1. 研究目的与意义
现如今数字识别技术在现实生活中应用广阔，例如交通部门所用的车牌识别系统，智能手机的手写模式系统等，无不是利用了数字识别技术。数字识别技术给人们的生活带来了许多便利。大学物理实验报告册的成绩录入是实验教师学期末承担的工作之一，工作量大、繁琐、易出错，为减轻教师负担，我们设计了一种“大学物理实验报告册成绩自动识别及录入系统”，使用CCD采集物理实验报告册图像，提取其中的成绩部分，并利用手写数字识别技术对老师打出的成绩进行识别，最后录入excel表格，实现了实验报告册成绩的自动识别和录入，减轻了教师在期末统计成绩的压力。
但是成绩的录入非常讲求正确性，所以对于识别度要求特别高，但是传统数字识别方法中，模版法只能适用于印刷体数字；统计决策法很难反映模式的精细结构特征；句法结构法抗干扰能力太弱等。神经网络是一种由简单单元组成的具有适应性的广泛并行互连的网络，其组织能够对真实世界物体做模拟生物神经系统的交互反应。神经网络已经成为一门比较重要的交叉性学科，被广泛应用于智能控制、模式识别、辅助决策、信号处理和计算机视觉等领域。BP(Back Propagation )神经网络在各门学科领域中都有非常重要的实用价值，也是在模式识别中应用最广泛的一种人工神经网络，它具有很强的自学习、自适应能力以及非线性逼近能力。由于基于误差梯度下降的BP算法易于陷入局部极小点而不收敛，目前，已经有很多学者对BP算法进行了研究，并针对它的这些缺陷提出了一些改进方法 。本文中采用BP神经网络进行手写体数字识别，应用网络极强的非线性数据处理能力和容错能力，仅需要把经过预处理和特征提取的大量样本数据矩阵输入给网络就可以得到数字类别输出。并对传统BP神经网络进行了一些改进，达到高准确率的要求。
2. 研究内容和预期目标
为了实现大学物理实验报告册成绩识别及录入，我设计了一个系统包括拍摄装置（ccd）和识别系统。该课题主要研究的是识别系统。识别系统主要分为对数字的学习过程和识别过程。研究内容如下两个过程：
1.学习过程是对个人手写数字，将其放入bp神经网络中学习和训练。(对不同字体的字体识别前都需要经过学习和训练过程，提高识别的准确率。）
2.识别过程是对ccd采集成绩部分的图片进行灰度化，二值化和去除边框的处理，然后对得到多个数字的图片进行二次分割，分割成单个数字的图片，从而转化为二进制矩阵，通过bp神经网络预先训练好的字体，对二进制矩阵进行对比识别，识别出成绩和学号自动录入excel表格，完成录入
3. 研究的方法与步骤
本作品采用的是利用bp神经网络对数字提前训练，然后再通过已训练好的系统进行对比识别，进而识别录入。具体步骤如下：
1.掌握图像处理的基本原理；
2.掌握matlab编程；
4. 参考文献
[1] 闻新，李新，张兴旺 等.应用matlab实现神经网络[m].北京:国防工业出版社，2015，96-98.
[2] 马正华，薛国新.bp神经网络训练算法的改进[j].江苏理工大学学报，2000,21(1):79-82.
[3] 王璇，薛瑞.基于bp神经网络的手写数字识别的算法[j].自动化应用与技术，2014，33（5）：5-10.
5. 计划与进度安排
（1）（2017年3月1日~3月8日） 查阅相关文献，了解更多实验相关背景
（2）（2017年3月8日~3月15日） 识别系统的整体设计
（3）（2017年3月16日~3月21日） matlab相关知识学习
