基于BiLSTM-Attention的钢板表面手写板号识别算法

摘要：

国内钢铁企业生产厂的信息化物料跟踪大都依赖于钢板号.由于生产流程复杂,急需高准确率的板号在线识别技术.自然场景下机器喷号的识别技术较成熟,但复杂场景下的手写板号难以实现自动识别.针对复杂工作场景下钢板表面手写板号特点,提出一种以BiLSTM-Attention为主体结构的深度学习算法.首先结合复杂场景,对图像数据进行预处理,保证模型输入图片质量;然后利用残差神经网络(ResNet)提取图片特征、利用双向长短期记忆网络(BiLSTM)提取基于图像的序列特征;最后基于注意力机制捕获序列内的信息流,对每个字符的特征进行整合,形成文本特征向量以预测输出序列.经现场测试,实现钢板表面手写板号识别任务准确率达86.15％,结果表明算法可行有效,满足实际生产需求.

关键词：双向长短期记忆网络;注意力机制;神经网络;手写钢板号;手写文本识别

所属期刊栏目：31

资助基金：国家重点研发计划资助项目2018YFB1701601

在线出版日期：2021-11-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：86-93