随着我国国民经济的快速发展，铁路技术正朝着高速度、大运量和自动化牵引方向迈进，铁轨重载化和高速化已成为一个必然趋势，这对铁路重轨的质量提出了更高的要求。我国国内生产的部分重轨已经用于出口国外。出口产品对重轨商标检查比较严格。重轨商标的质量成为影响重轨整体质量的重要因素之一，直接影响到重轨的整体经济效益。本课题以某大型钢铁企业轨梁厂的热态重轨表面质量检测为背景进行研究，针对该厂目前主要依靠人工检测法来观察重轨商标质量的现状，设计了一套重轨热态下标识检测系统。该系统利用机器识别技术对重轨标识进行智能检测，克服了人工检测法效率低、受人为主观因素影响大、工人劳动强度大、检测实时性低且存在大量检测盲区等缺点，实现了对重轨标识的在线检测。系统在工业无损检测领域具有极高的实用价值。本系统采用基于机器视觉的技术对重轨进行检测，由于其使用环境特殊，受生产现场的低光照、重粉尘、高噪声和设备振动等因素影响，使得系统在实现过程中存在三个主要关键点：系统原始图像信息的获取、图像预处理算法研究、字符识别技术。本文设计的系统将在光照环境复杂的情况下，对重轨热轧标识信息进行检查，这就对系统原始信息的获取技术提出了更高要求。获取高质量的原始图像信息成为系统的研究重点之一。图像预处理的目的是将标识信息从图像中检测并分割出来。论文以重轨图像预处理过程为主线，研究了图像增强、图像分割、标识区域定位等算法。首先，针对重轨图像存在的灰度对比度不均、图像有杂点、标识边缘不清晰等问题对图像进行了预处理研究。然后，根据重轨图像存在的高亮度线性特征，对图像进行背景区域分割。最后，通过对传统图像分割方法的研究，提出了适合本系统的基于图像水平和垂直投影的方法对图像标识区域进行定位和字符分割。字符识别技术是本系统最主要的关键点，针对重轨标识样本少的特点，在分析各种分类器优缺点的基础上，选用了支持向量机方法进行字符识别。本文在对字符成功分割和归一化处理之后，对重轨标识字符的特征提取方法进行研究，然后用提取的特征训练支持向量机分类器，使用MATLAB和LIBSVM工具箱完成字符识别的模拟。