信息技术发展为当前工业化建设提供了许多便利,作为钢材生产及消费大国,我国在钢厂的信息化管理方面还有待提高。钢厂中对钢坯材料进行正确编码和跟踪,对于钢铁制造业实现信息化管理和智能制造具有重要意义。然而,钢坯在生产到运用的周期较长,存在大量的材料储存和回收过程,现有钢厂大都是采用人工抄录的方法统计钢坯编号信息,提供给企业资源规划系统(Enterprise Resource Planning ERP)。人工检测效率低,劳动强度大,且易出现差错。因此本文将字符识别系统应用于钢坯跟踪管理,对实时采样的钢坯图像进行处理,定位及识别钢坯表面的喷印编号。本文首先描述当前场景字符识别技术中的定位及识别相关技术,针对当前复杂背景下的钢坯编号可能存在的多方向多个编号目标区域以及编号字符可能出现氧化脱落,字符粘连等情况,开展字符多目标定位及字符识别的关键技术研究,主要创新与研究内容如下:研究基于Faster-RCNN网络框架的目标检测方法来对复杂环境下的钢坯编号定位技术。通过对Ren Shaoqing提出的Faster-RCNN框架的分析,针对本文定位需求对网络结构做相应的改进,在区域建议网络(Region Proposal Network,RPN)模块中加入角度信息,并相应调整感兴趣区域(Region of interest ROI)池化层,调整网络训练参数,使得网络能定位到多方向的钢坯编号,对数据集进行扩展以提高网络检测精度,并使用现有网络权值对网络进行初始化,防止网络出现过拟合,进行相应的实验,采用目标检测中方法对定位结果进行评估。本文研究的定位方法能够准确的定位到多个目标编号区域,相较于传统根据特征分析的方法准确率较高。研究钢坯编号字符与分割方法,将神经网络算法应用在字符识别。对编号区域存在倾斜的情况采用透视变换对去进行校正,针对字符之间可能存在的氧化脱落与字符粘连等情况先对编号图像进行相应的预处理,其中采用自适应的图像增强算法减少字符表面出现的氧化点噪声情况,对于字符粘连等情况,研究基于投影量分析的方法,再结合相关的先验知识对字符进行准确分割。针对分割的字符采用当前应用较广泛的BP神经网络法对字符进行分类,设计BP网络结构,并进行相应的实验,分析识别结果。实验结果表明本文研究的文本编号提取率高及字符的识别效果好,具有较高的实用价值。为钢铁厂智能制造系统的发展提供了有益的探索。