摘要： 为了解决带钢面标识别精度低、时间长等问题，构建了字符分割和识别模型。在分割模型的多阈值分割过程中，通过改进的麻雀搜索算法(Improved Sparrow Search Algorithm, IMSSA)寻优最佳阈值组向量，提升了图像分割效果。IMSSA在算法改进方面，首先采用Tent映射初始化种群，增强种群多样性；然后利用精英反向学习方法提升搜索能力；最后通过改进的高斯扰动策略增强全局和局部搜索能力。字符识别模型改进了LeNet-5卷积神经网络的网络结构，并增强了激活和损失函数。实验表明，IMSSA在三类基准函数的测试中均表现更好，改进的LeNet-5卷积神经网络结构平均测试精度达到95.0%,识别过程仅2.3 s。该模型耗时少、精度高，满足实时与准确性要求。

关键词: 图像分割; 麻雀搜索算法; Tent映射; 精英反向学习; 高斯扰动; LeNet-5; 迁移学习

中图分类号: 

• TP18

• TP391.41

• TG142