Распознавание символьной информации используется не только в очевидных областях, где требуется перевод в электронной вид больших объемов текстовой информации, но и в областях, где объемы распознаваемой символьной информации малы, но обеспечивают удобство ее обработки или открывают новые подходы к решению старых задач. Например, распознавание рукопечатных символов при автоматической обработке бланков (ЕГЭ, налоговые декларации, почтовые отправления), распознавание символьной информации (номера автомобилей, вагонов, контроль правильности нанесение маркировки, сортировка продукции, автоматический учет по инвентарному номеру).
Задача распознавания символьной информации возникает практически везде, где человек сталкивается с необходимостью автоматизированной компьютерной обработки однотипных документов или объектов с символьной информацией, поэтому требуется развитие и усовершенствование систем распознавания символьной информации. Вышеперечисленные факторы определяют актуальность.
В статье представлены диаграмма вариантов использования и диаграмма деятельности, разработанные c помощью языка моделирования UML. [1].
На диаграммах вариантов использования изображаются актеры и варианты использования, между которыми существуют отношения.
Разработанная диаграмма вариантов использования представлена на рисунке 1.
Рисунок 1 – диаграмма вариантов использования
Диаграмма показывает как работает система и какие процессы происходят внутри системы .
Разработанная диаграмма деятельности представлена на рисунке 2.
Рисунок 2 – диаграмма деятельности
Диаграмма деятельности показывает разложение некоторой деятельности на её составные части
Данная диаграмма позволяет избежать появлению ошибок при проектировании системы .
Исследования в области распознавания символьной информации ведутся с 30-х годов 20 века, с каждым годом методы и программные средства совершенствуются, а область применения становится все обширней. Таким образом, тема статьи является актуальной.
Разработанные диаграммы позволяют выделить общие и функциональные требования к информационной системе распознавания символьной информации, а так же конкретизировать назначения и алгоритмы функционирования системы.
Библиографический список
- Щербаков, М.А. Нелинейная фильтрация с адаптацией к локальным свойствам изображения / М.А. Щербаков,А.П. Панов // Компьютерная оптика. – 2014. – Т. 38,№ 4. – С. 818-824
- Sowmya B., Sheelarani B., Colour Image Segmentation Using Soft Computing Techniques, International Journal of Soft Computing Applications,2015, Issue 4. –P. 69–80.
- Жашкова Т.В. Процедура идентификационно-структурного синтеза моделей для анализа критических состояний сложных систем // Современные проблемы науки и образования. 2013. № 6. – С. 55.
- Михеев М.Ю., Жашкова Т.В. Синтез обобщенной информационной модели нейросетевой идентификации распределенных информационных объектов // Современные информационные технологии. 2009. № 9. – С. 26-30.
- Жашкова Т.В., Михеев М.Ю., Роганов В.Р. Интеллектуальные системы и технологии. Учебно-методическое пособие. – Пенза, 2015. Часть 2
- Клюшникова М.С., Сидорова Ю.С., Жашкова Т.В. Современное состояние исследований в области построения систем мониторинга и контроля // Современные наукоемкие технологии. 2014. № 5-2. – С. 60-62.