《表2 实验焊接工艺参数：基于YOLO＿v3和Tesseract5.0的高铁摩擦片编码识别算法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于YOLO＿v3和Tesseract5.0的高铁摩擦片编码识别算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了准确评估算法的准确率，分别采用CRAFT+CRNN和CTPN+Densenet+CTC两种算法对图像数据进行检测，获得结果如表2所示.从表中可以看出本文算法在准确率方向优于CRAFT+CRNN和CTPN+Densenet+CTC.CRAFT+CRNN算法在350050型号工件上表现较差的原因为对于残缺字体不能准确的检测和识别，在250040型号工件上表现较差的原因为工件表面为磨砂表面，图像中字体轮廓凹凸不平导致字体轮廓特征不能被识别.在250040型号工件上表现较差的原因为工件经过灼烧后字体内部和边缘出现缺失，导致轮廓特征不明显和缺失现象CTPN+Densenet+CTC表现较差的原因为检测阶段不能检测到残缺字符，识别阶段不能准确区分英文与汉字，准确的说会误将英文识别成汉字，会误将数字识别成特殊字符.本文算法表现良好的原因一方面为在使用YOLO＿v3检测阶段适当放大检测区域保证所有字符能被检测到，另一方面与Tesseract5.0针对性的训练有关.