关键词：早教机器人;机械臂;BPNN;数字识别;海鸥优化算法
摘 要：针对当前早教机器人的数字图像识别分类方法精度较低，导致出现早教机器人的机械臂数字书写的准确率不够理想的缺陷，研究提出一种智能模型对其进行改进。首先，基于一种鲸鱼优化算法(Whale optimization algorithm, WOA)改进的脉冲耦合神经网络(Pulse coupled neural network, PCNN)实现数字图像预处理；然后结合WOA和海鸥优化算法(Seagull Optimization Algorithm, SOA),以对SOA的性能进行改进；最后，利用改进的SOA对BP神经网络(BP neural network, BPNN)进行改进。结合上述内容，构建基于改进BPNN的数字图像识别分类模型，提升早教机器人的机械臂书写数字的准确率。结果显示，在应用该模型后，早教机器人的数字书写准确率为98.61%,比其他模型高7.53%～10.18%。因此，研究提出的方法能够有效提升早教机器人的机械臂书写数字的准确率，为儿童早教提供新的路径。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取