|
реклама |
|
|
|
|
|
|
Приборы и системы. Управление, контроль, диагностика Аннотация к статье << Назад
Нейросетевая идентификация клейма заготовок СПЦ-1 АО «ОЭМК» |
Д.А. ПОЛЕЩЕНКО, И.С. ЗОРИН
Данная статья посвящена разработке нейросетевого алгоритма глубокого обучения для распознавания символов, механически набитых клеймовочной машиной на стальную литую заготовку. Для предварительной обработки символов используется метод бинарной сегментации. Показано, что совместно с разработанными критериями для локализации распознаваемого объекта данный подход позволяет точно определить его местоположение на изображении. Высокая точность позиционирования на объекте увеличивает эффективность его идентификации. В основу алгоритма идентификации положена разработанная сверточная нейронная сеть глубокого обучения. В работе, был проведен анализ эффективности распознавания цифр свёрточной нейронной сетью глубокого обучения, а так же анализ влияния архитектуры нейронной сети на эффективность распознавания символов. Обучение и тестирование нейронных сетей проводилось на базе изображений SVHN и этого оказалось достаточным для эффективного распознавания без создания собственной базы объектов.
Ключевые слова: Нейронная сеть, глубокое обучение, распознавание образов, свёрточная нейронная сеть, сегментация, бинаризация.
DOI: 10.25791/pribor.06.2020.1184
Стр. 32-39. |
|
|
|
Последние новости:
Выставки по автоматизации и электронике «ПТА-Урал 2018» и «Электроника-Урал 2018» состоятся в Екатеринбурге Открыта электронная регистрация на выставку Дефектоскопия / NDT St. Petersburg Открыта регистрация на 9-ю Международную научно-практическую конференцию «Строительство и ремонт скважин — 2018» ExpoElectronica и ElectronTechExpo 2018: рост площади экспозиции на 19% и новые формы контент-программы Тематика и состав экспозиции РЭП на выставке "ChipEXPO - 2018" |