基于改进CNN的铝轮毂背腔字符识别

来源：计算机工程杂志2019年第5期北京时间：

作者：程淑红,周斌

单位：燕山大学 电气工程学院,河北 秦皇岛 066000

摘要：铝轮毂背腔字符分辨率较低、背景噪声较大,对其进行识别时不易提取几何特征和纹理特征。为此,提出一种基于改进卷积神经网络(CNN)的字符识别方法。在原始CNN的基础上引入改进的inception结构对网络构架进行优化,以提升计算资源的利用率,并在保持网络计算资源不变的前提下增加网络的宽度和深度,降低字符识别时间。实验结果表明,该方法训练准确率达99%以上,识别准确率达98.5%,识别效果优于支持向量机、BP神经网络等方法。

关键词：卷积神经网络,inception结构,网络构架,背腔字符,损失函数优化

基金资助：国家自然科学基金(61601400);河北省博士后择优项目(B2016003027)。