基于卷積神經(jīng)網(wǎng)絡的化驗單圖像文字識別系統(tǒng)的設計與實現(xiàn).pdf

1、近年來，市場上藥品的數(shù)量和種類逐漸增多，但很多藥品的實際治療效果遠達不到預期，而制藥廠商由于沒有合適的渠道來收集患者在服藥后的治療情況，所以不能夠及時的對出產(chǎn)的藥品進行調(diào)整，這不僅影響制藥廠商的商業(yè)利益，也在一定程度上延誤了對患者的治療。因此，有必要建立一個用于收集患者治療情況信息的系統(tǒng)。本課題利用深度學習的相關知識，通過基于卷積神經(jīng)網(wǎng)絡（CNN）的化驗單圖像文字識別系統(tǒng)對采集到的化驗單圖像進行文字識別，來收集病人的健康信息數(shù)據(jù)，為接下

2、來的進行的數(shù)據(jù)統(tǒng)計、分析等研究做準備。因此本課題具有很強的研究意義及使用價值。
　　本文重點研究了圖像預處理技術和卷積神經(jīng)網(wǎng)絡（CNN）的相關知識，分析了文字識別的具體流程，討論了影響文字識別準確率的相關因素，并由此設計并實現(xiàn)了基于卷積神經(jīng)網(wǎng)絡（CNN）的化驗單圖像文字識別系統(tǒng)。在圖像預處理處理階段，使用傾斜校正、降噪與濾波、灰度化及二值化等關鍵技術來對化驗單文字圖像進行預處理，以便之后對圖像進行字符分割操作，從而得到單個的字符圖

3、像。在卷積神經(jīng)網(wǎng)絡階段，利用深度學習框架Caffe，設計并改進已有的卷積神經(jīng)網(wǎng)絡模型，以達到提高訓練效率，減少訓練時間，并提高識別模型的文字識別準確率的目的，然后對卷積神經(jīng)網(wǎng)絡進行訓練，得到文字識別模型，最后，再利用識別分類程序，分別加載文字識別模型和待識別的單個字符圖像，得到識別結(jié)果，并將其以合適的方式輸出。
　　通過對基于卷積神經(jīng)網(wǎng)絡的化驗單圖像文字識別系統(tǒng)的測試，驗證了該系統(tǒng)運行的可行性和高效性。測試結(jié)果顯示，該系統(tǒng)能夠有效