[发明专利]一种AI数字识别系统及方法

权利要求书

1.一种AI数字识别系统，其特征在于包括摄像模块以及基于FPGA的：

尺寸变换模块，用于对图像进行尺寸变换以适应卷积神经网络，并用于进行去噪处理；

边缘提取模块，用于对图像进行边缘检测；

特征填充模块，用于对边缘检测后的图像进行二值化处理；

特征量化模块，用于根据训练集中数字笔画的粗细程度对图像中数字笔画的粗细程度进行修整；

推理模块，所述推理模块配置有卷积神经网络，用于通过卷积神经网络对修整后的图像进行推理计算，得到图像数字的推理结果，所述卷积神将网络包括卷积层、池化层和全连接层。

2.根据权利要求1所述的AI数字识别系统，其特征在于尺寸变换模块为FPGA内部的scaler IP，scaler IP内滤波器设置为高通滤波器，用于通过高通滤波器对图像进行前期去噪处理。

3.根据权利要求1所述的AI数字识别系统，其特征在于边缘提取模块为配置有canny边缘检测算法的模块，用于通过canny边缘检测算法对图像进行边缘检测，包括：

用于通过高斯滤波器对图像进行平滑处理，滤除图像的噪声；

用于通过双阈值检测算法确定图像的真实边缘和潜在边缘；

用于通过抑制孤立的弱边缘进行边缘检测。

4.根据权利要求1所述的AI数字识别系统，其特征在于卷积层、池化层和全连接层均两层。

5.AI数字识别方法，其特征在于包括：

获取图像；

对获取的图像进行尺寸变换，得到去噪处理后的图像；

对去噪后的图像进行边缘检测；

对边缘检测后的图像进行二值化处理，得到二值化图像；

根据训练集中数字笔画的粗细程度对图像中数字笔画的粗细程度进行修整；

基于卷积神经网络模型对修整后的图像进行推理计算，得到图像数字的推理结果，所述卷积神经网络模型包括卷积层、池化层和全连接层。

6.根据权利要求5所述的AI数字识别方法，其特征在于通过canny边缘检测算法对去噪后的图像进行边缘检测，包括：

通过高斯滤波器对图像进行平滑处理，滤除图像的噪声；

通过双阈值检测算法确定图像的真实边缘和潜在边缘；

通过抑制孤立的弱边缘进行边缘检测。

7.根据权利要求6所述的AI数字识别方法，其特征在于通过对图像中数字笔画的粗细程度进行量化的方式对二值化后图像进行修整，包括：

根据训练集中数字笔画的粗细进行修图，对图像中像素太细的数字笔画进行增粗，对图像中像素太粗的笔画进行细化。

8.根据权利要求6所述的AI数字识别方法，其特征在于卷积神经网络中卷积层、池化层和全连接层均两层，通过卷积神经网络对修整后的图像进行推理计算，包括：

对修整后的图像逐次进行两次卷积池化操作，每次卷积池化操作方式为：通过对应的一层卷积层对图像进行卷积计算，并通过对应的一层池化层对卷积后的图像进行池化操作；

通过全连接层对池化后图像进行两次全连接计算，得到一组向量；

上述一组向量中每个向量对应一个数值，选取上述多个数值中的最大值的索引为图像的推理数字。