基于深度信任网络模型的乌东选煤厂铁路车号图像识别方法

摘要

精准识别铁路车号可以为煤厂装车提供依据，从而保证装车环节高效顺利地完成。为此，提出了基于深度信任网络模型的乌东选煤厂铁路车号图像识别方法。首先，利用高速摄像机设备采集原始的车号图像，并利用索贝尔算子检测图像边界；然后，根据列车车号的字体笔画宽度特点，采笔画宽度变换算法定位确定图像中的车号区域，并利用LBP算法提取车号区域内的特征；最后，将提取的特征输入到深度信任网络模型中，在训练网络模型并不断更新参数后，准确识别车号图像。实验表明：该方法能够精准识别乌东选煤厂铁路列车车号图像。在深度信任网络模型中，当受限玻尔兹曼机网络为4层、隐含层节点个数为128个时，该模型的分类识别能力最强，训练损失最小，性能最佳。

关键词

深度信任网络 / 边界检测 / 车号定位 / 图像识别 / 笔画宽度变换 / 特征提取