梁淑芬，胡帅花，秦传波，邓志强

（五邑大学 信息工程学院，广东 江门 529020）

基于深度学习的数字识别模块在安卓系统的实现

梁淑芬，胡帅花，秦传波，邓志强

（五邑大学 信息工程学院，广东 江门 529020）

针对手写数字、印刷体数字和身份证号码识别问题，研究了深度学习卷积神经网络算法，并在安卓系统上开发了数字识别应用模块，实现了数字图像的采集、裁剪和定位等预处理，并运用卷积神经网络的LeNet网络模型进行数字识别. 实验结果表明，本文实现的数字识别程序使用简便，对手写数字、印刷体数字和身份证号码识别率分别为94.77%、98.32%和99.78%，识别率较高，具有很好的推广前景.

深度学习；卷积神经网络；数字识别

数字序列号是代表物品信息的重要特征之一，如银行卡号、金融票据号码、车牌号码、身份证号码等[1-2]. 目前应用于数字识别的算法主要有：邻近算法[6]、SVM算法[7]、神经网络法等[3-5]. 邻近算法的识别率相对较低，分类时间长. SVM算法是针对两类的分类问题，要实现如手写数字识别这样的多类识别就需要构造合适的多级结构的分类器，样本的存储和计算需要耗费大量的机器内存和运算时间，对大规模训练样本难以实施. 神经网络具有很强的学习性和自适应性，具有其他传统方法不具有的并行处理能力、容错能力、自学习功能和对图像识别中特征自动提取的能力.

LeCun等人[3]提出的卷积神经网络采用多层二维卷积模型，模拟人的视觉神经皮质的分层特性与……