基于OCR技术的网店工商信息识别提取系统

来源 :信息技术与信息化 | 被引量 : 0次 | 上传用户:zhujunhong778
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
人工方式核验日益增长的网店工商扫描件信息,存在着工作量巨大,因疏忽导致信息录入错误,工作效率和准确性低下等问题。针对以上问题,提出了设计实现基于OCR技术的文字系统。系统主要基于Java语言、Open CV库以及POI工具包进行实现,通过对工商信息扫描图像进行水印去除、灰度化及二值化等预处理,利用水平、垂直投影进行字符切分,采用Open CV相关库函数进行字符识别,最后使用POI工具将识别后的数据写入Excel文件。结果表明,网店工商信息识别提取系统的识别速度快、识别率高。识别系统是很有现实意义的。
其他文献
本文通过对区域林下耐阴植物应用现状调查收集,对应用成熟品种开展引种栽培扩繁和引进试验种的栽培试验、光照适应范围观测,筛选出综合性状较好的林下耐阴植物应用栽植,更好丰富绿化层次、提高绿地观赏性,为干旱区城市提供可行的林下耐阴植物的推广示范。
为解决景观园林施工设计及绿化养护技术的应用难题,本文对景观园林施工设计及绿化养护技术进行了研究,分别从花岗岩表面加工、卵石路面施工设计、水池景观施工设计、绿化工程施工设计和病虫害防治、修剪、保暖、档案管理等几个主要方面对设计要点进行分析,以期为相关人员提供参考。
在具体的园林施工当中,经常会应用到反季节种植技术,对于该技术来说,即在不适合种植植物的时间段通过一系列的手段,保证植物能够种植,使其在成活率方面处于理想的状态,以此更好地达到工程建设以及园林绿化效果。鉴于此,本文对反季节种植技术进行研究,结合技术应用重点,提出种植保障措施,以期为相关工程提供参考。
为了让乡村景观融入城市风景园林规划设计中,本文对城市风景园林规划设计融入乡村景观路径进行研究,提出了为城市注入活力的同时,弘扬传统的文化,提高经济效益。在推动区域经济发展的原则下,分析保护生态环境的重要性,以此确保城市深化发展和乡村景观实现和谐发展,保证乡村景观和城市风景园林景观可以实现有效融合,以期为相关人员提供参考。
在城市现代化建设进程中,公园园林景观起到了非常重要的美观作用,并为当地生态环境平衡与发展做出了一定的贡献。因此,在开展公园园林景观建设的过程中,需要强化施工管理力度,充分发挥出施工管理的重要性,进一步提高城市环境建设水平。基于此,本文主要是以西昌市月亮湖湿地公园园林景观为基础,阐述了施工管理的重要性,并提出了一些对策,提高月亮湖公园园林景观项目的整体效益。
本文针对园林工程施工安全管理的价值,分析园林工程施工安全管理中存在问题,结合所调查资料,园林施工安全中存在问题有资金投入不足、责任落实不到位、施工人员素质不高等多方面问题。通过对其分析,提出园林施工安全管理针对性采取对策,加强资金投入、落实安全责任、通过培训等手段提高施工人员素质,对园林施工的安全管理有非常积极的参考价值。
传统方法对微博舆情事件情感分析缺乏深层次语义支持,且特征稀疏、上下文关系单薄,导致情感分类准确率较低,无法第一时间感知舆情突发事件。针对这些问题,提出一种基于TextCNN和注意力机制的舆情事件情感分析模型。首先采集微博舆情事件文本知识并进行数据预处理,接着利用TextCNN模型的卷积层和池化层从多个角度提取局部特征,再结合Attention机制组合句子向量完成情感分类任务。实验结果表明,文章提出的方法在准确率、精确率、召回率和F1值上均有所提升,其值分别是0.9813、0.9821、0.9804和0.9
针对数据特征提取不充分,分类时数据丢失问题,提出了一种基于时间和空间特征融合入侵检测方法——改进D-S证据理论的工业入侵检测技术。利用一维卷积神经网络(one dimensional convolutional neural network,1DCNN)和长短期记忆网络(long short-term memory,LSTM)同时进行特征提取,再利用改进D-S证据理论数据融合方法得到入侵检测结果。实验在工业控制系统标准数据集和煤制甲醇仿真工厂数据集上进行评估,结果表明模型符合工业入侵检测标准,与其它流行入
为解决园林工程管理中存在的问题,本文通过分析园林工程建设施工现场及其后期养护管理,提出科学选择园林工程施工地址、严保园林工程的植被采购、提高园林工程整体布局有效性、制定合理园林养护管理措施,为打造高质量的园林工程,保护我国的生态环境提供服务。
为了更好更快地检测诊断新型冠状病毒肺炎(COVID-19),联合深度学习和迁移学习方法,提出了一种基于肺部X光片来诊断患者是否携带COVID-19的检测方法,并设计了SVRNet(separable VGG-ResNet)和SVDNet(separable VGG-DenseNet)模型。实验结果表明,相比于之前的网络模型,SVRNet的平均分类精度提高了3.15%,参数量下降了61.56%,SV