一种基于神经网络模型的数字识别方法技术

本申请公开的基于神经网络模型的数字识别方法，与现有技术相比，包括：获取显示面板的数字信息图像；对数字信息图像进行光强分析以及图像增强处理；将数字信息图像进行区域定位，提取待识别数字区域图像；对待识别数字区域图像进行数字图像特征提取处理；对数字图像特征进行自适应分割处理，获取分割字符集；选择相应的数字识别算法构建预测模型，基于预测模型分别对单个分割字符进行回归分析处理，获取识别数字预测结果；对数字识别预测结果进行评估判断处理，确定待识别数字的正确读数；输出待识别数字的正确读数。相较于现有技术而言，其能够智能准确识别奶厅面板读数，提高奶厅奶量统计效率，帮助牧场管理员进行相关决策。

【技术实现步骤摘要】
一种基于神经网络模型的数字识别方法
本申请涉及数字识别
，更具体地说，尤其涉及一种基于神经网络模型的数字识别方法。
技术介绍
随着科技的进步，人类社会进入智能化时代以及大数据时代，远程数据图像以及文字的智能识别迈入了崭新的台阶，对各个领域的发展具有重要的意义。目前，在中小型牧场中，对奶厅奶量的统计工作主要还是依靠人力劳动，此过程费时费力，而运用传统的图像采集外加数字识别又存在诸多困难。在奶厅图像采集的过程中，采集的图像数据存在多种数据噪音，比如不止一个面板，面板之外有其他的护栏、吸奶器等，而且一个单独的面板上除了数字信息，还存在一些引导说明，也会干扰数字识别的准确性。如果想要智能化读取奶厅挤奶面板上提示的挤奶量，就需要准确识别出对应的数字位于图像中的位置，并且将其与其他信息分割出来，只保留需要的数字信息。除此之外，还需要准确地识别数字内容。因此，如何提供一种基于神经网络模型的数字识别方法，其能够智能准确识别奶厅面板读数，提高奶厅奶量统计效率，帮助牧场管理员进行相关决策，已经成为本领域技术人员亟待解决的技术问题。
技术实现思路
为解决上述技术问题，本申请提供一种基于神经网络模型的数字识别方法，其能够智能准确识别奶厅面板读数，提高奶厅奶量统计效率，并且分析奶量数据，帮助牧场管理员进行相关决策。本申请提供的技术方案如下：本申请提供一种基于神经网络模型的数字识别方法，包括：步骤一、根据摄像模块获取显示面板的数字信息图像；步骤二、对所述数字信息图像进行光强分析以及图像增强处理，得到优化数字信息图像；步骤三、将所述图像数字特征进行区域定位，提取待识别数字区域图像，并过滤其余无效数字区域图像；步骤四、对所述待识别数字区域图像进行数字图像特征提取处理；步骤五、运用字符分割算法对所述数字图像特征进行自适应分割处理，获取分割字符集；步骤六、根据具体需求，选择相应的数字识别算法构建预测模型，基于所述预测模型逐一对所述分割字符进行回归分析处理，获取识别数字预测结果；步骤七、对所述数字识别预测结果进行评估判断处理，确定所述待识别数字的正确读数；步骤八、输出所述待识别数字的正确读数。进一步地，在本专利技术一种优选方式中，所述步骤六中，根据具体需求，选择相应的数字识别算法构建预测模型包括：基于神经网络框架，构建人工智能深度学习模型；运用机器学习算法以及多分类算法构建机器学习模型；运用图像相似度算法，构建图像相似度对比预测模型。进一步地，在本专利技术一种优选方式中，所述数字图像特征提取处理包括：对所述待识别数字区域图像进行灰度处理，获取灰度数字图像；基于所述数字图像可提取光的范围，对所述数字图像进行偏光处理；对所述灰度数字图像进行二值化处理，将所述待识别数字区域图像处理成黑白图像，得到二值化数字图像，并获取所述待识别数字区域图像的像素宽度。进一步地，在本专利技术一种优选方式中，所述待识别数字所在区域为黑色，其余区域为白色。进一步地，在本专利技术一种优选方式中，所述数字特征提取还包括：选定特定颜色，根据所述特定颜色对特定颜色区域进行提取；所述特定颜色区域为所述待识别数字所在区域。进一步地，在本专利技术一种优选方式中，在所述步骤二中，所述预处理还包括：对所述数字信息图像进行几何变换处理、畸变校正处理以及光线校正处理。进一步地，在本专利技术一种优选方式中，在所述步骤三中，还包括：对所述优化数字信息图像进行滤波处理。进一步地，在本专利技术一种优选方式中，在所述步骤五中，还包括：提取所述数字图像特征的数字特征向量，根据分割坐标位置对所述分割字符集进行排序处理。进一步地，在本专利技术一种优选方式中，在所述步骤五中，所述自适应分割处理包括：根据设定阈值，对所述数字图像特征进行分块分割处理；所述阈值设定规则为：根据所述二值化数字图像中像素点通道数字变化的可连续性，设定所述阈值。进一步地，在本专利技术一种优选方式中，所述自适应分割处理还包括：根据所述待识别数字区域图像的像素宽度，对所述数字图像特征进行平均分割处理。本专利技术提供的一种基于神经网络模型的数字识别方法，与现有技术相比，包括：步骤一、根据摄像模块获取显示面板的数字信息图像；步骤二、对所述数字信息图像进行光强分析以及图像增强处理，得到优化数字信息图像；步骤三、将所述图像数字特征进行区域定位，提取待识别数字区域图像，并过滤其余无效数字区域图像；步骤四、对所述待识别数字区域图像进行数字图像特征提取处理；步骤五、运用字符分割算法对所述数字图像特征进行自适应分割处理，获取分割字符集；步骤六、根据具体需求，选择相应的数字识别算法构建预测模型，基于所述预测模型逐一对所述分割字符进行回归分析处理，获取识别数字预测结果；步骤七、对所述数字识别预测结果进行评估判断处理，确定所述待识别数字的正确读数；步骤八、输出所述待识别数字的正确读数。其中，对所述数字信息图像进行光强分析以及图像增强处理，提高数字识别的准确性；利用所述自适应分割处理，对所述数字图像特征进行分割获取分割字符，再选择相应所述数字识别算法，通过构建相关所述预测模型，对所述分割字符逐一进行回归分析，进行数字识别，准确性高；其次，利用效果显著的前置处理算法，提取图像特征，过滤无效信息，提升计算效率，极大地降低了计算量和计算成本，提升了计算速度。本专利技术涉及的技术方案，相较于现有技术而言，其能够智能准确识别奶厅面板读数，提高奶厅奶量统计效率，帮助牧场管理员进行相关决策。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的基于神经网络模型的数字识别方法的步骤流程图；图2为本专利技术实施例提供的显示面板的数字信息图像；图3为本专利技术实施例提供的进行区域定位后的待识别数字区域图像；图4为本专利技术实施例提供的进行数字图像特征提取处理后的图像；图5为本专利技术实施例提供的进行自适应分割处理后的图像。具体实施方式为了使本领域的技术人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。需要说明的是，当元件被称为“固定于”或“设置于”另一个元件上，它可以直接在另一个元件上或者间接设置在另一个元件上；当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至另一个元件上。需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“第一”、“第二”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的本文档来自技高网...

