[发明专利]一种基于卷积神经网络的带小数点数字仪表自动识别方法

摘要

本发明公开了一种基于卷积神经网络的带小数点数字仪表自动识别方法，包括如下步骤：将采集的数字仪表LED图片样本分割成独立的LED字符图片，LED字符图片经过预处理后送入网络模型进行训练；将待识别图片输入训练好的网络模型进行识别。其中，网络模型由LED字符卷积神经网络模型和小数点卷积神经网络模型构成，LED字符图片的预处理过程包括LED数字样本图像预处理步骤和小数点样本图片预处理步骤。本发明将包含小数点的LED字符图片缩放后进行区域切分后送入网络模型中训练，即把回归定位问题转换为分类问题。因为小数点和LED字符识别是两个不同的网络，所以模型识别结果不会互相干扰，在网络调试方面更加灵活。

主权项

1.一种基于卷积神经网络的带小数点数字仪表自动识别方法，其特征在于，包括如下步骤：将采集的数字仪表LED图片样本分割成独立的LED字符图片，所述LED字符图片经过预处理后送入网络模型进行训练；将待识别图片输入训练好的网络模型进行识别；其中，所述网络模型由LED字符卷积神经网络模型和小数点卷积神经网络模型构成，所述LED字符图片的预处理过程包括LED数字样本图像预处理步骤和小数点样本图片预处理步骤，具体的：所述LED数字样本图像预处理步骤包括：A1：对LED字符图片进行标签标定；A2：对带标签的LED字符图片进行数据增广；A3：将所有LED字符图片大小统一；A4：对所有LED字符图片进行灰度化，只保留亮度信息；A5：将所有灰度化后的LED字符图片进行数据打包封装，分成训练和测试两个数据包以供所述LED字符卷积神经网络模型训练测试；所述小数点样本图片预处理步骤包括：B1：对LED字符图片进行标签标定；B2：对带标签的LED字符图片进行数据增广；B3：将所有LED字符图片大小统一；B4：将字符图片进行3*3切分，在前8个区域内随机选取两个子区域，标签设为0，如果该LED图片含有小数点，则右下角的第9区域标签为1；B5：将所有切分的小数点样本图片进行灰度化，只保留亮度信息；B6：将所有的小数点样本图片进行封装打包，分成训练和测试两个数据包供所述小数点卷积神经网络模型训练测试；利用训练好的网络模型进行图片识别时：对待识别图像进行预处理后先输入所述LED字符卷积神经网络模型，然后对预处理后的待识别图像进行3x3切割，取第9区域送入所述小数点卷积神经网络模型，根据小数点出现检测识别成功的次序，确定小数点的位置，最后将所述LED字符卷积神经网络模型和小数点卷积神经网络模型识别结果进行拼接。