基于卷积记忆神经网络的数字表盘读数识别

摘要

针对巡检机器人在执行例检任务时,对数字表盘读数识别精确度低的问题,提出一种基于卷积记忆神经网络的数字表盘抄表算法.对高清摄像机获取的目标图像信息,经过图像轮廓提取算法定位到表盘字符区域,结合卷积神经网络(CNN)和长短期记忆网络(LSTM)模型的特点,提出了卷积记忆神经网络模型(CLSTM),与传统字符识别算法CNN和LSTM相比,此模型既不需要做字符分割,又能够优化特征提取.实验以电表进行测试,结果表明,相比于CNN和LSTM,此模型准确率更高.