基金项目:国家自然科学基金(61962035)收稿日期:2021－04－19修回日期:2021－04－25第40卷第2期计算机仿真2023年2月文章编号:1006－9348(2023)02－0459－07基于LeNet－5的试卷手写分数无分割识别方法王洪申，李昌德(兰州理工大学机电工程学院，甘肃兰州730050)摘要:研究了LeNet－5网络识别试卷计分栏手写分数的无分割识别算法。先将高拍仪获取的试卷计分栏图像运用ＲOI区域选择和连通域处理等图像处理算法将其中手写的各分数截取出来，形成单独的图像，然后将图像归一化，并将格式转化为csv文件，后把这些csv数据输入训练好的LeNet－5网络实现识别。在训练LeNet－5网络时，不断修改该网络的batch、learningrate、epoch和权重数量等参数，提高识别效果。对于无分割字符识别，卷积神经网络需进行100分类(即0－99，不考虑100分的试卷)，将全连接层神经元数量设置为100。为了提高试卷识别分数效果，将试卷计分栏各题号的理论总分也输入卷积神经网络，并将该数据作为误分类的一个筛选，提高了分类准确性。采用以上系列方法，对500份学生试卷的手写分数识别，正确率达93.20%。将以上方法应用于试卷分数统计系统，可以大幅度提高试卷分数的统计速度并降低教师的劳动强度。关键词:无分割的手写数字识别;卷积神经网络;计算机辅助阅卷中图分类号:TP183;TP391.1文献标识码:BAnUndividedＲecognitionMethodforHandwrittenScoreofTestPaperBasedonLeNet－5WANGHong－shen，LIChang－de(CollegeofMechanicalandElectricalEngineering，LanzhouUniversityofTechnology，LanzhouGansu730050，China)ABSTＲACT:ThispaperstudiestherecognitionalgorithmofhandwrittenscoresoftestpapercolumnsbasedonLeNet－5network．Firstly，weusedＲOIregionselectionandconnecteddomainprocessingalgorithmtocapturethescoreofthetestpapercolumnimageobtainedbythealtimeter，andformaseparateimage．ThenwenormalizedtheimageandtransformtheformatintoaCSVfile，andtheninputtheseCSVdataintothetrainedLeNet－5networktore-alizerecognition．WhentrainingtheLeNet－5network，theparameterssuchasbatch，learningrate，epochandweightnumberofthenetworkwereconstantlymodifiedtoimprovetherecognitioneffect．Forundividedcharacterrecognition，aconvolutionalneuralnetworkneededtoclassify100(i．e．0－99，regardlessofthetestpaperwith100scores)andsetthenumberofneu...
