在工业生产中,企业和生产商为了对生产的产品(如发动机、机械产品和电子产品等)进行更好的生产管理、质量控制和产品跟踪调查,采用机械加工的方式直接给产品刻上字母标号或者数字编码作为一种重要的鉴别手段。为尽量消除人工识别产品编号或数字编码效率低、易出错的弊端,研究机刻数字自动识别技术对于提高企业的自动化水平具有重要的现实意义和实用价值。本课题研究的对象是刻写在枪械上的数字字符,数字字符是与背景同色的立体字符,而目前广泛研究的文字字符识别、邮政编码识别和票据数字识别都是二维平面字符。正是因为这个特点,很多现有的字符识别研究成果难以直接应用在机刻字符识别,需要研究与课题对象相适应的字符识别方法。论文的主要研究内容主要有以下方面:介绍了机械工件数字自动识别系统的组成部分。为提高采集的图像质量,提高工件字符识别的整体性能,根据系统结构、硬件性能参数和图像自身特点选取适合的硬件。实验研究发现在识别过程中合适的照明方式和光源是系统成败的关键,并进一步研究了不同的光源照明方式对拍摄图像质量的影响,成功研制出适合系统需要的LED照明光源。研究了工件字符预处理的方法。由于工业现场环境恶劣、光照不均匀和枪械工件本身有油渍和划痕等不利因素导致拍摄的图像降质、模糊、噪声污染严重。针对图像降质退化导致后期图像难以分割和识别率低的问题,结合机械工件自身的图像特点,分析研究了灰度均衡、图像增强和图像分割等图像处理的关键技术。通过C语言在VisualC++平台上编程实现算法,分析验证了不同算法的优缺点,提出适合工件字符的预处理方法。在预处理的基础上研究了工件字符的分割提取方法。针对动态阈值和全局阈值各自的优点,结合工件字符图像的特点,提出了基于LOG算子的局部动态阈值和最大类间方差的全局阈值相结合的新方法。新算法已应用于实际系统,取得了较好的实验结果。利用搭建的系统实验平台,对采集的大量枪械工件字符图像进行识别验证实验。进一步测试优化软件系统,提高系统的稳定性和高效性。