基于改进LeNet-5网络的数字电表识别

目前在水下等特殊应用场景的电表识别研究中,虽然Le Net-5网络表现良好,但仍存在泛化能力不足、鲁棒性较差等问题。为此,文章基于改进Le Net-5网络的数字电表识别方法,通过增加激活离群值去除,利用dropout算法和ReLU激活函数增强神经网络泛化能力与鲁棒性。实验结果表明:改进的LeNet-5网络模型在学习速率为0.1%和迭代次数为600次时,网络精度达到99.42%。该方法具有较强的运算能力和较高的网络识别精度,可满足水下数字电表识别需求。