张 成，戴俊峰，熊闻心

1.国网湖北省电力有限公司 信息通信公司，武汉430077

2.武汉大学 电子信息学院，武汉430072

基于社会发展对于字符识别不断增长的需求，从二十世纪六、七十年代开始，国内外相继展开了对于字符识别相关方面的研究，从早期按照像素匹配识别发展到传统的机器学习特征提取匹配直到如今基于深度神经网络。字符识别的预期未来需求包括突破手写体汉字字符识别困难，应用于电子档案记录，全球搜索的书籍和历史文档，摄像头拍摄的文本场景、视频文本[1-2]等等。

计算机性能的改善和数据喷涌式的爆发，使深度学习在传统机器学习上不断发展，最关键就在于自动提取学习特征，降低了手工特性设计可能的耗时。卷积神经网络（CNN）常用于图像处理，有能力从大量数据中学习复杂的、高维的、非线性的映射，同时演示了深层处理技术对图像处理的重要性[3-4]。

在很多文献中，字符识别直接分成印刷体与手写体。而本文根据国家电网项目的实际需求，将扫描文档中手写体日期作为研究对象，分为手写体数字识别和汉字识别，数字部分为手写体数字识别，而汉字部分主要针对一些特定的印刷体汉字。通过将这两者结合，同时针对实际运用过程中可能引入的干扰做出相应的增强预处理，并对比在不同训练参数组合下LeNet-5 的识别效果，优化调整参数，得到使模型实现最佳效果的训练参数。解决了实际项目中对于手写体日期的识别需求。……