現(xiàn)有的數(shù)字識別算法多是對單一類型數(shù)字進行識別，無法應對識別多源數(shù)字。針對包含手寫體數(shù)字與數(shù)碼管數(shù)字的字符識別場景，提出一種基于改進卷積神經(jīng)網(wǎng)絡（ CNN）的多源數(shù)字識別算法。首先，使用從數(shù)顯儀表生產(chǎn)企業(yè)現(xiàn)場采集的樣本，結合MINIST數(shù)據(jù)集，建立起包含手寫體和數(shù)碼管的混合數(shù)據(jù)集；然后，考慮更好的魯棒性，提出一種改進的CNN，并用上述混合數(shù)據(jù)集對其訓練，實現(xiàn)了一個網(wǎng)絡識別多類型數(shù)字；最后，訓練好的神經(jīng)網(wǎng)絡模型被成功應用于RoboMaster機甲大賽的多源數(shù)字識別場景中。測試結果表明，所提算法整體識別準確率穩(wěn)定且較高，具有較好的魯棒性和泛化能力。

　　隨著經(jīng)濟的發(fā)展和社會的進步，生活中數(shù)字的應用越來越廣泛，使用場景也越來越豐富，對應的自然場景數(shù)字識別需求也迅速增長，其中也有多種類型數(shù)字混合的場景識別需求。例如，電測量數(shù)字顯示儀表的印刷電路板檢測中，板載電子元器件上有多種不同類型阿拉伯數(shù)字，儀表上電顯示的數(shù)字為八段數(shù)碼管。又如，圖1（a）所示的報銷單識別中，單據(jù)既包含打印體的金額、日期編號等信息，又包含修改的數(shù)量、金額等手寫數(shù)字信息。因此，研究多種類型混合數(shù)字的識別有較高的現(xiàn)實意義和經(jīng)濟價值。