表中的数据,设计了一种基于OMAPL138的嵌入式图像处理识别系统.在详细介绍系统硬件平台和各子模块的基础上,重点介绍了针对嵌入式系统所采用的图像处理算法.利用图像处理技术,对获取的原始图像进行预处理、字符定位、字符分割;采用BP神经网络等技术对字符进行识别;为提高嵌入式系统图像处理速度,针对性地优化了图像处理算法.以低温等离子体设备系统中的真空计设备作为具体应用对象进行系统测试,测试结果表明,该系统能够较为准确、快速地识别出数显仪表中的数据.     

仪表表盘数字识别方法的研究

针对无指针式仪表表盘的数字识别问题,提出一种基于特征提取和粗糙集特征约简的神经网络数字识别方法.该方法首先利用数字图像预处理技术处理图像并利用特征提取方法提取数字图像特征,然后利用粗糙集理论进行特征约简,最后将约简后的信息输入到训练好的神经网络进行识别.     

结合空洞卷积和先验阈值的数显仪表识别

数显仪表在工业生产中应用广泛,目前,数显仪表的自动化识别主要基于传统图像处理。针对传统图像处理易受环境影响,处理步骤繁杂,准确率低等问题,论文提出了一种基于深度学习的自动化数显仪表读数方法。首先,使用Pixellink字符检测算法对数显仪表进行粗检测,根据实际图像设置裁剪阈值,使用结合空洞卷积的CRNN架构完成对裁剪切片的识别。训练过程中,借鉴了迁移学习的思想,加载了在RCTW数据集上的预训练模型。相比于基于字符分割的传统识别方法,论文方法省去了复杂的预处理与后处理,实现了端到端的数显仪表识别。以变电站数显仪表为例,所提方法达到了99.3%的准确性,具有一定的鲁棒性与实用性。     

基于LPC900实现PLC系统的通用数显仪表

PLC是广泛使用的工业控制设备,但由于没有配套的数显仪表而无法设置或显示参数。本文基于LPC900系列单片机提出了PLC通用数显仪表的实现方案,给出了完整的硬件线路和软件设计思路。该数显仪表可以直接和晶体管输出型的各类PLC连接,实现PLC系统的数据显示功能。     

基于LPC900实现PLC系统的通用数显仪表

PLC是广泛使用的工业控制设备，但由于没有配套的数显仪表而无法设置或显示参数。本文基于LPCg00系列单片机提出了PLC通用数显仪表的实现方案，给出了完整的硬件线路和软件设计思路。该数显仪表可以直接和晶体管输出型的各类PLC连接．实现PLC系统的数据显示功能。     

基于Web Services的数字仪表监视系统设计

首先简单介绍了一下Web Services技术基础,在此基础上给出了一个基于Web Services的数字仪表监视系统总体结构框架,并且结合Web Services技术分别对各部分进行了描述,最后对该系统的实现情况作了简单的介绍。     

一种数字仪表显示值快速识别方法

提出了一种数字仪表显示值的快速识别方法。该方法首先由计算机自动定位分割图像中的数字区域并实现单个数字的切分,然后对每个数字图像提取了一组具有较高区分度且计算简单的典型特征,最后,基于模糊识别的最大隶属原则,构造了一种数字识别器,实现了仪表显示值的实时识别。试验表明:该方法的识别率高达99%,对7位数字的识别时间不超过20毫秒,并且具有较强的抗干扰能力,达到了仪表显示值识别的速度和准确率要求。     

基于Matlab的语音识别系统研究

设计了一个基于Matlab软件的语音识别系统,其主要功能有语音信号的录制、播放、预处理、分段滤波、特征提取以及识别语音。通过实验验证了本系统能够达到识别简单语音的要求,但仍有需改进的地方,如：能否在复杂环境下识别比较复杂的语音。     

基于BP神经网络的水果识别系统

近些年,计算机视觉发展迅速,在水果识别方向进行了广泛的应用和研究.本文设计基于BP神经网络的水果识别系统,选取生活中常见的三种水果:苹果、橘子、香蕉作为对象.首先,通过网络资源等搜集水果图像建立样本库;然后通过MATLAB对图像进行预处理,为后续的特征提取做好准备.水果特征的提取选择纹理、形状、颜色三种特征进行提取;同...     

