光学字符识别技术(即OCR)是指将扫描仪或者数码相机等电子设备拍摄所得到的图片进行转化变成以黑白点阵为基础的图像文件,再通过一些特殊特征从而用计算机翻译得到图像中所需要的内容,把图像转化成计算机文字的过程。人工智能,模式识别之中,光学字符识别技术都是重要组成部分。在智能化的今天,这项技术已经越来越受到重视并开始流行于很多领域,如车牌识别中对行驶的车辆上的车牌号进行识别,从而得到车辆经过的有用信息,指纹识别中通过对指纹的识别判断人的信息,人脸识别也是如此,光学字符识别技术甚至在军事、军工方面都有着巨大的作用。本文所研究的识别技术是基于钢铁行业在当今社会趋于人工智能化所产生的一种字符识别。字符识别中软件部分的步骤有四个部分,包括去模糊与预处理,钢坯字符定位处理,钢坯字符切分处理和钢坯字符识别。本文主要研究生产线上钢坯字符识别系统中定位和切分方面的一些问题,在温度过高,光照条件不足,钢坯在动平台上移动不稳定,钢坯字符端面喷印不标准等生产线复杂场景的干扰下,本文在原有钢坯识别系统的基础上对生产线进行了图像采集与测试,发现并找出问题,并对系统中钢坯字符定位和钢坯字符切分的方法做了改进,使字符识别顺利的进行,提高识别的速率和正确率进而提高生产水平。该研究的内容基于武汉钢铁集团重轨钢坯生产线,在生产线中需要把每一个钢坯的流动记录下来,钢坯端面有钢坯号,钢种号和钢流号三行白色字符,并且有很多其他干扰的白色小点。钢坯识别系统要做的就是识别端面字符信息。代替人的眼睛,把人力替换成计算机的运算,提高生产效率就是钢坯识别系统所希望达到的结果。钢坯生产线中有很多影响识别的干扰,处理起来比较复杂,这就是本文所要克服的难点。针对以上这些难点,本文在原有钢坯识别系统的基础上,对多个钢坯识别步骤上进行测试,发现并改进不足,在钢坯字符定位上,本文从另一个思路上对钢坯字符定位进行了改进,研究了一种基于特征方差的定位方法,通过钢坯号字符的高宽比的特征方差筛选连通域,并且根绝这些筛选的连通域的位置信息是否在一条直线上为判断依据,从而定位钢坯号。在钢坯字符倾斜校正上通过上述钢坯字符定位方法找到的钢坯号连通域位置信息,对字符倾斜进行校正。在钢坯字符识别系统中的切分阶段,本文在普通字符投影切分的基础上加入了一种新的循环机制,以钢坯号字符个数始终为八个为基础,研究了一种基于双终止条件的切分算法,该方法对粘连字符和钢坯号附近干扰噪声影响切分方面的问题都有很好地针对性,大大的提高了这类问题的切分正确率。在钢坯字符识别步骤中,文章研究了一种特征识别与模板识别相结合的识别方法,在模板库较大的情况下,可以提高识别所消耗的时间。在该方法的基础上还扩展了一种基于二值化字符腐蚀与斑点检测相结合的特征识别的方法。文章的最后对整个系统进行了分析,并且对还存在的一些缺陷进行了分析,同时对整个识别系统的平台进行了完善,进行了大量实验,实验证明经本文改进方法之后的识别正确率在97%以上,并且具有稳定性。