随着科技进步以及计算机的发展,工业生产也逐渐由工人主导生产与测试转化为计算机代替人工进行自动化处理,在机械工件设计、生产以及测试过程中,利用计算机检测与识别仪表屏幕以及图纸图像中字符,自动化地分析处理这些参数,无需人工测试以及比对图纸从而极大地提高生产效率,同时减少人工带来的误差。本文以机械工件生产与测试为背景,通过研究仪表及图纸图像中字符的检测与识别方法,完成整个自动化质检中字符识别这一关键步骤,并且设计与实现了一套完整的仪表及图纸图像中字符识别系统。本文主要研究及工作内容如下:1.研究了字符检测相关算法,针对仪表及图纸图像字符中存在较多标注线、仪表及工件图形、指示符号等干扰的特点,提出了改进的字符检测方法,通过一定的图像处理以及筛选条件去除这些干扰,再结合相关检测算法初步提取,最后使用基于连通域聚集的方式提取出一系列所需要的目标文本行。2.研究了文本行的倾斜校正和字符切分相关算法,针对在实际工业生产中使用传统校正算法效果不好的情况,探索并采取相对有效的倾斜校正算法,针对图纸图像中某些复杂的情况提出了改进的粘连字符切分算法,并通过实验验证所采取的方法明显优于传统方法,能够有效地完成字符的校正与切分。3.研究了字符识别流程中特征提取与分类相关算法,试验各种特征以及分类算法对于实际项目中字符的识别效果,针对不变矩特征识别效果不佳的情况进行了相应的特征选择与修正,对于KNN分类算法中的不足,提出了在最终分类判决阶段基于距离加权的改进。然后通过实验验证,改进的特征提取与分类算法均对仪表及图纸图像字符识别效果有较大的提升。4.分析了仪表及图纸图像字符识别错误的情况,对于错误比较集中的切分错误和形近字符错误提出了相应的修正方式。对于切分错误采用基于结构特征以及识别反馈的方式以提高切分精度,而对于形近字符提出一种识别置信度机制以及基于上下文的修正模式并以此提高形近字符的准确度,最后对涉及到的算法模块编程实现与测试,并整合各个模块设计出一套更有效的识别流程架构,通过多级识别模块相结合的方式进一步提高识别率及可靠性,完成整个系统搭建与实现。经过实验测试结果分析可知,本文采用的算法以及设计的系统能够有效满足实际生产需求,达到预期目标,从而应用到工业生产中提高生产及测试效率。