基于ARM的手寫數(shù)字識別系統(tǒng)設(shè)計與實現(xiàn)

王良田

摘 要：ARM手寫數(shù)字識別系統(tǒng)在嵌入式平臺以神經(jīng)網(wǎng)絡(luò)框架作對卷積神經(jīng)網(wǎng)絡(luò)進行有效的創(chuàng)建，一般情況下通過手寫數(shù)字數(shù)據(jù)集對神經(jīng)網(wǎng)絡(luò)進行訓練，以此達到有效的設(shè)計。此外，在對該系統(tǒng)設(shè)計過程中，需要對該系統(tǒng)的理論實施有效的分析，從而達到設(shè)計要求。由于嵌入式平臺的計算能力不高，可以輔助利用PC機資源對進行訓練，把訓練結(jié)果再導入ARM嵌入式平臺中，其中ARM處理器具有性能好、功率低以及功能強大等優(yōu)勢，從而在市場當中具有很大的占有率。本文通過對ARM手寫數(shù)字識別系統(tǒng)的理論分析，并對ARM手寫數(shù)字識別系統(tǒng)要點進行探究，從而能夠使達到自動識別手寫數(shù)字的作用，以此提出來幾點建議，僅供參考。

關(guān)鍵詞：ARM系統(tǒng)；手寫數(shù)字識別系統(tǒng)

前言

在人們的生活當中，使用最廣泛的就是數(shù)字符號，然而對于手寫數(shù)字更是很好的應用在了考試以及賬單等諸多的生產(chǎn)生活當中。如果在生產(chǎn)生活當中，通過運用自動化手寫數(shù)字的識別，那么在很大程度上能夠有效的解決人工識別的效果。但是手寫數(shù)字識別系統(tǒng)在實際使用當中，存在著很多的技術(shù)難點和進度難點。在對ARM手寫數(shù)字識別系統(tǒng)，進行設(shè)計的過程當中，通過采用計算機網(wǎng)絡(luò)作為識別算法，然后在通過結(jié)合攝像機采集圖像技術(shù)，從而能夠達到自動識別手寫數(shù)字的作用。

一、ARM手寫數(shù)字識別系統(tǒng)的理論分析

（一）信息集

信息集，是一個能夠進行手寫數(shù)字模板的手寫數(shù)字信息集。這個信息集憑借具有80000個能夠用于訓練以及15000個能夠用于測試的測試集的示例。能夠?qū)γ恳粡埶夭牡?2x32個白色像素值構(gòu)成的矩陣，然而這些矩陣同時都對應著每一個標簽，也就是素材上面的符號。

（二）手寫數(shù)字進行區(qū)分

手寫數(shù)字識別，是一個非常繁瑣的系統(tǒng)，在對其進行設(shè)計的過程當中，通過設(shè)計出穩(wěn)定的網(wǎng)絡(luò)，然后輸入素材在目標分類上的最大概率，從而這樣就能夠?qū)崿F(xiàn)區(qū)分目的。信息集上的每一張照片是一張手寫的阿拉伯數(shù)字，這些數(shù)字表示0-9當中的一個數(shù)字。為了能夠準確的得到任意一個照片屬于某一個分類的得分值e，可以用具體的公式進行表達：

（1）

將公式（1）輸入到帶分析圖片x的數(shù)字i的類別的得分值ei當中，其中wi表示計算機網(wǎng)絡(luò)層當中的權(quán)重值，j表示給定照片x像素引用于像素求和，bi表示數(shù)字i雷的偏差值[1]。從而得到了得分值，這時候就能夠利用數(shù)學函數(shù)將得分值進行轉(zhuǎn)化成概率的大小pi其公式為：

Pi=Softmax（e） （2）

通過將數(shù)學函數(shù)計算得到的數(shù)據(jù)輸入到照片在每一個目標分類的概率值，如果全部的輸出概率集都是p。在其中找出最大的概率值P=max（p），這樣p就是所對贏得類型及時模型所屬的類別[2]。

二、開發(fā)平開結(jié)構(gòu)

