基于改进CRNN的导弹编号识别算法研究

来源：计算机测量与控制杂志2021年第6期北京时间：

作者：何伟鑫,邓建球,丛林虎

单位：海军航空大学 岸防兵学院

摘要：海军某部队导弹出入库使用人工登计,导致了出入库过程浪费大量的人力时间。利用深度学习,可实现自动登记。在CRNN算法中加入非对称卷积,提升宽度感受区域,加入Attention机制对特征序列进行加权平均。通过在人工合成的数据集上进行实验对比分析,本文提出的改进CRNN算法识别目标导弹编号模型的准确率以及LOSS均达到较好的性能,较其他先进的文本识别算法,其字符准确率达到了98.9%,同时其平均编辑距离低至0.92,且经实际测试其均能准确识别出导弹编号。因此,利用改进的CRNN算法识别导弹编号,辅助工作人员进行导弹出入库自动登记方案是可行的。

关键词：导弹;卷积神经网络;循环神经网络;文本识别;注意力机制;数据合成;图像变换

基金资助：国家自然科学基金(51605487)