[发明专利]基于CNN-LSTM的温度仪表数字识别的方法及装置

权利要求书

1.一种基于CNN-LSTM的温度仪表数字识别的方法，其特征在于，所述方法包括：

获取温度仪表示数图片；

对所述温度仪表示数图片进行图形学预处理，得到示数二值化图片；

根据卷积神经网络，确定所述示数二值化图片的图片特征；

根据循环神经网络中的长短期记忆网络，对所述图片特征进行数字识别，得到概率数据；

将所述概率数据输入到Softmax激活函数，得到输出序列；根据连接时序分类器，对所述输出序列进行解码，确定温度读数数字字符串。

2.根据权利要求1所述的一种基于CNN-LSTM的温度仪表数字识别的方法，其特征在于，所述对所述温度仪表示数图片进行图形学预处理，得到示数二值化图片的步骤包括：

根据霍夫变换，将所述温度仪表示数图片进行旋转，对旋转后的图片进行切割，得到示数图片；

对所述示数图片进行二值化处理后，进行开运算，得到示数二值化图片。

3.根据权利要求1所述的一种基于CNN-LSTM的温度仪表数字识别的方法，其特征在于，卷积神经网络的结构包括卷积层和最大池化层。

4.根据权利要求1所述的一种基于CNN-LSTM的温度仪表数字识别的方法，其特征在于，所述根据循环神经网络中的长短期记忆网络，对所述图片特征进行数字识别，得到概率数据的步骤包括：

双向长短期记忆网络结构将图片特征进行正向计算与反向计算，输出中间信息，得到概率数据。

5.根据权利要求1所述的一种基于CNN-LSTM的温度仪表数字识别的方法，其特征在于，所述连接时序分类器采用的搜索方法为集束搜索。

6.一种基于CNN-LSTM的温度仪表数字识别的装置，其特征在于，所述装置包括：

获取单元，用于获取温度仪表示数图片；

处理单元，用于对所述温度仪表示数图片进行图形学预处理，得到示数二值化图片；

确定单元，用于根据卷积神经网络，确定所述示数二值化图片的图片特征；

识别单元，用于根据循环神经网络中的长短期记忆网络，对所述图片特征进行数字识别，得到概率数据；

输出单元，用于将所述概率数据输入到Softmax激活函数，得到输出序列；解码单元，根据连接时序分类器，用于对所述输出序列进行解码，确定温度读数数字字符串。