利用机器视觉的手写数字识别系统设计研究

作者：徐云; 杨承翰; 高磊

来源：自动化仪表, 2022, 43(09): 10-13.

DOI：10.16086/j.cnki.issn1000-0380.2021100030

• 机器视觉
• 手写数字
• 识别模型
• 卷积神经网络
• 特征提取
• 模型训练
• 视觉传感器

针对手写数字识别模型偏大、嵌入式系统芯片运算量有限等问题，开展基于机器视觉的手写数字识别系统设计研究。采用STM32H743VIT6作为主控芯片，利用OV7725视觉传感器、LCD显示屏等构建基于机器视觉的手写数字识别系统原理样机。提出优化的卷积神经网络算法对手写数字图像进行特征提取、模型训练，获得TFlite手写数字图像识别模型。将该模型经压缩与加速处理后布署到设计的手写数字识别原理样机中，并对手写数字进行识别试验。试验结果表明：设计的基于机器视觉的手写数字识别原理样机的平均识别正确率约为98.4%,识别速度约为0.3 s。设计的手写数字识别原理样机可靠性和准确率较高，能够满足手写数字识别的要求。该研究为机电控制系统中手写数字识别的应用提供了新思路。

• 单位
  浙江理工大学