[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110230552.1
• 申請(qǐng)日: 2021-03-02
• 公開(kāi)（公告）號(hào): CN112883970A
• 公開(kāi)（公告）日: 2021-06-01
• 發(fā)明（設(shè)計(jì)）人: 萬(wàn)勇
• 申請(qǐng)（專利權(quán)）人: 湖南金烽信息科技有限公司
• 主分類號(hào): G06K9/32
• 分類號(hào): G06K9/32;G06K9/34;G06K9/38;G06K9/46;G06K9/62
• 代理公司: 北京和信華成知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11390
• 代理人: 顏思文

1.一種基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字識(shí)別方法，其特征在于，包括：

步驟一、根據(jù)攝像模塊獲取顯示面板的數(shù)字信息圖像；

步驟二、對(duì)所述數(shù)字信息圖像進(jìn)行光強(qiáng)分析以及圖像增強(qiáng)預(yù)處理，得到優(yōu)化數(shù)字信息圖像；

步驟三、將所述圖像數(shù)字特征進(jìn)行區(qū)域定位，提取待識(shí)別數(shù)字區(qū)域圖像，并過(guò)濾其余無(wú)效數(shù)字區(qū)域圖像；

步驟四、對(duì)所述待識(shí)別數(shù)字區(qū)域圖像進(jìn)行數(shù)字圖像特征提取處理；

步驟五、運(yùn)用字符分割算法對(duì)所述數(shù)字圖像特征進(jìn)行自適應(yīng)分割處理，獲取分割字符集；

步驟六、根據(jù)具體需求，選擇相應(yīng)的數(shù)字識(shí)別算法構(gòu)建預(yù)測(cè)模型，基于所述預(yù)測(cè)模型逐一對(duì)所述分割字符進(jìn)行回歸分析處理，獲取識(shí)別數(shù)字預(yù)測(cè)結(jié)果；

步驟七、對(duì)所述數(shù)字識(shí)別預(yù)測(cè)結(jié)果進(jìn)行評(píng)估判斷處理，確定所述待識(shí)別數(shù)字的正確讀數(shù)；

步驟八、輸出所述待識(shí)別數(shù)字的正確讀數(shù)。

2.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字識(shí)別方法，其特征在于，所述步驟六中，根據(jù)具體需求，選擇相應(yīng)的數(shù)字識(shí)別算法構(gòu)建預(yù)測(cè)模型包括：基于神經(jīng)網(wǎng)絡(luò)框架，構(gòu)建人工智能深度學(xué)習(xí)模型；運(yùn)用機(jī)器學(xué)習(xí)算法以及多分類算法構(gòu)建機(jī)器學(xué)習(xí)模型；運(yùn)用圖像相似度算法，構(gòu)建圖像相似度對(duì)比預(yù)測(cè)模型。

3.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字識(shí)別方法，其特征在于，所述數(shù)字圖像特征提取處理包括：基于所述數(shù)字圖像可提取光的范圍，對(duì)所述數(shù)字圖像進(jìn)行偏光處理；對(duì)所述待識(shí)別數(shù)字區(qū)域圖像進(jìn)行灰度處理，獲取灰度數(shù)字圖像；對(duì)所述灰度數(shù)字圖像進(jìn)行二值化處理，將所述待識(shí)別數(shù)字區(qū)域圖像處理成黑白圖像，得到二值化數(shù)字圖像，并獲取所述待識(shí)別數(shù)字區(qū)域圖像的像素寬度。

4.根據(jù)權(quán)利要求3所述的基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字識(shí)別方法，其特征在于，所述待識(shí)別數(shù)字所在區(qū)域?yàn)楹谏溆鄥^(qū)域?yàn)榘咨?/p>

5.根據(jù)權(quán)利要求4所述的基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字識(shí)別方法，其特征在于，所述數(shù)字特征提取還包括：選定特定顏色，根據(jù)所述特定顏色對(duì)特定顏色區(qū)域進(jìn)行提取；所述特定顏色區(qū)域?yàn)樗龃R(shí)別數(shù)字所在區(qū)域。

6.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字識(shí)別方法，其特征在于，在所述步驟二中，所述預(yù)處理還包括：對(duì)所述數(shù)字信息圖像進(jìn)行幾何變換處理、畸變校正處理以及光線校正處理。

7.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字識(shí)別方法，其特征在于，在所述步驟三中，還包括：對(duì)所述優(yōu)化數(shù)字信息圖像進(jìn)行濾波處理。

8.根據(jù)權(quán)利要求1所述基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字識(shí)別方法，其特征在于，在所述步驟五中，還包括：提取所述數(shù)字圖像特征的數(shù)字特征向量，根據(jù)分割坐標(biāo)位置對(duì)所述分割字符集進(jìn)行排序處理。

9.根據(jù)權(quán)利要求3所述基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字識(shí)別方法，其特征在于，在所述步驟五中，所述自適應(yīng)分割處理包括：根據(jù)設(shè)定閾值，對(duì)所述數(shù)字圖像特征進(jìn)行分塊分割處理；所述閾值設(shè)定規(guī)則為：根據(jù)所述二值化數(shù)字圖像中像素點(diǎn)通道數(shù)字變化的可連續(xù)性，設(shè)定所述閾值。

10.根據(jù)權(quán)利要求9所述基于神經(jīng)網(wǎng)絡(luò)模型的數(shù)字識(shí)別方法，其特征在于，所述自適應(yīng)分割處理還包括：根據(jù)所述待識(shí)別數(shù)字區(qū)域圖像的像素寬度，對(duì)所述數(shù)字圖像特征進(jìn)行平均分割處理。