【技术保护点】
1.一种基于神经网络模型的数字识别方法，其特征在于，包括：/n步骤一、根据摄像模块获取显示面板的数字信息图像；/n步骤二、对所述数字信息图像进行光强分析以及图像增强预处理，得到优化数字信息图像；/n步骤三、将所述图像数字特征进行区域定位，提取待识别数字区域图像，并过滤其余无效数字区域图像；/n步骤四、对所述待识别数字区域图像进行数字图像特征提取处理；/n步骤五、运用字符分割算法对所述数字图像特征进行自适应分割处理，获取分割字符集；/n步骤六、根据具体需求，选择相应的数字识别算法构建预测模型，基于所述预测模型逐一对所述分割字符进行回归分析处理，获取识别数字预测结果；/n步骤七、对所述数字识别预测结果进行评估判断处理，确定所述待识别数字的正确读数；/n步骤八、输出所述待识别数字的正确读数。/n

【技术特征摘要】
1.一种基于神经网络模型的数字识别方法，其特征在于，包括：
步骤一、根据摄像模块获取显示面板的数字信息图像；
步骤二、对所述数字信息图像进行光强分析以及图像增强预处理，得到优化数字信息图像；
步骤三、将所述图像数字特征进行区域定位，提取待识别数字区域图像，并过滤其余无效数字区域图像；
步骤四、对所述待识别数字区域图像进行数字图像特征提取处理；
步骤五、运用字符分割算法对所述数字图像特征进行自适应分割处理，获取分割字符集；
步骤六、根据具体需求，选择相应的数字识别算法构建预测模型，基于所述预测模型逐一对所述分割字符进行回归分析处理，获取识别数字预测结果；
步骤七、对所述数字识别预测结果进行评估判断处理，确定所述待识别数字的正确读数；
步骤八、输出所述待识别数字的正确读数。


2.根据权利要求1所述的基于神经网络模型的数字识别方法，其特征在于，所述步骤六中，根据具体需求，选择相应的数字识别算法构建预测模型包括：基于神经网络框架，构建人工智能深度学习模型；运用机器学习算法以及多分类算法构建机器学习模型；运用图像相似度算法，构建图像相似度对比预测模型。


3.根据权利要求1所述的基于神经网络模型的数字识别方法，其特征在于，所述数字图像特征提取处理包括：基于所述数字图像可提取光的范围，对所述数字图像进行偏光处理；对所述待识别数字区域图像进行灰度处理，获取灰度数字图像；对所述灰度数字图像进行二值化处理，将所述待识别数字区域图像处理成黑白图像，得到二值化数字图像，并获取所述待识别...

【专利技术属性】
技术研发人员：万勇，
申请(专利权)人：湖南金烽信息科技有限公司，
类型：发明
国别省市：湖南;43