字符识别技术性是用机器视觉技术开展系统识别的关键研究内容之一.生产制造的工业生产当场环境恶劣,会造成所拍攝的图像失帧,模糊不清,含噪音及字符造成放缩,平移变换转动等情况.对于之上情况,对图像开展了早期预备处理,并对字符特征开展了获取;以后,对于二种字符特征,用改善的BP算法设计方案了2个***元网络识别技术.字符识别技术性是用机器视觉技术开展系统识别的关键研究内容之一.生产制造的工业生产当场环境恶劣,会造成所拍攝的图像失帧,模糊不清,含噪音及字符造成放缩,平移变换转动等情况.对于之上情况,对图像开展了早期预备处理,并对字符特征开展了获取;以后,对于二种字符特征,用改善的BP算法设计方案了2个***元网络识别技术.

工业产品的包装上常含有产品编号、序列号、生产及截止日期等重要的喷码信息,而在产品包装的喷印过程中受到可能出现的机械故障、环境变化、运输磨损等不确定因素影响,喷码的喷印效果可能会出现变化。因此,产品包装在完成喷码的喷印后,需要对喷码进行检测才能保证喷码的正确可读。包装信息错误的产品将会对企业的生产效率、物流仓储、品牌形象等方面造成一系列不利影响。传统喷码检测方法使用人工方式辨别喷码质量的好坏,由于其在效率、失误率、人力成本等方面的劣势,并不适合应用在企业的大规模包装生产流水线上。


解决低质量图像给识别任务带来的困难,构造了一个由图像增强网络(EnCNN)和手写体数字识别网络(LeNet-5)组成的低质量图片识别框架.将图像增强网络嫁接在识别网络前,并使用提出的策略进行模型学习.使得低质量图像在被识别前图像质量得到较大的改善,终实现低质量手写体图像识别率的提高.实验部分将提出的方法和在单纯使用低质量图像或高清图作为训练集进行训练的方法进行了对比,实验表明在低质量图像上,提出的方法有更高的数字识别率,且有更强的泛化能力.