论文部分内容阅读
本文对深度学习中卷积神经网络应用于实验室试管数目识别的应用做出研究,设计一种基于卷积神经网络的试管数目识别模型,自动化完成试管数目的检测,以解决在实验过程中人工涉入的问题。引入霍夫变换,反向金字塔以及均值滤波等图像处理方法,减少规律性噪点,在模型训练过程中采用卷积以及池化,提高模型识别能力。试验结果表明,该模型识别速度极快,具有极高的识别率,所设计测试集中准确率达98.03%,基于上述结果,该识别模型在未来实验中具有极强的应用于研究价值。