設(shè)備終端是一個嵌入式系統(tǒng)，它是運行系統(tǒng)，而且也是一個應用軟件綜合體。本文設(shè)計的手寫數(shù)字識別系統(tǒng)需要能讓顯示系統(tǒng)對信息進行反饋，然后接受用戶的具體操作。ARM處理器通過對相應的程序邏輯進行處理，能夠?qū)崿F(xiàn)和相應的程序邏輯進行結(jié)合，其次，在對存儲參數(shù)和以往記錄進處理，能夠?qū)崿F(xiàn)對網(wǎng)口和PC聯(lián)機進行相應的調(diào)試以及測試。通過對該系統(tǒng)進行調(diào)試，能夠降低系統(tǒng)的開發(fā)難度，從而為相關(guān)設(shè)備的各個功能進行有效的管理。整個系統(tǒng)主要是以ARM芯片作為該系統(tǒng)的關(guān)鍵，通過把嵌入式操作系統(tǒng)安裝在硬件平臺上，能夠很好的屏蔽硬件結(jié)構(gòu)上的差異，這樣能夠讓軟件代碼的編寫和模塊進行反復的使用。同沒有安裝操作系統(tǒng)的硬件系統(tǒng)相比，其最大的長處就是能夠充分的利用這個平臺上已經(jīng)做好的函數(shù)數(shù)據(jù)庫以及其它模塊，而且在很大程度上能夠把很多瑣碎的硬件細節(jié)操作，通過系統(tǒng)進行完成，從而降低了人員工作的重復性，這樣能夠讓開發(fā)者把大量的時間放在具體的應用設(shè)計上，這樣能夠加快對ARM的手寫數(shù)字識別系統(tǒng)開發(fā)的速度[3]。

三、基于ARM的手寫數(shù)字識別系統(tǒng)的軟件及硬件設(shè)備

（一）系統(tǒng)硬件

本文對于硬件的開發(fā)主要是在三星硬件的平臺上進行的，硬件設(shè)備主要包括中央處理器、存儲器設(shè)備、外接按鍵以及USB接口等。

然而硬件系統(tǒng)主要以芯片作為關(guān)鍵，所配備的大容量存儲器能夠很好的滿足運行操作系統(tǒng)以及對各種圖像的處理程序的需要。隨著科學技術(shù)的不斷發(fā)展，電阻是觸摸顯示屏替代了PC上輸入設(shè)備的位置，在系統(tǒng)中被變成了鼠標應用程序的使用[4]。

液晶顯示屏是最常用的圖形輸出設(shè)備，在使用的過程中能夠直接向用戶展示圖形的界面。LCD顯示屏一般都是和幀緩存設(shè)備結(jié)合進行使用，這樣系統(tǒng)就能夠定時的把幀緩存中的內(nèi)容傳送到LCD顯示屏進行更換屏幕內(nèi)容。該系統(tǒng)內(nèi)部中具有LCD控制裝置，能夠好的支持STN和TFT等兩種類型的液晶顯示屏。LCD控制裝置能夠依據(jù)垂直和水平像素、刷新率和數(shù)據(jù)線大縣進行編程，能夠支持各種所需要的屏幕。文章通過選用640x320倍的像素的5.6英寸STN液晶顯示屏。該系統(tǒng)的LCD 控制裝置能夠直接用來輸送在幀緩存中的視頻信息以及產(chǎn)生的控制信號。該系統(tǒng)能夠很好的支持STN和TFT兩種類型的LCD以及觸摸顯示屏，而且還能和他們進行連接，這時就需要用接口班進行啟動LCD顯示屏，才能夠正常的使用[5]。

（二）人工神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元之間的連接方式能夠體現(xiàn)出神經(jīng)元之間的結(jié)構(gòu)，它直接決定著神經(jīng)元之間的處理信息以及各個神經(jīng)元的性質(zhì)的能力。依據(jù)神經(jīng)元之間的連接方式，可以把神經(jīng)網(wǎng)絡(luò)分為前向神經(jīng)網(wǎng)絡(luò)以及反饋神經(jīng)網(wǎng)絡(luò)，然而本文采用的網(wǎng)絡(luò)就是前向式神經(jīng)網(wǎng)絡(luò)的一種類型。反向傳播神經(jīng)網(wǎng)絡(luò)能夠?qū)Ψ蔷€性可微分函數(shù)進行鍛煉的多層網(wǎng)絡(luò)，在人工神經(jīng)網(wǎng)絡(luò)中的應用中，大部分神經(jīng)網(wǎng)絡(luò)模型都可以使用前向式神經(jīng)網(wǎng)絡(luò)的形式，而且它也是前向神經(jīng)網(wǎng)絡(luò)的重要部分，從而體現(xiàn)出了人工神經(jīng)網(wǎng)絡(luò)最有用的部分。