基于组合特征的Bp神经网络数字识别方法

提出一种组合特征作为Bp神经网络输入层向量实现数字字符识别算法.该算法首先引入了数字字符结构特征中图段特征,并结合数字字符的行列统计特征组合成为新的特征向量;然后根据新的组合特征向量设计Bp神经网络分类器;最后对已有的数字图像样本空间中的训练样本库按照Bp神经网络分类器训练方法进行训练,并对测试样本库中的样本进行识别.根据测试实验,数字字符的识别准确率可达到94%以上.     

基于BP人工神经网络的手写体数字识别

手写体数字识别是模式识别研究领域多年来的热点,BP人工神经网络是目前应用最广泛的神经网络模型之一。将两者融合并结合Matlab软件,提出了一种简单的基于BP神经网络数字识别的方法,仿真实验结果表明,该方法识别效果良好,准确率高,有一定实用性。     

基于BP神经网络的手写数字识别的算法

由于BP神经网络具有并行处理信息、自组织、自学习信息等优点,本文采用了BP神经网络对手写数字识别进行运算,提取笔画密度、长宽比和欧拉数等特征作为训练样本.并用Matlab对其算法进行仿真,并且很准确的识别出来,说明其有非常广泛的前景.     

基于人工神经网络的数字识别系统的研究

在社会生活各领域中,存在着含有大量数字信息的文件,实现计算机对数字的自动识别已经成为当今社会的一种需求。基于此,文中提出了一种神经网络的方法来实现数字识别。经实验结果表明,该系统取得了较好的识别精度。     

基于前后端交互的人脸识别系统

针对现有的人脸识别系统计算效率低和鲁棒性较差等问题,本文提出了一种基于前后端交互的人脸识别系统,系统包含客户端、数据库以及服务端.首先,在客户端提出了基于GrabCut的人脸兴趣区域(ROI)提取算法.其次,将提取到的ROI传输到服务端,并在服务端使用ResNet网络根据ROI提取人脸特征点.最后,将服务端中提取到的人脸特征点返回给客户端,在客户端将该信息与数据库中预存的特征点进行欧式距离匹配,得到人脸识别结果.实验在CeleA数据集与随机视频上进行测试,结果表明提出的ROI提取算法明显提升了人脸识别的精度和鲁棒性,并且系统的前后端交互结构相较于传统的非交互结构极大地提升了人脸识别的计算效率.     

基于Matlab神经网络的图像识别

神经网络是信息科学、脑科学、神经心理学等诸多学科近年来共同关注的研究热点.由于神经网络具有良好的抽象分类特性,使其成为解决图像识别相关问题的有效工具.在简述图像识别过程的基础上重点讨论利用BP神经网络对图像进行识别,用Matlab完成对神经网络的训练和测试,获得满意的结果.     

基于组合特征和PSO-BP算法的数字识别

提出了一种新的基于组合特征和PSO-BP(particle swarm optimization-backpropagation)算法的数字识别方法,将网格特征、投影特征和欧拉数表示的结构特征按照不同的特征权重系数构成数字图像的组合特征向量,利用PSO-BP神经网络进行识别,充分发挥了粒子群算法的全局寻优能力和BP算法的局部搜索优势.实验表明,该方法识别率高、网络收敛速度快、精度高.     

基于主分量分析法的脱机手写数字识别

针对手写数字识别研究中统计特征和结构特征融合困难的问题，利用主分量分析法提取数字字符结构特征的统计信息，重建数字模型，并估计重构偏差，同时提取数字的高宽比特征和欧拉特征，通过组合与3种特征相对应的贝叶斯分类器的分类结果实现数字识别。使用该方法对样本库中的样本进行测试，正确识别率为90.73%。