【摘 要】
：
为实现纸质医药包装钢印字符的实时检测,设计一种基于图像处理和深度学习的钢印字符识别系统.系统首先采用多种图像处理的方法对原始打光下的图像进行预处理,从而自动提取图片中的感兴趣区域,并将其输入训练好的Mask-RCNN网络进行实例分割,得到每张图片中的不同字符的像素位置与其字符数值.实验结果表明,对比传统的字符识别方法,该方法可以很好地解决纸质医药包装钢印字符图片中灰度跳变不明显的问题,准确分割出纸质包装盒图片中的钢印字符并进行标记,其字符的识别准确率达到99％,为生产线上钢印字符的识别和记录提供了新的解决
【机 构】
：
长沙理工大学物理与电子科学学院,湖南 长沙 410114;纳威尔智能科技有限公司,湖南 长沙 410007;长沙理工大学物理与电子科学学院,湖南 长沙 410114;纳威尔智能科技有限公司,湖南 长沙
论文部分内容阅读
为实现纸质医药包装钢印字符的实时检测,设计一种基于图像处理和深度学习的钢印字符识别系统.系统首先采用多种图像处理的方法对原始打光下的图像进行预处理,从而自动提取图片中的感兴趣区域,并将其输入训练好的Mask-RCNN网络进行实例分割,得到每张图片中的不同字符的像素位置与其字符数值.实验结果表明,对比传统的字符识别方法,该方法可以很好地解决纸质医药包装钢印字符图片中灰度跳变不明显的问题,准确分割出纸质包装盒图片中的钢印字符并进行标记,其字符的识别准确率达到99％,为生产线上钢印字符的识别和记录提供了新的解决思路,具有较高的实用价值.
其他文献
签密算法能够在一个逻辑步骤中同时实现加密和签名功能,相较于传统的先签名后加密方案,签密算法具有计算量与通信成本低的优点,被广泛应用于电子支付、物联网等场景中.现有的基于椭圆曲线和双线性对实现的签密方案普遍存在执行效率低的问题,因此本文提出一种基于区块链的无证书签密方案.新方案基于离散对数实现,具有执行效率高等优点.新方案同时利用区块链不可篡改性和可追溯等优点,用以实现方案的不可否认性.安全性分析表明本文方案具有不可否认性、机密性及不可伪造等特性,性能分析表明新方案执行效率较高,仿真实验显示引入区块链后对系
为了更加贴合实际情况研究谣言溯源问题,考虑社交网络中对传播谣言节点的封禁隔离能力,扩展经典SIR传染病模型提出SIOR(Susceptible-Infected-isOlated-Removed)模型.基于最优信息传播过程计算出谣言源的估计值,并且针对SIOR模型验证该估计值近似于网络拓扑中的Jordan感染中心.根据RI(Reverse Infection)算法,提出一种针对SIOR模型的反向信息传播算法,该算法可以识别出网络拓扑图中的Jordan感染中心.最后在不同的网络中模拟实验,验证该算法的溯源效
随着生产制造业的发展,各行业在生产制造的过程中都会产生大量的工程数据,现代工程领域的数据检索需求要求能够通过关键字快速且准确检索出相应的结果,利用ElasticSearch可以实现工程数据的检索,但是其性能方面还有优化的空间.为了解决这个问题,本文对ElasticSearch的底层原理进行深入研究,在ElasticSearch的索引创建、索引分片以及索引段合并方面进行优化.首先对ElasticSearch的分词器进行修改并配置自定义词典,其次提出基于集群节点性能与索引数据量大小的索引分片策略,最后,根据节
传统的污染监测方法主要是通过固定基站进行监测的,但是这种方法缺乏灵活性且成本高昂,已不足以应对日益严重的污染问题.一种新的数据获取模式——移动群智感知为大范围感知数据提供了新思路.为了及时掌握移动群智感知收集污染数据的研究现状,本文对国内外现有研究进行系统全面的综述,并结合现有研究,为群智感知在智能手机上的应用提供可行方案.首先,对污染收集技术不同发展阶段问题进行总结;然后,对比分析不同众包污染收集系统的优缺点,并对所用的关键技术优缺点及适用场景进行说明;最后,对群智感知下收集污染数据存在的问题进行总结,
在大数据时代背景下,越来越多的用户或者企业将大量的数据上传至云端存储以便减轻本地存储的压力和获得高效的数据共享服务管理,由此可搜索加密技术应运而生,检索效率与保证数据安全一直是研究的热点.因此,本文提出一种基于特征匹配的快速降维排序搜索方法(DRFM).通过提出的特征得分算法,创建每一篇文档的索引特征向量;通过提出的匹配得分算法,创建查询关键词的查询匹配向量.使用K-L变换算法对所有文档索引特征向量以及查询匹配向量进行降维,提高算法效率.理论分析与实验结果表明所提的方案高效且可行.
