|
摘要 电子经纬仪和全站仪必须定期进行检定,目前的检定过程繁杂低效,实现这类仪器的自动检定有重要的意义,而自动检定过程的实现、数据的实时读取是非常重要的一步。本文提供了一种基于图像处理和神经网络的字符自动识别方法,结果表明,该方法的识别正确率达到97%,为仪器自动检定提供了一种探索途径。
|
|
关键词 :
测绘仪器,
自动检定,
图像处理,
神经网络
|
|
[1] |
孙 为,朱明晨. 中国区域BP-Adaboost强预测器对流层天顶延迟建模研究[J]. 大地测量与地球动力学, 2022, 42(1): 35-40. |
[2] |
汤 俊,李垠健,钟正宇,高 鑫. EOF-LSTM神经网络的电离层TEC预报模型[J]. 大地测量与地球动力学, 2021, 41(9): 911-915. |
[3] |
禤键豪,陈智伟,张兴福,梁呈豪,吴 博. 联合GRACE与GRACE-FO反演2002~2020年长江流域陆地水储量变化[J]. 大地测量与地球动力学, 2021, 41(9): 961-966. |
[4] |
周 洋. 基于核混合效应回归模型的地震数据预测[J]. 大地测量与地球动力学, 2021, 41(9): 967-972. |
[5] |
黄佳伟,鲁铁定,贺小星,李 威. Prophet-Elman残差改正电离层TEC短期预报模型[J]. 大地测量与地球动力学, 2021, 41(8): 783-788. |
[6] |
鲁铁定,黄佳伟,贺小星,吕开云. EWT-Elman组合模型短期电离层TEC预报[J]. 大地测量与地球动力学, 2021, 41(7): 666-671. |
[7] |
彭 钊,邵永谦,李 赫,柳林涛. 适用小样本情况的地震检测机器学习模型[J]. 大地测量与地球动力学, 2021, 41(7): 765-770. |
[8] |
卢兆兴, 吕志峰, 李 婷, 张金生, 姚 垚. 基于BP神经网络的地磁变化场预测研究[J]. 大地测量与地球动力学, 2021, 41(3): 229-233. |
[9] |
佘雅文, 付广裕. 基于循环神经网络的重力异常数据推估研究[J]. 大地测量与地球动力学, 2021, 41(3): 234-237. |
[10] |
黄文喜, 祝芙英, 翟笃林, 林 剑, 卿 芸, 李新星, 杨 剑. BP神经网络和ARMA模型在中纬度TEC短期预测中的对比分析[J]. 大地测量与地球动力学, 2021, 41(3): 262-267. |
[11] |
王 润, 王井利, 吕 栋. 导航卫星钟差预报的Elman神经网络算法研究[J]. 大地测量与地球动力学, 2021, 41(3): 285-289. |
[12] |
杨 恒,岳建平,邢 尹,周钦坤. 基于深度全连接神经网络的大坝变形预测研究[J]. 大地测量与地球动力学, 2021, 41(2): 162-166. |
[13] |
刘 备,任 栋. 基于小波变换与RBF神经网络的GNSS水汽值预测研究[J]. 大地测量与地球动力学, 2021, 41(12): 1216-1218. |
[14] |
范珂显,李 恒,张 祎. 基于径向基函数神经网络的地震液化侧移预测[J]. 大地测量与地球动力学, 2021, 41(12): 1271-1275. |
[15] |
栾元重,梁耀东,董 岳,翁丽媛,刘承旭. 桥梁水平位移混沌特征识别与神经网络预测研究[J]. 大地测量与地球动力学, 2021, 41(1): 7-11. |
|
|
|