在对桶装固体核废料进行检测时,需要人工记录下核废料固体废物存储桶上的编码来进行分类。在此过程中,核废料产生的辐射会对人体造成一定的伤害,同时也不利于经济效益的提升。因此,若能对核废料固体废物存储桶上的编码进行准确识别,实现工业场景下的无人化、智能化,不仅能减少繁琐危险的人力劳动,还能有效提高效率,节省社会资源。本文针对废物存储桶编码全自动识别这一特定应用需求展开深入研究。具体的研究内容和成果如下:（1）研究并实现了一种基于Tesseract的废物存储桶编码全自动识别方法。首先,利用工业相机对准旋转平台上的废物存储桶,在其旋转一周的过程中采集序列图像数据并进行预处理,包括图像去噪、图像二值化、基于连通域的区域筛选等步骤,从而将编码区域从背景图像中分割出来;其次,采用Tesseract光学字符识别技术检测出编码区域内的字符;最后,提出一种扫描线式的编码排序方法,去除序列图像中的冗余编码并进行正确排序,从而实现废物存储桶编码的全自动识别。该方法识别效率较高,旋转过程中采集的图像中的编码可实时识别,在废物存储桶停止旋转后1秒内便可得出正确的编码,从而在流水线作业时达到实时分类的目标。（2）设计了一种基于CNN的废物存储桶编码识别网络模型。该网络模型输入层图像大小设置为16×16像素,卷积层数设置为3层,卷积核大小全部设为3×3,同时在卷积层1、卷积层2、卷积层3分别堆叠32、64、64个卷积核;此外,每个卷积层后均增加批归一化层,选用带泄露线性整流函数（Leaky Re LU）作为激活函数。识别废物存储桶编码时,首先利用一种引入注意模块的CRAFT算法进行编码定位与分割;之后,将定位的编码送入废物存储桶编码识别网络中进行识别;最后,基于扫描线式的编码排序方法,去除序列图像中的冗余编码并进行正确排序,从而实现废物存储桶编码的全自动识别。（3）研制了一套流水线上作业的废物存储桶编码全自动识别系统。搭建了废物存储桶编码识别系统硬件平台,并采用Python语言开发了软件系统。该系统内部封装了本文所提出的两种废物存储桶编码识别算法,可实现编码定位、识别与排序等功能,从而实时全自动识别出流水线上作业的废物存储桶的编码。最后,在实际应用环境条件下对本系统进行了测试验证,实验结果表明,基于Tesseract的废物存储桶编码全自动识别算法的准确率达到92%,基于废物存储桶编码识别网络模型的废物存储桶编码全自动识别算法的准确率达到96%。