УДК 004.93
DOI: 10.36871/26189976.2026.05-3.007

Авторы

Тхи Тху Нгуен,
Университет Шао-До, Чу Ван Ан, Хайфон, Вьетнам
Римма Солтановна Зарипова,
Казанский государственный энергетический университет, Казань, Россия
Рафит Ренатович Набиев,
Казанский национальный исследовательский технологический университет, Казань, Россия

Аннотация

В эпоху цифровых технологий машинное обучение находит широкое применение во многих областях, таких как распознавание лиц, языковой перевод, самоуправляемые автомобили и рекомендательные системы. Одной из важных возможностей машинного обучения является распознавание рукописного текста, которое помогает преобразовать рукописный текст в цифровую форму, поддерживая процесс оцифровки документов, хранения и эффективного поиска информации. В этой статье представлены методы использования языка Python для создания системы распознавания рукописного текста, объединяющей такие библиотеки, как OpenCV, TensorFlow и Scikitlearn. Процесс распознавания включает предварительную обработку данных, извлечение признаков и использование моделей машинного обучения, таких как KNN, SVM и свёрточные нейронные сети (CNN). Результаты исследования показывают, что модели глубокого обучения, особенно CNN, достигают более высокой точности, чем традиционные методы. Данная система имеет потенциал для широкого применения в сфере образования, финансов, документооборота и т.д.

Ключевые слова

искусственный интеллект
машинное обучение
обработка естественного языка
Scikit-learn
OpenCV
TensorFlow
SVM
CNN
нейронные сети
Python

Список литературы

[1] Дронина А. А., Зарипова Р. С. Применение системы машинного зрения для распознавания данных об электрооборудовании // Энергетика, инфокоммуникационные технологии и высшее образование: международная научно-техническая конференция. Том 1. Казань, 2023. С. 382-386. EDN FJOZLS.

[2] Дыдалин Г. Д., Хамидуллин А. И., Зарипова Р.С. Интеллектуальная система распознавания иероглифов как инструмент для изучения языков // Казанская наука. 2025. № 3. С. 283-285. EDN RJFNBW.

[3] Курбанов Б., Катасев А.С. Интеллектуальная система распознавания на основе свёрточной нейронной сети // Моделирование энергоинформационных процессов: сборник статей XII национальная научно-практическая конференция с международным участием. Воронеж, 2024. С. 175-180. EDN DHPGHZ.

[4] Майорова Е. С. Решение задачи переноса стиля на изображения с использованием нейронных сетей / Е. С. Майорова, Р. С. Зарипова // Научно-технический вестник Поволжья. 2023. № 11. С. 228-230. EDN UWCPKE.

[5] Сабиров А. И., Минниханов Р. Н., Катасёв А. С., Мустафин Р. И. Нейросетевая система распознавания дорожных знаков // Вестник Технологического университета. 2024. Т. 27. № 1. С. 87-91. EDN RXVTDA.

[6] Система распознавания рукописного текста / А. В. Гришаев, Е. Н. Шитов, Н. Д. Бурьян [и др.] // Математика и математическое моделирование: Сборник материалов XVIII Всероссийской молодёжной научно-инновационной школы. Саров: ООО «Интерконтакт», 2024. С. 391-392. EDN BPQZWD.

[7] Шурдилов И. С. Разработка системы распознавания эмоций по лицевым выражениям на основе машинного обучения / И.С. Шурдилов, М.Г. Нуриев, М.Г. Лаптева [и др.] // Международный научно-исследовательский журнал. 2025. №6 (156). С. 98. DOI: 10.36871/26189976.2026.05-3.007 EDN RLQBPU.

[8] Юсупова Р. М., Пырнова О.А. Применение технологий искусственного интеллекта для оцифровки, анализа и визуализации культурного наследия // Цифровые системы и модели: теория и практика проектирования, разработки и применения: материалы национальной (с международным участием) научно-практической конференции. Казань, 2024. С. 1222-1226. EDN BMFHZS.

[9] Ammar Tahir, Adil Pervaiz. Hand written character recognition using SVM. Pacific International Journal. 2020. Т. 3(2). С. 59-62.

[10] Cole Stryker. AI Models [Электронный ресурс]. URL: https://www.ibm.com/think/topics/ recurrent-neural-networks (дата обращения: 10.01.25).

[11] Da-Cheng Juan, Sujith Ravi. Introducing Neural Structured Learning in TensorFlow. 2019. URL: https://blog.tensorflow.org/2019/09/introducing-neural-structuredlearning.html?hl=vi&_gl=1*1bfbbhs*_ga*MTA5NDE2MjYzOC4xNzQwMzE5Njg3*_ga_ W0YLR4190T*MTc0MDM xOTY4Ni4xLjEuMTc0MDMxOTc1Ni4wLjAuMA (дата обращения: 05.01.26).

[12] Lecun Y., Bottou L., Bengio Y. and Haffner P. Gradient-Based Learning Applied to Document Recognition. Proceedings of the IEEE. Vol. 86, Iss. 11. 1998. Pp. 2278 – 2324. DOI: 10.1109/5.726791.

[13] Meheniger Alam, Tamanna Akter, Arshadul Islam Sourav, Alimul Rajee. Hand Writing Recognition. Technical Report, 2023. DOI: 10.13140/RG.2.2.16113. 04965.

[14] Phuc Hau Nguyen. Research on Signature Recognition Method Based on Deep Learning Technique in Python Language, RT&A, №2 (84), Vol. 20.

[15] Zachary C. Lipton, John Berkowitz, Charles Elkan. A Critical Review of Recurrent Neural Networks for Sequence Learning. Carnegie Mellon University. 2015.