四、基于ARM的手寫數(shù)字識別系統(tǒng)的實現(xiàn)

（一）基于BP神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別

在進行手寫數(shù)字識別的過程當中，應該先獲取樣本，對圖像進行預處理獲得點陣圖像，在選取圖像特征之后，應該及時的把圖像特征輸入到神經(jīng)網(wǎng)絡(luò)中，經(jīng)過訓練就能夠獲得輸出，如果沒有獲得預期的期望效果忙活著計算錯誤，這時就可以及時的調(diào)整神經(jīng)網(wǎng)絡(luò)中的各個權(quán)值，一直到輸出滿意的期望為止。識別流程如圖1所示[6]。

（二）基于Matlab與Qt結(jié)合的手寫數(shù)字識別

通常來說，神經(jīng)網(wǎng)絡(luò)屬于特別復雜的算法，如若直接采用C/C++語言進行編程，雖然在運行的時候效率非常的高，但是卻很容易出現(xiàn)錯誤，一旦出現(xiàn)錯誤就很難進行修改。然而新的Matlab中附帶了C語言編程代碼，這樣從而為數(shù)學模式的快速應用打下了堅實的基礎(chǔ)。

Matlab數(shù)學軟件在使用的過程中，由于具有很強大的數(shù)學建模能力以及豐富的數(shù)據(jù)庫支持，目前已經(jīng)成算法研究、仿真技術(shù)以及工程應用等領(lǐng)域，從而成為了影響力很強的軟件，目前全世界大部分科學家以及工程師都采用Matlab進行進行研發(fā)。在傳統(tǒng)的算法中，相關(guān)的設(shè)計人員都是先在Matlab數(shù)學軟件環(huán)境中，對目標進行仿真建模，同時進行試驗測試。然后確定模型之后，在直接用手把Matlab數(shù)學軟件中的模型直接翻譯成硬件或者相關(guān)如軟件進行實現(xiàn)，這樣不僅增加了工作人員的工作量，而且在使用的過程中，也很容易出現(xiàn)錯誤。隨著軟件技術(shù)的不斷進步，Matlab數(shù)學軟件能夠直接把仿真模型裝換成實際產(chǎn)品的技術(shù)手段。

五、結(jié)語

總之，通過對ARM手寫數(shù)字識別系統(tǒng)的構(gòu)建，已經(jīng)能夠進行手寫數(shù)字識別運用。以外，ARM手寫數(shù)字識別系統(tǒng)在使用過程中具有體積小、低功耗、低成本等特點，具有較好的應用效果，以此可有效體現(xiàn)出系統(tǒng)價值。除此之外，隨著有存在著一些弊端，但是，該系統(tǒng)在實際運行的過程中指令執(zhí)行速度快，并且尋址方式靈活，同時執(zhí)行效率比較高。所以該系統(tǒng)的改進是以后關(guān)注的重點。

參考文獻：

[1]陳巖， 李洋洋， 余樂， et al. 基于卷積神經(jīng)網(wǎng)絡(luò)的手寫體數(shù)字識別系統(tǒng)[J]. 微電子學與計算機， 2018（2）：71-74.

[2]李斯凡， 高法欽. 基于卷積神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別[J]. 浙江理工大學學報， 2017， 37（3）：438-443.

[3]張紅， 馬靜. 基于卷積神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別算法[J]. 電子技術(shù)與軟件工程， 2017（22）：176-176.

[4]陳巖， 李洋洋， 余樂， et al. 基于卷積神經(jīng)網(wǎng)絡(luò)的手寫體數(shù)字識別系統(tǒng)[J]. 微電子學與計算機， 2018（2）：71-74.

[5]陳玄， 朱榮， 王中元. 基于融合卷積神經(jīng)網(wǎng)絡(luò)模型的手寫數(shù)字識別[J]. 計算機工程， 2017， 43（11）：187-192.

[6]劉文杰， 吳剛. 基于ARM9的手寫體數(shù)字識別技術(shù)設(shè)計與實現(xiàn)[J]. 計算機與數(shù)字工程， 2013， 41（9）：1498-1500.