VII 016 Artigo 2013 Autor
Marlito Pereira de Andrade, B.Sc ( UCAM- Campos – RJ / Unes - ES) – marlitopa@gmail.com
Italo de Oliveira Matias, D.Sc ( UCAM- Campos – RJ) - italo@ucam-campos.br
Ubiratan Roberte Cardoso Passos B.Sc ( UCAM- Campos – RJ / Unes - ES) – upassos@gmail.com
Resumo: O objetivo central deste projeto é demonstrar o uso das Redes Neurais Artificiais para reconhecer conjuntos de símbolos de caracteres ópticos. A dificuldade clássica de reconhecer corretamente símbolos ópticos é a complexa irregularidade entre representações gráficas do mesmo caracter devido as variações em fontes, estilos e tamanhos. Esta irregularidade, sem dúvida, aumenta quando se lida com caracteres manuscritos. Uma técnica emergente nesta área de aplicação particular é o uso de Redes Neurais Artificiais. Tais redes podem ser alimentadas com dados a partir da análise gráfica de imagem de entrada e treinadas para caracteres de saída em uma ou mais formas. Para reconhecimento óptico dos caracteres empregou-se Redes Neurais Artificiais Perceptrons Multicamadas (MLP), cuja capacidade de generalização e adaptabilidade são características importantes para o problema em questão. A rede foi treinada e testada no software desenvolvido para o trabalho na linguagem de programação C#, com um número de tipo de fonte amplamente utilizado no alfabeto latim. Os resultados obtidos foram satisfatórios, com taxa de acerto superior a 95%.
Palavras-chaves: Reconhecimento óptico de caracteres; OCR(Optical Character Recognition);
Redes Neurais Artificiais (RNA); Perceptrons Multicamadas (MLP).
1
Introdução
Segundo Osório (1991), os sistemas de reconhecimento óptico de caracteres – OCR
(Optical Character Recognition) são sistemas desenvolvidos de certa forma para reproduzir a capacidade humana de ler textos. Além de servirem como uma forma alternativa de interação homem-máquina, os sistemas de reconhecimento de caracteres