论文部分内容阅读
电器铭牌是电子工业重要的部件之一,在现代电子设备中发挥着越来越重要的作用,随着信息化时代的到来,电器铭牌在电器设备出厂装箱以及清点校验中发挥着很大的作用。在工程实践中,就存在电器铭牌上字符识别的需求。那么,为了使企业能更好的安排生产,迫切需要研究一种有效的电器铭牌字符自动检测方法来代替人工检测,克服人工检测的低效率与可靠性差等缺陷,从而使在线检测工作客观化、规范化和智能化。
本文针对电器铭牌图像上印刷体数字和大、小写英文字母以及一些特殊符号的识别进行了研究。在预处理方面,在对字符进行二值化,行切分,单个字符分割后,专门针对本文待识别字符特点进行了归一化处理。分类器选择方面,从传统模板匹配方法出发,采用逐步改进识别结果的方法,后又提取十三网格特征并进行模型匹配,得到的效果也不能令人满意,于是作者在十三网格特征的基础上,运用自组织竞争神经网络法对字符进行识别,同时自组织竞争神经网络法也是本文的重点。后处理方面,本文提出了基于数学形态学的粘连字符分割方法,成功对粘连字符进行了分割,改进了识别效果。最后,本文将此三种方法的识别效果进行了比较。比较得出,传统模板匹配法识别率仅为62.69%,提取十三网格特征后再进行模板匹配法的识别率为92.53%,而本文重点采用的自组织竞争神经网络的识别率达到了97.02%。比较结果说明,运用本文重点提出的自组织竞争神经网络的算法进行字符识别获得了更为精确的识别结果,识别率更高。