为了实现高速钢轨焊接过程的质量控制、过程管理和产品追溯,在钢轨生产过程中需要向工厂ERP系统中录入钢轨轨腰轧制的有关钢轨炉号、轨体编号等信息。现有解决方案是采用人工录入,操作繁琐,劳动强度大且容易出错。采用自动字符识别技术有利于提高效率,降低操作人员的劳动强度。在焊轨基地复杂生产条件下,轨腰字符动态识别难度比普通光学字符识别难度更大,为了克服由于环境影响和钢轨自身污染引起的动态识别难题,本文设计了基于3D激光传感器的高速钢轨炉号自动字符识别的数据采集系统及其相关硬件结构,并采用MVTEC HALCON图像处理接口,结合C#高级编程语言完成了图像重构算法的设计和字符识别软件的开发,实现了钢轨炉号的在线动态识别。本文主要研究内容有:(一)针对高速钢轨自身污损情况严重、字符图像难提取和图像采集实时性等问题,选择3D激光传感器作为图像采集设备。通过数据拼接完成了钢轨轮廓点云信息的重构,采用形状匹配算法获取钢轨炉号字符的图像。(二)以HALCON算子作为图像处理算法的核心,分别对钢轨炉号字符图像使用均值滤波、变结构元中值滤波、高斯滤波、阈值分割、变结构元形态学处理、区域特征提取等进行预处理,对比预处理阶段不同算法对字符图像处理的结果,得出最佳图像预处理步骤和方法,完成了字符图像处理过程算法的设计。(三)通过比较几种不同识别分类器,使用多层神经网络(MLP)算法作为字符识别算法,提取多个归一化字符特征,并使用反向传播训练钢轨炉号字符库,提高了钢轨炉号字符识别的准确率和置信率。(四)结合C#与HALCON编程语言的特点,分析两种语言结构,实现了HALCON图像处理软件和C#语言的混合编程,完成了钢轨炉号检测软件的开发。实际运行结果表明,该系统能在钢轨生产现场可靠运行,炉号字符一次识别率可达95%。