基于卷积神经网络的电力操作票文字识别方法

作者：罗麟; 张非; 位一鸣; 袁海范

来源：浙江电力, 2020, 39(04): 68-74.

DOI：10.19585/j.zjdl.202004012

• 操作票
• 文字识别
• 手写字体
• 卷积神经网络

为提升电力操作票文字识别的准确度,提出了一种CBTR(基于卷积神经网络的文字识别)方法。首先,基于卷积神经网络学习得到非线性映射函数,提升操作票图像的PSNR(峰值信噪比);然后,基于假想笔画、路径签名与8方向特征构建集成卷积神经网络模型,使用简单平均法计算分类结果,克服手写字体识别难题。最后,选择DLQDF, MCDNN, DeepCNet作为基准方法,使用实际运维检修中操作票图像样本集进行算法验证。结果表明CBTR方法能准确识别操作票图像文字,具有显著的性能优势。