本文分析了烟草包装过程中容易造成烟包喷码字符识别识别率较低的几个原因,考虑到烟草制造的工业现场环境恶劣,会引起所拍摄的图像失真、模糊、噪声及字符产生缩放、平移旋转等情况,有针对性地对基于BP神经网络的烟包喷码字符智能识别系统开展了研究。首先介绍了在烟包喷码字符识别过程中采用的一些基本技术,包括图像预处理、提取特征值、图像分割和图像识别这几个关键环节,我们设计了一套完善的预处理方案,采用直方图对图像进行描述,并在此基础上设计了相关的边缘检测、图像增强、去除噪声等算法,以此解决烟包喷码字符识别过程中的各种字符图像问题。在喷码字符特征提取阶段,通过分析喷码字符的联通特性,和直方图中垂直投影对于字符分割造成的不利结果,提出了采用按照喷码字符上下边界进行投影的方法,这种方法的喷码字符分割更加可靠,提高了喷码字符的识别率。然后详细介绍了BP神经网络,指出人工神经网络是模仿了生物人脑的功能之后提出的一种计算机理论,尤其是BP神经网络对于解决图像识别问题有着很好的应用成果。在此基础之上,作者提出了引入陡度因子法来改进人工神经网络对于字符识别的能力,经过实验证明,该改进算法能够非常明显地提高字符识别系统的字符识别率,是一种非常行之有效的字符识别方法。图23幅,表1幅,参考文献50篇。