针对短文本具有特征稀疏、不规范、主题不明确等特点,提出一种有效的基于支持向量机的短文本分类方法.由于汉语中依存语法分析准确率和时间效率不高的问题,针对客户文本咨询的特点,在对短文本分类时,本文并未对句子进行依存语法的分析,而是主要使用句法特征进行分析,找出文本的子串和子序列形成候选特征集,之后利用信息增益、互信息、卡方统计3种特征选择方法进行有效特征选择,最后采用支持向量机方法进行文本分类.将本文所提的模型应用于一组真实数据,实验结果表明,平均正确率可达到84.19％,从而验证该分类方法的鲁棒性和有效性.
针对遥感影像卷积神经网络(CNN)分类会导致特征信息丢失及泛化能力差的问题,提出一种基于通道注意力和混合注意力改进的胶囊神经网络分类模型.首先,为了胶囊神经网络能够适应于大尺寸输入图像,在特征提取模块中使用2个最大池化层;其次,为了提高分类精度,分别将SENet注意力和CBAM注意力加在特征提取模块的最后一层去改进特征提取模块;最后,将样本集随机地划分为训练集、验证集和测试集,进一步使用训练集和验证集训练模型,测试集测试模型,使用AID数据集对模型分类的泛化能力进行验证.实验结果表明:基于SENet网络改
针对大规模点集可能存在噪声、离群点及遮挡等情况,提出一种基于K-means++的多视图点云配准方法.首先,利用K-means++算法的随机播种技术对下采样后的多视图点集选取初始化的质心,并根据算法的基本原理完成聚类;其次,将点云数据存入K-D树结构,并利用最近邻搜索算法建立点集间的对应关系,从而提升对应点集的搜索效率;最后,通过迭代最近点算法依照扫描顺序计算各视图聚类得到的点云数据与所有视图间的刚性变换参数,将成对配准造成的误差均匀扩散到每个视图中,直至获得最终配准结果.在Stanford三维点云数据集上
针对单通道脑电信号睡眠自动分期效率和准确率问题,提出采用三尺度并行卷积神经网络提取睡眠信号特征和双向门控循环单元学习睡眠阶段之间内部时间关系的3CNN-BiGRU睡眠自动分期模型.首先对原始单通道脑电信号进行带通滤波处理,并采用合成少数类过采样技术进行类平衡,然后送入搭建的模型中进行训练和验证实验,其中采用预训练和微调训练对模型进行优化,采用10次和20次交叉验证提高训练可靠性.不同数据集下的不同模型对比实验结果表明,3CNN-BiGRU模型取得了更高的训练效率和更好的分期准确率.
提出一种基于希尔伯特变换和自适应双阈值的R波检测算法.首先对预处理后的信号进行幅度归一化和希尔伯特包络分析;然后采用自适应双阈值法检测R波;最后,根据增强后的信号定位检测到R波的位置.使用4个具有不同频率和信噪比的数据库(MIT-BIH心率失常数据库、QT数据库、NST噪声数据库、European ST-T数据库)和临床采集心电数据对所提算法进行性能评估,结果表明,各种不规律和含有严重噪声干扰的心电信号中R波的位置依然能被所提算法准确检测出.在MIT-BIH心律失常数据库中,总体数据检测的敏感性、阳性检测