礦用敞車是我國(guó)煤礦運(yùn)輸?shù)闹饕涍\(yùn)單元。隨著運(yùn)輸需求的不斷擴(kuò)張,運(yùn)煤敞車裝卸點(diǎn)的自動(dòng)化、智能化需求與日俱增�，F(xiàn)階段,我國(guó)鐵路敞車運(yùn)輸?shù)男畔浫牍ぷ鞔蠖嘤晒と送ㄟ^攝像機(jī)觀察車廂信息后手動(dòng)錄入,易錯(cuò)且耗費(fèi)了大量的人力。開發(fā)基于計(jì)算機(jī)視覺的敞車字符識(shí)別系統(tǒng),從而提高礦運(yùn)系統(tǒng)的自動(dòng)化水平,對(duì)于提高生產(chǎn)效率具有重要的意義。本文針對(duì)礦用敞車的字符識(shí)別問題,使用基于深度學(xué)習(xí)的方法從字符圖像中,提取其包含的文本信息。本研究主要從以下三個(gè)方面開展:（1）敞車字符檢測(cè)是信息錄入的前置階段。本文采用連接文本提議網(wǎng)絡(luò)模型對(duì)包含字符的區(qū)域進(jìn)行檢測(cè),將在公共數(shù)據(jù)集上訓(xùn)練得到的模型進(jìn)行遷移,并結(jié)合本文構(gòu)建的敞車字符數(shù)據(jù)集重新訓(xùn)練,實(shí)驗(yàn)表明識(shí)別算法的F1分?jǐn)?shù)達(dá)到了0.9107。（2）敞車字符識(shí)別是信息錄入的后置階段。由于敞車字符存在噪聲干擾、模糊、缺損等問題,本文提出了一種基于生成對(duì)抗網(wǎng)絡(luò)的識(shí)別模型Defect-Restore Generative Adversarial Networks（DR GAN）。該模型通過對(duì)編碼空間進(jìn)行限制,使得網(wǎng)絡(luò)具有較好的抗噪能力。本文通過實(shí)驗(yàn)對(duì)比了CRNN、CRNN with Atte... 

【文章來源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

敞車字符示意圖

卷積示意圖

最大池化示意圖


本文編號(hào)：3085280