21世纪科技飞速发展,随之而来的是人民生活信息化和工业生产自动化。铝轮毂产业对国家经济发展有着重要影响,更加需要革新。使用先进的科学技术和设备代替人工劳动力,这不仅能够降低劳动成本和工业事故还能提高产品质量、增加产业科技含量,使铝轮毂的生产得到更加系统化和智能化的管理。目前对于铝轮毂自动化生产的研究相对较少,这使得铝轮毂生产线无法实现全自动化,在产品分拣以及产品溯源方面仍然不能做到系统化的管理。为了弥补这一不足之处,推进铝轮毂生产行业的自动化进程,本文针对铝轮毂的特殊形状和背腔字符的特点对铝轮毂进行恰当的处理,着重研究了铝轮毂背腔信息的识别这一问题。主要研究内容包括:(1)使用工业相机采集铝轮毂背腔图片,选择合适的灰度化、二值化和滤波方法对原始图片进行预处理;将双向投影法和霍夫圆变换法相结合来确定铝轮毂背腔信息所在的圆环区域,并通过像素遍历将圆环区域提取出来。(2)使用360度旋转投影分割法将带有铝轮毂背腔信息的轮辐分割出来,通过对铝轮毂图片进行由圆心到边缘的旋转投影将圆环形状的有效区域灰度分布信息呈现在直方图上,使用双门限法对投影直方图进行处理并最终获得每个轮辐的位置角度信息。(3)使用多模板匹配法进行单个字符的分割,通过实验选取最佳归一化参数并引入中心距来标定字符串所在的位置,使用模板评估和局部精确匹配对分割方法进一步优化,最终完成字符的分割。(4)设计了基于inception结构的卷积神经网络对采集的铝轮毂背腔字符进行分类识别的方案,选取合适的训练参数并训练出字符识别模型。分析了训练时间与训练次数的关系以及不同类别字符各自的识别情况,同时分别对正常字符、不同颜色深度的字符、倾斜字符和有遮挡的字符进行了分类识别实验,验证了本文方法的高效性、鲁棒性和有效性。与传统模板匹配识别结果相比较,证明了本文方法的普适性。