Adaptacyjna metoda uczenia maszynowego w systemach klasyfikacji i sortowania przesyłek pocztowych

• Autorzy: Mirosław Miciak , Roman Wiatr , Rafał Boniecki

Warianty tytułu

The Adaptive Machine Learning Method For Postal Sorting Systems

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono metodę adaptacyjnego uczenia maszynowego do rozpoznawania i przetwarzania obrazów w procesach automatycznego opracowywania przesyłek pocztowych. Ze względu na proces automatycznego rozpoznawania adresu, najistotniejszy segmentem linii jest zintegrowana maszyna czytająca z wideokodowaniem za pomocą modułu optycznego rozpoznawania znaków automatycznie odczytuje adres przesyłki. Mała sprawność tego modułu podnosi koszty i zmniejsza przepustowość całego systemu opracowania przesyłek. Zaproponowano metodę bazującą na wydzielaniu cech znaków na podstawie analizy z wykorzystaniem zbiorów przybliżonych. Natomiast dane z procesu wideokodowania pozwalają na aktualizację bazy wzorców poszczególnych klas znaków. (abstrakt oryginalny)

EN

In this paper we present a method of adaptive machine learning to recognize images in the automatic process of mail sorting. Due to the automatic address recognition, the most important segment of this proces is address reading through optical character recognition module. Low efficiency of this module raises costs and reduces the throughput of the system. Proposed a method based on the character features obtained on the basis of rough sets analysis. However, data from the video coding allow you to update the database patterns of individual character classes. (original abstract)

Słowa kluczowe

PL

Maszyny i urządzenia; Poczta

EN

Machinery and equipment; State post

• Czasopismo: Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą
• Rocznik: 2011
• Tom: 47
• Strony: 184--195

Twórcy

autor

Mirosław Miciak

• Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

autor

Roman Wiatr

• Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

autor

Rafał Boniecki

• Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

Bibliografia

• Bouchaffra D., Govindaraju V., Srihari S., 1999. Recognition of strings using nonstationary Markovian models: an application in ZIP code recognition. IEEE Computer Society Conference on Computer Vision and Pattern Recognition 2, s. 2174-2183.
• Chaberek M., 2002, Makro- i mikroekonomiczne aspekty wsparcia logistycznego. Wydawnictwo Uniwersytetu Gdańskiego.
• Filatov A., Volgunin A., 1997. Handwritten ZIP code recognition. ICDAR 4, s. 766-770.
• Forella G., 2000. Word perfect, Postal Technology. UKIP Media & Events Ltd. UK.
• Ishikura T., Adachi T., 1999. Video Coding technology for postal automation system: Special issue on postal automation technology. NEC research and development 40, Tokyo, s. 176180.
• Maszewski M., Miciak M., 2006. Rozpoznawanie danych teleadresowych z wykorzystaniem współczynników Fouriera i zespolonej dyskretnej transformacji falkowej opartej na projekcji. Techniki Przetwarzania Obrazu. s. 381-386.
• Michalski K., 2004. Rola centrum ekspedycyjno-rozdzielczego w kreowaniu wartości sieci logistycznej Poczty Polskiej, Instytut logistyki i Magazynowania, Poznań.
• Miciak M., Marchewka M., 2004. The recognition of postal code using Fourier transform method., XII Konferencja Sieci i Systemy Informatyczne, Łódź, s. 461-468.
• Mitsu Y., Tatsuro S., Isao Y., 1994. A recognition system for Japanese Zip code using Arc features. IEICE Transactions on Information and Systems. s. 810-816.
• Bok-Suk Shin., Effective feature extraction by trace transform for insect footprint recognition, Bio-Inspired Computing: Theories and Applications 2008, s. 97-102.
• Petrou M., Piroddi R., Talebpour A., Texture recognition from sparsely and irregularly sampled data, Computer Vision and Image Understanding archive, 2006, s. 95-104.