%0 Journal Article %A 卜令正 %A 代伟 %A 王洪栋 %A 朱美强 %T 基于改进卷积神经网络的多源数字识别算法 %D 2018 %R 10.11772/j.issn.1001-9081.2018050974 %J 计算机应用 %P 3403-3408 %V 38 %N 12 %X 现有的数字识别算法多是对单一类型数字进行识别,无法应对识别多源数字。针对包含手写体数字与数码管数字的字符识别场景,提出一种基于改进卷积神经网络(CNN)的多源数字识别算法。首先,使用从数显仪表生产企业现场采集的样本,结合MINIST数据集,建立起包含手写体和数码管的混合数据集;然后,考虑更好的鲁棒性,提出一种改进的CNN,并用上述混合数据集对其训练,实现了一个网络识别多类型数字;最后,训练好的神经网络模型被成功应用于RoboMaster机甲大赛的多源数字识别场景中。测试结果表明,所提算法整体识别准确率稳定且较高,具有较好的鲁棒性和泛化能力。 %U http://www.joca.cn/CN/10.11772/j.issn.1001-9081.2018050974